В 2023 году 84% компаний в мире и работали над внедрением AI/ML решений или считали это своим главным приоритетом.
К 2024 году более 51% eCom бизнесов в мире используют искусственный интеллект и машинное обучение как минимум в одной функции.
Основной пик интереса чуть спал, но тем не менее компании видят пользу в развитии этого направления. Благодаря притоку инвестиций модели на основе искусственного интеллекта становятся более точными.
Как ML применяют в eCommerce Машинное обучение помогает компьютерам обучаться на примерах и данных, чтобы принимать решения и выполнять рабочие задачи бизнеса.
Увеличивает конверсию через персональные рекомендации. Пользователь знакомится с ассортиментом чаще всего с каталога. Если магазин поймет, какие группы продуктов интересны покупателю, он сможет предложить ему именно то, что понравится. Пользователь будет задерживаться на сайте, заходить чаще и покупать больше.
В Авито более 50 % просмотров и около 30% контактов покупателей с продавцами происходит именно со страницы рекомендаций. Подобрать персональные рекомендации помогает ML-модель. Она составляет список индивидуально для каждого пользователя, ориентируясь на историю покупок, товары в корзине и спрос на разные позиции, выложенные на площадке.
Оптимизирует ценообразование. ML-модель рассчитывает стоимость исходя из срока годности, цен конкурентов, истории продаж, нынешнего спроса на товар, объема закупок и других факторов. В результате компания может поставить подходящую цену, самую оптимальную по ряду параметров.
Прогнозирует спрос и помогает к нему готовиться. По опыту Riverstart , чаще бизнесу интересно использование инструментов машинного обучения для прогнозирования спроса. Модель с помощью исторических данных за последние несколько лет может оценить существующие тенденции и предсказать в какие моменты спрос будет повышен или понижен. Так бизнес может заранее решать кадровые, логистические и другие вопросы, минимизируя издержки и колебания рынка.Как AI прогнозирует спрос
Пример: международная FMCG-компания внедрила в работу ML для прогнозирования спроса. По заявлению компании, выручка увеличилась на 2%, а прибыльность маркетинговых компаний на 7%. Прогнозирование с ML позволило убрать человеческий фактор: раньше региональные менеджеры могли расходовать маркетинговый бюджет, чтобы стимулировать спрос ради выполнения собственных KPI.
Оптимизирует логистику. Сервисы на основе машинного обучения могут автоматически просчитывать оптимальные варианты по доставке, учитывая множество параметров: расположение продавца и покупателя, вид товара, его вес и габариты, загрузку курьерских служб и прочие.
Например, компания Alibaba задалась целью — выполнять заказы на материке в течение 24 часов и в течение 72 часов по всему миру. Она не стала создавать компанию курьерской службы, а еще в 2017 году инвестировала в платформу Cainiao Smart logistic на основе AI/ML. Платформа в реальном времени подбирает продавцам самый эффективный вариант доставки на основе местоположения, габаритов товара и доступных компаний-доставщиков. В итоге компания Alibaba сообщила о снижении количества ошибок в логистике на 40% благодаря использованию платформы.
Ведет учет складских остатков. Для избежания ситуаций с «простоем» товаров на складах или напротив, с недостатком продукции, можно использовать модель. Она спрогнозирует спрос на конкретный товар, используя существующие цены, текущие акции, исторические данные и другие параметры. В результате бизнес может снизить расходы на аренду, повысить доступность товаров для потребителя и упростить логистические вопросы.
Пример из опыта Riverstart — компания-лидер в отрасли производства упаковки для товаров из пластика. Она работает на рынке со сложнопрогнозируемым спросом и регулярно сталкивается с дилеммой: согласится на внезапный крупный заказ и покупать сырье по повышенным ценам с привлечением кредитов или отказываться от заказа, теряя клиента, репутацию и доход.
Для решения этой задачи компании внедрили систему прогнозирования спроса на базе ML. За 3 месяца провели несколько этапов тестов системы и в результате компания отметила, что ежемесячно стала экономить от 2 млн рублей, поскольку перестала брать кредиты на срочную внеплановую закупку и избавилась от непредвиденных расходов на хранение неиспользуемого сырья.
Ажиотаж стихает, но ИИ работает Благодаря возможностям искусственного интеллекта компании во всех отраслях могут использовать данные и получать ценную информацию для автоматизации процессов, добавления или расширения возможностей, и принимать более правильные решения.
Первоначальный ажиотаж вокруг новой и сложной технологии постепенно утихает, устойчивый интерес к ней остается. Данные опросов показывают, что что все больше компаний будут внедрять машинное обучение в свою работу, чтобы оптимизировать бизнес-процессы и повысить точность прогнозов.