Umjetna inteligencija u službi prodaje
Umjetna inteligencija je korištenje moći računala da oponaša ljudsku inteligenciju, a to je, u biti, primjena matematičkih modela na sve sofisticiranije algoritme. Termin je 1956. skovao američki matematičar John McCarthy kako bi opisao sposobnost algoritma da uči iz svojih prošlih primjera i donosi nove odluke na temelju onoga što uči. Modeli i softverska rješenja koja opslužuju mogu učiti i poboljšavati se tijekom vremena, ljudi to obično ne mogu ili ne žele. To znači da su sustavi koji su dizajnirani da iskoriste prednosti umjetne inteligencije moćniji od onih koji bi bili dizajnirani za ljude i nisu podložni emocijama koje su obično prisutne kod ljudi kada obavljaju svoje poslove.
Umjetna inteligencija ima ogroman potencijal za FMCG industriju. Od pametnih uređaja koji kupcima omogućuju daljinsko praćenje obrazaca potrošnje, do osobnih trgovačkih pomoćnika koji nude preporuke na temelju prošlih kupnji, aplikacije bazirane na umjetnoj inteligencij spremne su transformirati trgovinu kako fizičku tako i elektronsku.
Koji je proces implementacije?
Prije implementacije inteligentnih rješenja u svojim procesima trgovci moraju riješiti tri kritična pitanja:
utvrditi imaju li procese dizajnirane na način da mogu imati koristi od prednosti i mogućnosti koje pruža tehnologija,
odabrati sustave koji su sposobni učinkovito implementirati nove usluge,
identificirati načine za integraciju ovih inteligentnih alata u postojeće lance opskrbe uz obavezan redizajn procesa kako bi se u potpunosti iskoristile prednosti koje novi sustavi donose.
Proces implementacije kreće snimkom stanja postojećih podataka, procesa i pravila unutar tvrtke kojom prilikom se prikuplja povijesne podatake i poslovnu logiku vezanu uz proces naručivanje. Zatim se kreiraju modeli prodaje za svaki SKU temeljem povijesnih podataka za svako prodajno mjesto. Unutar toga je potrebno imati što više informacija koje mogu utjecati na prodaju, a koje su poznate, od promocije, seknudarnih pozicija te vanjskih uvjeta poput vremenski prilika.
Sljedeći korak je integracija s postojećim poslovnim sustavima koji se koriste u organizaciji. Temeljem toga se radi modeliranje na nivou SKU na svakom pojedinom prodajnom mjestu i dobijamo model prodaje, a zatim apliciranjem poslovnih pravila kreramo narudžbu.
Koje su mogućnosti primjene?
Mogućnosti za primjenu su različite te ovise od industrije do industrije. Osnova svega je kreiranje prodajnog modela i generiranje narudžbi temeljem poslovnih pravila, prijedlog nabave i/ili proizvodnje temeljem višetjednih prodajnih potreba te smanjenje i optimizacija povrata sukladno poslovnim pravilima.
U pekarstvu postoje neki specijalizirani modeli, poput naloga za pečenje u konvekcijskim pečnicama i naloga za slaganje sendviča. Za maloprodajne lance postoje modeli koji generiraju prijedlog nabave voća i povrća, prijedlog asortimanskih lista po POSu i smanjenje starosti skladišta. Za tvrtke koja imaju samoposlužne restorane (dućani i hoteli) kroz sugestiju menija gotovih jela u ponudi djeluje se na smanjenje otpada čime se pozitivno djeluje i na okoliš. Za tvrtke koje se bave distribucijom moguće je generirati prognozu količina na temelju četverotjednih predikcija prodaje te odraditi simulaciju dostavne flote kako bi se optimizirali kapaciteti i rute u dostavama.
Što nam donosi budućnost ili čak sadašnjost?
Imajući sve to na umu cjelokupni FMCG sektor ima koristi od implementacija umjetne inteligencije i to u svim segmentima rada. Potencijal tehnologije u FMCG području je velik i raste iz mjeseca u mjesec. Bez obzira na koje je vaše poslovno područje fokus - procesi bazirani na umjetnoj inteligenciji pomažu u postizanju boljih rezultata. Primjena prediktivne analitike pomaže vam da iskoristite sve podatke i pronađete nove prilike za svoje poslovanje.
Poznato je kako je samoposluživanje transformiralo iskustvo u trgovini, na isti način će umjetna inteligencija unijeti nove poglede i načine rada u procese koji su tada transformirani koji omogućavaju razvoj personaliziranih proizvoda, donošenje optimalnih odluka u stvarnom vremenu (kao što je određivanje najbolje prodajne cijene), učinkovito upravljanje lancima opskrbe i za kraj poboljšanje korisničkog iskustva.