партнерский материал
10 успешных кейсов
внедрения технологий в ритейле



13 ноября 2018




Российский рынок FMCG после сложного периода 2014-2016 годов снова показывает рост, особенно в регионах. При этом потенциал роста за счет расширения торговых площадей и повышения цен практически исчерпан. Этот факт, а также интенсивная конкуренция заставляет крупнейшие розничные сети вкладываться в технологии – именно они способны дать преимущества, которых (пока) нет у других.
Автоматизация процессов в управлении магазинами – одно из самых перспективных направлений в разработке и интеграции технологий.
Сегодня появляются платформы и решения, которые помогают повышать продажи на десятки процентов и значительно увеличивать лояльность покупателей за счет улучшения доступности товаров, оптимального их представления на полках и соответствия запросам потребителей.
В основе этих решений могут лежать самые разные принципы – психологические, маркетинговые, технические. Их главное преимущество – более точное соответствие нуждам покупателя. Например, технологии компьютерного зрения уже сегодня позволяют сокращать очереди на кассах в магазинах сети «Перекресток». А в «Ленте» с помощью технологии обработки больших данных знают, что вы купите во время следующего похода в магазин. В «Магните» же технология машинного обучения позволяет всегда иметь в ассортименте именно те продукты, которые нужны покупателям.
В России комплексные решения для автоматизации процессов в магазинах помогает внедрять компания OPEN. Технологии помогают, например, контролировать доступность товаров на полках, сокращать потерю покупателей из-за нехватки продуктов, следить за передвижениями покупателей и оптимизировать их маршруты, предоставлять онлайн-отчетность и так далее.

Рассмотрим на конкретных примерах, как работают эти технологии.

1
Компьютерное зрение в магазинах X5 Retail Group
Торговая сеть «Перекресток» (Х5 Retail Group) протестировала в нескольких магазинах в Москве и Московской области технологии компьютерного зрения. С помощью технологий распознавания фото- и видеопотока компания намеревалась повысить доступность товаров на полке и более эффективно контролировать очереди на кассах в период пиковых нагрузок. Для распознавания товаров на полках было выбрано решение резидента «Сколково» Intelligence Retail.

Это решение базируется на использовании технологий компьютерного зрения для распознавания товаров различных категорий с целью контроля наличия и корректности выкладки товаров в сети продаж. Система позволяет полевому сотруднику компании в течение 10 секунд получить необходимую информацию по ассортименту и выкладке. Онлайн-аналитика в магазинах позволяет повысить эффективность процесса, исключив сбор информации вручную. Систему можно обучить распознавать практически любые товары на полках с точностью выше 95%. Любые видимые атрибуты товара будут использоваться системой для повышения точности распознавания: форма, цвет, логотип, тип упаковки и цена.
Целью пилотного проекта было оценить применимость технологии распознавания образов товаров в процессе сбора данных об их фактическом наличии и пополнения товарного запаса на полке, а также проверить точность распознавания продуктов молочной категории с помощью технологии компьютерного зрения.

Во время экспериментального периода использования технологии точность распознавания товарных единиц достигла в среднем 93,7%. Скорость формирования отчета составила примерно 30 секунд на один стеллаж выкладки. В целом система научилась распознавать более двух тысяч наименований товаров. На основании полученных результатов руководство торговой сети «Перекресток» приняло решение о расширении использования решения Intelligence Retail на большее количество магазинов, а также о полной интеграции технологии в бизнес-процесс по повышению доступности товаров на полке.

Сотруднику магазина достаточно запустить приложение, направить объектив камеры на нужную полку и считать изображение. Затем система автоматически проанализирует наличие товаров и правильность их выкладки. В случае, если нужно произвести какое-либо действие – добавить товары или поменять их местами – алгоритм выдаст соответствующие рекомендации.
Потенциальные выгоды от внедрения автоматизированного контроля за наличием товаров на полке могут составить от 2 до 5% в товарообороте за счет повышения показателя наличия товаров на полке, что говорит о высокой ценности использования подобных решений в рознице.
Успешным признали и эксперимент по автоматическому анализу очередей на кассах. Если система замечала, что в одной очереди скопилось больше пяти человек, администрация зала получала уведомление о необходимости открыть дополнительную кассу. Очередей стало меньше, клиенты были довольны.

2
Big data-аналитика покупателей в «Ленте»
Сеть гипермаркетов «Лента» внедрила систему клиентской big data-аналитики на основе карт лояльности и открытых данных из соцсетей. Еще в 2016 году генеральный директор сети Ян Дюннинг хвастался, что система уже через несколько покупок может выяснить, что человек сел на диету: «Например, мы видим, что раньше вы всегда покупали картофельные чипсы, а сейчас перестали. Это потому, что у вас нет денег, или потому, что вы на диете? Мы можем протестировать это и дать 50% скидку на чипсы. Тогда уже после следующей вашей покупки мы точно узнаем, на диете вы или нет. И если вы на диете, то следующий купон уже будет скидкой на что-то из здорового питания».

Сейчас держателями карт лояльности сети «Лента» являются более 13 млн человек. В первом квартале 2018 года 96% покупок в сети совершалось с использованием карт лояльности. То есть при наличии соответствующей технологии обработки больших данных компания имеет возможность знать предпочтения практически каждого своего клиента. А такая возможность у «Ленты» есть.

Платформа, которую использует ритейлер, не только запоминает и анализирует все покупки, которые совершает конкретный держатель карты, но и сравнивает их с данными из соцсетей. Как результат – персонализированные предложения для групп покупателей, рост среднего чека и частоты посещений.

3
Навигация по магазину в X5 Retail Group
Еще одно технологическое направление, которое внедряет один из крупнейших российских ритейлеров – навигация в магазинах. В нескольких торговых залах определяют наиболее посещаемые зоны. С помощью анализа передвижений покупателей по залу составляются тепловые карты. Полученные данные используются для оптимизации раскладки товаров, распределения и проектирования зон.

Для отслеживания передвижения покупателей в торговом пространстве используются три основные технологии: маячки типа iBeacon, система Wi-Fi и компьютерное зрение, камеры с возможностью распознавания образов.

Использование систем навигации позволяет выявлять наиболее популярные зоны внутри торгового помещения и выставлять там товары, которые нужно продавать больше и быстрее. При этом можно сочетать эту технологию с другими данными, чтобы получать более детальную картину.
Безусловно, большие данные, полученные при помощи iBeacon, Wi-Fi и других технологий, помогают составлять тепловые карты, позволяющие правильно планировать магазинное пространство и эффективно размещать ту или иную продукцию. Но мало понимать, как передвигается потребитель – важнее представлять, что он делает во время своего движения. Куда он смотрит, подходя к полке? Куда-то в сторону или на товар? Для этого есть так называемые «умные полки», оборудованные камерами. Это камеры с технологией face recognition. Они считываю именно то, куда смотрит отдельно взятый покупатель, на чем задерживает взгляд, какие красочные пятна привлекают его внимание – в общем, то, что на нас работает. Это дает представление о том, как ведет себя у полки определенная категория потребителей.
Дмитрий Шихов
управляющий директор компании OPEN
Кроме того, технология навигации внутри помещения может быть использована и для совершенствования работы с персоналом.
У нас был кейс, когда мы внедрили использование маячков для работы с персоналом. В одной довольно большой торговой точке мы снабдили персонал датчиками. После этого мы могли видеть, где находятся сотрудники и как от этого определенные категории товаров продаются – лучше или хуже. Это был магазин электроники, и соответственно, мы получили данные, что красное пятно, условно говоря, находится в зоне холодильников – и холодильники лучше продавались. Это дало возможности для управления персоналом. То есть появилось понимание, куда и сколько сотрудников отряжать, чтобы тот или иной товар продавался лучше.
Дмитрий Шихов
управляющий директор компании OPEN
Следует понимать, что использовать системы навигации (или, точнее, отслеживания) в торговом помещении только для составления тепловых карт, неэффективно. Эти данные нужно синхронизировать с другими потоками информации. Например, система Wi-Fi, к которой автоматически подключаются устройства покупателей, может дать значительно более полезную информацию:
Количество посетителей
Магазин может в реальном времени отслеживать динамику посещений в течение всего рабочего дня.
Время и день посещения
Можно выяснить, ходит ли конкретный покупатель в магазин по выходным или будням, предпочитает делать покупки рано утром или поздно вечером.
Маршрут покупателя
Онлайн-отслеживание передвижений покупателя вплоть до метра. В соответствии с этой информацией можно отправлять push-уведомления с релевантными промо-предложениями.
Частота посещений
Можно выяснить, как часто конкретный покупатель ходит в конкретный магазин и, сопоставив эти данные с интересами покупателя, формировать регулярные промо-предложения.
Время, которое покупатель проводит возле полок
Зная, у какой полки и на какое время останавливается покупатель, можно сформировать представление о его интересах и желаниях. По статистике, если человек находится в магазине больше 8 минут, вероятность, что он что-то купит, возрастает на 60%.
Все эти данные представляют большую ценность для формирования поведенческой карты покупателей. Они рассказывают, кто и как покупает, а также о том, какие предложения могут быть интересны людям.

4
Автоматическое составление планограмм в «Карусели»
В сети магазинов «Карусель» (группа X5) внедряют систему «умных» планограмм. На основе технологии американской компании JDA Software система автоматически составляет подробные планограммы, определяя для каждого товара наилучшее место на полке. Для этого алгоритм учитывает многие параметры: исторические сведения о скорости продаж каждой позиции, предпочтения покупателей, возможности торгового оборудования, информацию об ассортименте товаров в каждой категории и даже форму и цвет упаковки.

Судя по отчетам компании, эффект оказался заметным. За первые три месяца 2017 года «умные» планограммы помогли увеличить продажи средств для бритья на 10,5%, чая и кофе – на 5%, сопутствующих товаров – на 3-8%.

Кроме того, технология позволила снизить нагрузку на персонал, сократить время работы по выкладке товара и в целом уменьшить операционные расходы.
На рынке есть кейс одной крупной пивной компании: в торговом помещении нужно было распределить товар по полкам наиболее эффективным образом. Тогда использовались не умные полки, а google-очки, которые тоже могут считывать движение зрачка. И на основании этого исследования было выявлено, что лучше всего пиво будет продаваться, если его расположить рядом с…яйцами. Не спрашивайте причины такой корреляции, но эффект от продаж показал, что это действительно работает.
Дмитрий Шихов
управляющий директор компании OPEN

5
Автоматизация логистики в «Магните»
В распределительных центрах «Магнита» процессы отгрузки, хранения и дистрибуции товаров максимально автоматизированы. Применяются технологии автозаказа, включающего управление запасами и ассортиментом, автопрогнозирования, авторазмещения товаров (определяется оптимальное свободное место для выгрузки и хранения продукции). Тайм-слоттинг помогает выбрать наиболее подходящее время прибытия поставщика на выгрузку. Для оценки качества товаров местных производителей прием продукции осуществляется дистанционно, когда штат экспертов головной компании оценивает характеристики товаров с помощью видеокамер высокого разрешения и других современных инструментов.

Оперативной доставке свежей продукции в магазины даже самых удаленных населенных пунктов способствует система автоматической маршрутизации. Она формирует оптимальный путь движения водителей-экспедиторов.

Более шести тысяч машин компании оборудованы мобильными рабочими местами. С помощью планшета водитель оперативно получает информацию о маршруте к магазинам. Стандартная система навигации дополнена данными о местности на основе собственной картографии компании (сведения об узких участках дорог, трассах с плохим покрытием и так далее). Кроме того, планшеты являются инструментом для коммуникации с сотрудниками других подразделений. Использование гаджетов водителями-экспедиторами позволяет повысить производительность каждого транспортного средства на 5%.

Чтобы удаленно следить за самочувствием сотрудников во время работы, компания тестирует автоматическую систему мониторинга «Антисон». Аналогов инструмента такого уровня в России нет, утверждают разработчики. Камера на передней панели автомобиля непрерывно сканирует изменения в мимике и жестах водителя. Если сотрудник засыпает или отвлекается, включаются вибро- и звуковой сигналы, которые оповещают его о недопустимости таких действий за рулем, а видеозапись автоматически поступает в головную компанию. Внедрение такой системы позволяет существенно снизить риск возникновения аварийных ситуаций и дисциплинирует водителей.

«Устройства установлены в машинах «Магнита», которые доставляют товары на расстояние свыше 500 км. Оборудование состоит из центрального процессора, системы видеонаблюдения, звуковой сигнализации и вибромотора, который находится под креслом водителя. Все это в комплексе повышает безопасность, оперативность и эффективность работы», – сообщили в пресс-службе компании.

6
Работа с OSA и OOS в «Дикси» и X5 Retail Group
OSA (On-Shelf Availability) – это доступность товара на полке магазина в любое время. OOS (Out-of-Stock) – ситуация, когда товар отсутствует на полке, а покупатель хочет его купить. Повышать OSA и исключать случаи OOS – целое искусство в трейд-маркетинге.

Делать это можно разными способами, но эффективнее всего задействовать различные технологические решения. Например, технологию оценки количества и доступности товаров внедряет сеть «Дикси». Похожее решение начала применять сеть «О'кей» – там проводят независимую оценку продаж в течение дня по кассовым чекам. В сетях группы X5 применяют радиочипирование товаров метками RFID, которые позволяют отслеживать весь их жизненный цикл от склада до кассы.
Есть несколько направлений работы с OSA и OOS. Это и применение меток RFID (Radio Frequency Identification), и технологии компьютерного зрения, и «умные полки», которые «знают», что и сколько на них лежит, а также комплексные решения, использующие большие данные из разных источников.
Известных кейсов использования «умных» полок в России пока нет, но такие решения уже разрабатываются. Например, компания IntraMarket обещает полностью исключить ситуации OOS и увеличить рост продаж на 300% уже в первый месяц внедрения технологии.
Сейчас большинство запросов рынка на технологические решения связаны с элементарным наличием продуктов на полке. Это решения для так называемого OSA. Здесь могут быть применены различные системы мониторинга. Это и компьютерное зрение, когда на любой девайс ставится программа, с помощью которой можно фотографировать полку и сразу четко понимать, присутствует ли там продукт, соответствует ли он планограмме. Это автоматизирует процесс и уменьшает вес человеческого фактора. Вторая система анализирует непосредственно поток продаж. Она собирает информацию с кассовых узлов относительно того, как продается та или иная категория товара. Сюда добавляется информация об остатках товара на складе, затем происходит анализ. И мы понимаем, что с учетом текущего паттерна продаж, остатков на складе и планируемого времени поставки возникнет, например, ситуация отсутствия товара на полке. Тогда мы должны либо увеличивать заказ, либо увеличивать частоту поставок. Большинство существующих решений направлено именно на обеспечение ситуации on shelf availability.
Дмитрий Шихов
управляющий директор компании OPEN

7
Системы автоматической коммуникации с покупателем
Bluetooth-маячки типа iBeacon используются для автоматической коммуникации с покупателями, реальными и потенциальными. Эти маячки позволяют считывать покупателей, находящихся в определенных точках магазина или торгового центра и присылать на их смартфоны персонализированные предложения.

На российском рынке работают несколько стартапов, предлагающих решения для автоматического уведомления об акциях и скидках. Это, например, Notissimus, Getsy, Ru-Beacon, Navigine, Indoors Navigation, iBecom, Neklo, Shopster, Mobecan.

В основном решения сочетают возможности информирования покупателей при входе в помещение и интеграции данных с маяков с программами лояльности. Практика показывает, что корректное построение онлайн-коммуникации с покупателем позволяет повышать продажи на 15-20%.
Нужно очень конкретно понимать, какой потенциальный покупатель к нам заходит. Потому что «красная зона» у каких-нибудь снэков нам мало о чем говорит. Нам нужно знать, с каким кошельком к нам пришел потребитель, какой у него средний чек, какая покупательская модель, какая у него корзина. Исходя из всего этого можно получить пищу для размышлений о том, что может в дальнейшем результировать в правильных промо-программах и правильном таргетировании. Если мы понимаем, что в нашей целевой аудитории преобладают молодые люди, в среде которых высока степень проникновения мобильных технологий, то, конечно, это работает. Мы сейчас входим в ту эпоху, когда миллениалы будут управлять общими трендами в сфере продаж. И если вы как бизнес хотите заявить о себе, то необходимо внедрять эти технологии.
Дмитрий Шихов
управляющий директор компании OPEN

8
Система обратной связи от покупателя в «Магните»
Сеть магазинов «Магнит» запустила мобильное приложение для получение фидбэка от покупателей. Сервис получил название «Пульс-М», с его помощью покупатели могут в несколько кликов оценить магазин и написать, что понравилось или не понравилось в конкретной точке сети.

«Это принципиально новый подход в коммуникации с посетителями, каждый может участвовать в улучшении работы торговых точек. Мобильное приложение — уже не первое для покупателей, ранее компания запустила сервис с информацией об акциях и скидках в торговых точках», – сообщает пресс-служба компании.

9
Комплексные big data-решения в «Ленте»
В 2018 году сеть гипермаркетов «Лента» внедрила у себя новую платформу для обработки больших данных. Система позволяет быстро анализировать информацию из тысяч Excel-таблиц и представлять ее в удобном визуальном формате. В результате персонал получает доступ к готовым данным о динамике продаж, финансах, закупках и логистике.

Ритейлер сообщает, что пользователями big data-платформы стали уже около 700 специалистов компании. Они могут получать информацию, соответствующую их сфере деятельности. Например, если один сотрудник просматривает данные о количестве товара на складах, другой может интересоваться продажами в рублях и натуральных единицах, а третий – выполнением плана за месяц.

IT-директор сети «Лента» Всеволод Кузьмич утверждает, что большие данные не только позволяют более качественно оценивать текущее состояние дел в компании, но и довольно точно прогнозируют события в будущем.

10
Нейросети и большие данные в «Магните»
В мае 2018 года сеть магазинов «Магнит» сообщила о результатах тестирования нейронной сети для определения спроса в магазинах и своевременного пополнения полок. За счет использования искусственного интеллекта сеть планирует нарастить выручку на 4 миллиарда рублей и сократить убытки на 1 миллиард в год.
Технология machine learning помогла компании увеличить точность прогноза покупательской активности на 3-5%.
Благодаря выводам, сделанным с помощью нейронной сети, поставки товаров стали планировать более точно, а пики покупательской активности перестали быть неожиданностью. Это позволило значительно сократить случаи OOS, когда покупатель не находит на полках нужного товара. Только за счет этого рост выручки прогнозируется на уровне 4 миллиардов рублей в год.

По подсчетам аналитиков компании, использование нейросетей сокращает дефицит продукции в магазинах примерно на два процента, а сокращение суммы списаний может составить до пяти процентов.

До конца мая ритейлер планировал внедрить анализ спроса всех товарных категорий при помощи нейронной сети.
В отличие от классических моделей нейросеть обрабатывает большие объемы данных, ищет нелинейные зависимости и оперативно выдает нужные сведения. При использовании традиционных инструментов на это могло уходить до недели, сейчас — один-два дня. При этом нейросети очень гибкие, они обладают способностью к самообучению. «Магнит» использует алгоритмы машинного обучения как для прогнозирования спроса, так и для расчета потенциала продаж магазинов, где также необходимо учитывать множество факторов, связанных между собой нелинейными зависимостями. На основе скорости продаж товарных позиций мы оцениваем доступность продукции на полке в режиме, близком к реальному времени, определяем причины возможного отсутствия продукции и оперативно принимаем меры для решения вопроса.

В планах — использование методов продвинутой аналитики и BigData для оптимизации всех процессов компании: от создания персональных предложений для покупателя в момент его нахождения в торговом зале до оптимизации маршрутов движения транспорта, контроля работы складов, найма и управления персоналом.
Артем Алексеев, директор департамента аналитики и управления данными розничной сети «Магнит»

Прежде всего, технологии трейд-маркетинга сегодня активно внедряют крупные ритейлеры. Лидеры отрасли – «Магнит», X5 Retail Group, «Дикси» – «обкатывают» новые решения и получают реальные результаты в виде роста продаж, выручки и прибыли. В случае с крупными сетями затраты на имплементацию технологий оправданы и даже необходимы: в ближайшие несколько лет потенциал экстенсивного роста сетей будет исчерпан, и тогда начнется война за внимание покупателя.

Как и с другими технологиями, решения для изучения покупательского поведения вскоре будут переняты и средним и малым бизнесом. Сейчас внедрение этих технологий в малых форматах ритейла – скорее дань тренду и эксперимент.
Партнерский материал

©Rusbase, 2018
Автор: Наиль Байназаров

Фото: Unsplash





Екатерина Бороздина

Комментарии

Зарегистрируйтесь, чтобы оставлять комментарии и получить доступ к Pipeline — социальной сети, соединяющей стартапы и инвесторов.