Три технологии, которые нужно использовать в ритейле

Ритейл всегда был высококонкурентной средой. В последние годы в этом секторе можно наблюдать множество технологических тенденций. Общая тенденция – развитие e-commerce, увеличение количества продаж через интернет, в России — посылок из-за рубежа.

Так, Почта России сообщает о ежегодном двукратном увеличении количества посылок благодаря внедрению e-commerce. В настоящее время число отправлений составляет 300 млн в сутки. За счет покупок через интернет происходит общее увеличение потока как внутри России, так и из-за рубежа.

Государство пытается защитить наших ритейлеров и производителей: есть предложения ввести НДС на покупки на зарубежных онлайн-площадках, поскольку ввозимые товары сейчас российским НДС не облагаются. В этом случае может возникать вопрос о двойном начислении НДС, но пока разговор идет о том, чтобы добавлять 18% к стоимости покупки за рубежом.

Относительно других видов бизнеса, ритейл низкомаржинален:

• Наценка на продукцию не такая большая, как в некоторых других отраслях,
• Конкуренция здесь высока,
• Заработная плата работников ритейла растет: уровень потребления увеличивается, покупок делается все больше и больше.

Поэтому ритейл в нашей стране (в первую очередь продуктовый, в отношении которого установлены жесткие санкции) развивается в условиях серьезных ограничений и вместе с тем при наличии желания постоянно оптимизировать данную деятельность с помощью внедрения новых технологий.

Среди множества технологий, которые доступны рынку – искусственный интеллект, нейронные сети, интернет вещей, Big Data, блокчейн, виртуальная и дополненная реальность, смарт-контракты, криптовалюта – некоторые имеют реальную возможность для применения в секторе «Ритейл и FMCG».

Особо заслуживают внимания использование искусственного интеллекта при взаимодействии с покупателями, поставщиками и при обработке заказов, технологии Big Data в разрезе глобальной аналитики покупательского поведения и предпочтений, а также внедрение смарт-контрактов для расчетов с контрагентами. На перечисленных технологиях и сконцентрируемся в данной статье, посвященной трендам и прогнозам цифровизации торговой индустрии.

Технология 1. Искусственный интеллект в ритейле

С точки зрения мирового тренда, происходит массовая замена рабочих рук искусственным интеллектом. Руководитель «Сбербанка» Герман Греф, выступая недавно перед студентами Балтийского федерального университета, попросил: «Назовите мне типы нейронных сетей». В аудитории тишина.

Он резюмировал: «Не знаете, двоечники! Хочу вам сказать, что это недопустимо. Вы студенты вчерашнего дня. Товарищи юристы, забудьте свою профессию. В прошлом году 450 юристов, которые у нас готовят иски, ушли в прошлое, были сокращены. У нас нейронная сетка готовит исковые заявления лучше, чем юристы, подготовленные Балтийским федеральным университетом. Их мы на работу точно не возьмём. Если вы хотите думать о будущем, то вам в университете обязательно нужно взять курс Сomputer Science, каким бы вы специалистом ни были: юристом, экономистом или менеджером».

Такая тенденция замены рабочих мест на ИИ с большим количеством рутинных операций прослеживается везде, в том числе и в ритейле.

Какие позиции мы можем роботизировать в ближайшее время, применительно к ритейлу?

• В первую очередь — это кассиры, которые могут быть заменены либо роботами, либо кассами самообслуживания, которые уже были апробированы многими российскими торговыми сетями.
• Также это околобухгалтерские специальности, в том числе функции сотрудников, которые занимаются подсчетом и сортировкой наличных из кассовых ячеек. С этой операцией успешно справляются специальные аппараты. Больше нет нужды перемещать бумажные купюры, высыпать монеты – ящик из кассового аппарата вставляется прямо в систему, и такой стационарный робот автоматически пересчитывает наличность и отправляет информацию в ERP-систему.
• Сортировка данных – дело техники. Много людей, занятых рутинными операциями, работает и на складах, поэтому роботизация склада для крупного ритейла – также одна из серьезных задач.

Общемировая тенденция показывает: идет оптимизация рабочих мест с большим количеством рутинных операций.


В том случае, если ритейлеры (неважно, продуктовые, фэшн, розница, банки, которые тоже можно отнести к ритейлу), не видят необходимости в организации роботизированных рабочих мест, наша компания может предложить альтернативу: искусственный интеллект, а именно технологию Process Mining.

1. Process Mining

Технология, позволяющая восстанавливать реальный ход бизнес-процессов. В тех случаях, когда мы не можем обойтись без работы людей, важно контролировать бизнес-процессы в части того, как они реально происходили, отслеживать всевозможные зацикливания, задержки, недостаточную квалификацию сотрудников.

И Process Mining в этом помогает, примером тому является розничный банк «ВТБ24», где мы осуществили успешный проект.

Торговые центры МЕГА уже сегодня активно сотрудничают со стартапами и внедряют инновационные технологии для улучшения покупательского опыта. В рамках проекта МЕГА Accelerator осенью этого года в МЕГАХ начнутся пилотные запуски решений более 10 российских стартапов: в их числе идеи по взаимодействию с посетителями, трансформации торговых центров МЕГА в пространство для встреч и решения по автоматизации бэк-офиса.

2. Компьютерное зрение

Речь, например, про автоматическое распознавание образов на фотографии или в видеопотоке и их сопоставление с шаблоном. Шаблон в ритейле называется планограммой.

Планограмма – это шаблон выкладки той или иной продукции в том или ином формате магазина. Это автоматическое понимание того, что представляет собой тот или иной объект. Если это фотография полки, то технология позволяет «увидеть», что выставлено на полке, какая конкретно SKU, как именно она размещена на полке (вертикально, горизонтально, корректно или нет).

Существуют различные форматы магазинов: супермаркет, гипермаркет, магазин рядом с домом – и ритейлеры либо производители для ритейлеров создают планограммы того, как должна выглядеть выкладка, что является основой, базисом мерчандайзинга.

Правильная выкладка на полке – залог успешных продаж магазина. Поэтому для того чтобы облегчить и улучшить, ускорить контроль выкладки на полке, создаются алгоритмы распознавания фотографий, когда мерчандайзер делает фотографию полки, и система ему в автоматическом режиме говорит о том, что у него выставлено неправильно, что нужно добавить, изменить на полке.

А если у него не хватает на остатках какого-то ходового товара, то включается процедура автоматической замены товаров на аналогичные и так далее. Это первый аспект использования компьютерного зрения.

3. Распознавание поведения покупателя

Речь идет о том, чтобы понять поведение покупателей, посчитать ту конверсию и тот поток покупателей, который у вас есть, другими словами, распознать, сколько в принципе людей к вам пришло, определить их гендерную характеристику, возраст, возможно, весовые характеристики, принадлежность к той или другой расе — все те данные, которые могут лечь в основу Big Data для предиктивной аналитики (об этом поговорим подробнее в следующей главе). Это «на входе».

Мы анализируем движение покупателя по магазину. Это помогает нам лучше организовать торговое пространство, чтобы люди на большее время задерживались в магазине, и это, в свою очередь, провоцирует большее количество спонтанных покупок, что увеличивает средний чек.

4. Вопросы, связанные с обеспечением контроля и безопасности

На отечественном рынке присутствует опыт использования RFID-меток, которые позволяют упростить контроль и считывание продукции, которая находится в корзине.

К телефону с помощью RFID-метки привязана ваша банковская карта, и она как пропуск, служит вашей личной идентификацией в магазине.

Существуют модели поведения человека, который попадает в объектив камеры: если он очень резко двигается, то можно наложить определенные триггеры, которые будут устанавливать, что в магазине происходит драка, захват заложников, любые неправомерные действия. Можно фиксировать факт присутствия сотрудников в торговом зале, то есть контролировать сотрудников, чтобы они не отсиживались в подсобках, а реально работали.

Субкейс — видеоролики Amazon, где магазин работает без сотрудников. Что там происходит:

• Люди проходят, прикладывая телефон к турникету. К этому телефону с помощью RFID-метки привязана ваша банковская карта, она как пропуск, служит вашей личной идентификацией в магазине — через клиентское приложение вы становитесь зарегистрированным клиентом магазина.
• Вы ходите по магазину, набираете продукты в корзину. Возможно, что-то вы взяли, а что-то положили обратно, датчик и видеораспознавание определяют, на что вы обратили внимание, то есть следит за зрачками глаз, им видно, что вы взяли, а что вернули на полку.
• Все ваши действия полностью оцифрованы, на основе этих данных осуществляется аналитика, вам предлагают те продукты, которые заинтересуют вас в первую очередь, в связи с анализом вашего предыдущего выбора покупок, что может также лечь в основу предиктивной аналитики.

С этим связано и управление ассортиментом: если какой-то продукт вы берете, смотрите и в результате возвращаете на полку – значит, есть вероятность того, что с этим продуктом что-то не так. Если какие-то базовые сценарии (такие, как срок годности) отбрасываются – значит, либо что-то с упаковкой, либо с составом, а это уже конкретная пища для размышления продакт-менеджеров.

Кое-кто может в результате таких внедрений даже потерять работу, потому что система и алгоритмы способны сами оптимальным образом подбирать ассортиментную матрицу для того или иного магазина, в зависимости от спроса.

Обобщая вышесказанное, уровень искусственного интеллекта и нейронных самообучающихся сетей, которые мы видим и используем сегодня, – это не аналог мифической Skynet, это не такой высокий уровень, когда все осуществляется полностью в автономном режиме, а вполне управляемая человеком система, служащая во благо.

По сути, это математические современные алгоритмы, чуть более продвинутые, чем мы привыкли, и у них есть опция искусственного ограничения – они могут обучаться до определенного момента, но в том понимании искусственного интеллекта как кошмара, который каждый себе рисует, посмотрев фильм «Терминатор», – до этого еще очень далеко.

Технология 2. Big Data

Следующий тренд в области искусственного интеллекта, активно развивающийся и набирающий обороты в России — Big Data. Технология Big Data в ритейле может быть использована в нескольких направлениях.

Обширная система, которая дает представление о большом количестве аспектов взаимодействия конкретного клиента с магазином. Такая система принципиально обогащает понимание спроса на те или иные продукты, в зависимости от времени суток, от дня недели, сезона и конкретной погоды.

Big Data – это объединение многих, зачастую несопоставимых явно данных и закономерностей, предсказывающих поведение покупателей. В связи с этим мы можем достаточно точно прогнозировать спрос в тех или иных магазинах.

С этими данными мы сможем:

• делать таргетированное предложение для конкретных клиентов либо для групп клиентов;
• обогащать обезличенную информацию из социальных сетей и строить так называемые уникальные профили клиентов, то есть сегментировать наших клиентов на более мелкие группы;
• понимать интересы этих групп, тем самым возвращаясь к таргетированным предложениям и более тонкой персонификации.

В части использования технологии Big Data мы давно и успешно сотрудничаем с одним из крупных отечественных авиаперевозчиков.

Big Data с использованием различных предиктивных алгоритмов спроса, управление ассортиментом магазина, управление складскими запасами. На рынке достаточно давно существуют системы класса Supply Chain Management (управление цепочками поставок), но современные технологии, а именно Big Data и искусственный интеллект, сейчас позволили подобного рода системам обсчитывать сквозные бизнес-процессы от начала и до конца на всей территории нашей необъятной Родины.
Механика таких систем была модифицировна современными подходами. Математические алгоритмы также поменялись, но не кардинально. Благодаря присутствию элементов искусственного интеллекта эти системы стали самообучаемыми.

Но Big Data – это хранение и, что особенно важно в этом случае — параллельная обработка большого количества объемов данных, которая позволяет «на лету» просчитывать каждый конкретный кейс большого ритейла, чего ранее технологии не позволяли.

Другими словами, поменялась сама алгоритмика. Изменения не так значительны, но появилась возможность «загнать в модель» и обсчитать в разумные сроки сразу весь объем данных. Это позволяет сегодня переходить или, по крайней мере, стремиться к модели управления бизнесом практически в режиме онлайн.

Это пока не формат «Индустрии 4.0», когда можно получить автоматический «отклик с полки», или робот взял на складе и доставил товар, но все движется к этому, и технологии уже сейчас позволяют это делать. Так, на основе современных алгоритмов Big Data мы решали логистический вопрос для такой компании, как «Почта России».

Технология 3. Смарт-контракты

В последнее время в ритейле набирает обороты развитие смарт-контрактов, когда взаимодействие между ритейлером и каждым из огромного количества его поставщиков переходит в цифровую форму. Смарт-контракт — электронный алгоритм, описывающий набор условий, выполнение которых влечет за собой некие события в реальном мире или цифровых системах.

Для реализации умных контрактов требуется децентрализованная среда, полностью исключающая человеческий фактор, а для возможности использования в умном контракте передачи стоимости требуется криптовалюта (цифровые счётные единицы, учёт которых децентрализован).

Поставки продукции для ритейлера происходят намного быстрее, остается меньше рутины, меньше бумажной волокиты – это самое очевидное. Смарт-контракты значительно облегчают жизнь, минимизируя рутинные операции

Смарт-контракты – отличная альтернатива расчетам криптовалютой. Это решение с успехом применимо не только в самом ритейле, но также в расчетах с сервисом грузоперевозок, а также с любыми внешними контрагентами ритейла, и может существенно снизить нагрузку на бухгалтерию.

Осуществлять взаимоотношения между клиентами, непосредственными покупателями и обеспечивать возможность оплаты криптовалютой – для России не завтрашний день, а далекое-далекое будущее, потому что о возможности введения отечественной криптовалюты идут только обсуждения на уровне Центрального банка. Уровень проникновения существующих криптовалют у нас в стране я лично оцениваю его как достаточно низкий, поэтому здесь, мне кажется, потребности в обеспечении возможности оплаты криптовалютой просто нет.

Не бойтесь пробовать!

Основной вывод, который я хотел бы обозначить в этом материале — многие технологии, которые сейчас находятся на слуху, существуют на мировом рынке уже несколько лет и давно апробированны, в том числе и в России, и проходят пик своего развития, в соответствии с кривой «ажиотажа» Gartner (бурный рост – пик – плавное падение).

Опасения бизнеса, что эти технологии слишком дороги и являются уделом супергигантов типа «Сбербанка» или X5, беспочвенны. Мой основной вывод, который я бы хотел донести до всех: не бойтесь пробовать эти технологии!

Они только называются инновационными. На самом деле они себя уже давным-давно апробировали. С ними уже все понятно, они доступны как финансово, так и по срокам, поэтому приходи и налетай, как на горячие пирожки.