Diskuse o umělé inteligenci trvá už léta a poslední dobou nabývá na intenzitě. V současnosti se navíc přesouvá ze stadia úvah k realitě a nebývalým způsobem mění podobu všech odvětví maloobchod nevyjímaje. Podle zprávy WBR Insights více než polovina (57 %) obchodníků plánuje v horizontu 5 let investici do umělé inteligence. Nejčastěji uváděným důvodem je přitom optimalizace logistiky a zlepšování zákaznického servisu. Pokud tedy vaši konkurenti ještě umělou inteligenci nevyužívají, pravděpodobně brzo začnou.
Pokud chtějí podniky dosahovat dlouhodobé prosperity, nemohou už spoléhat na pouze sezónnost a historická data. Nový přístup je založený na přesnosti, preciznosti a reálných datových podkladech, které mohou poskytnout jen moderní technologie. Tyto technologie doplněné internetem věcí a reálnými daty nabízejí nástroje pro mnohem vyšší úroveň zákaznických služeb. A společně s ní také významnou konkurenční výhodu. Pokud se ale bavíme o maloobchodu, patří k nejdůležitějším nástrojům cenotvorba. Obchodníci, kteří jsou schopní využívat umělou inteligenci pro optimalizaci tvorby cen, získávají pořádný náskok.
Kde nám umělá inteligence může pomoci?
Dříve podniky spoléhaly v rámci stanovování cen spíše na odhad. V dnešním konkurenčním prostředí je však potřeba přistupovat k tomuto nástroji strategicky. Cenotvorba je nástrojem, který má potenciál vytvořit silnou poptávku a současně se doplňovat s optimalizací sortimentu, obchodního týmu a distribuce. Cenová politika by také měla odpovídat značce a její pozici na trhu. Pokud to shrneme, obchodníci potřebují nasadit správnou cenu ve správném místě a ve správný čas.
Tradiční cenová optimalizace vycházela z matematických modelů, které analyzovaly, jak zákazníci reagují na různé úrovně cen u produktů a služeb v jednotlivých distribučních kanálech. Tímto způsobem bylo možno stanovit ceny, které měly směřovat k naplňování cílů společnosti a maximalizaci zisku.
Současnost je založena na datech. Cenová optimalizace se může opřít o celou řadu technologických nástrojů. Strojové učení stanovuje postupy cenotvorby pro různé produktové skupiny (celý sortiment nebo jednotlivé produktové řady) v průběhu času (sezóna, týdny, měsíce, …) a pro určité lokace (cenové zóny, online, prodejny, …). Následně se díky umělé inteligenci a prediktivním modelům můžeme přesunout od reaktivního k proaktivnímu chování.
Predikce místo historických dat
Tradičně prodejci spoléhali při cenotvorbě na historická data. Na základě chování zákazníků v minulosti se snažili usuzovat na jejich aktivitu v budoucnu. To se v současnosti s příchodem umělé inteligence mění, protože technologie jsou schopny pracovat se stovkami až tisíci dalších proměnných. Od dlouhodobých vzorců chování zákazníků po externí faktory jako je počasí, události nejrůznějšího charakteru nebo státní svátky.
Umělá inteligence a strojové učení dokážou jít u všech těchto faktorů mnohem více do hloubky a poskytují tak kvalitnější informace, než kdy bylo možné získat. To může pomoci obchodníkům analyzovat vzorce chování zákazníků i konkurence a spočítat detailněji pravděpodobnost konkrétních úrovní poptávky. S těmito nástroji je možné ovlivňovat preference zákazníků a potažmo poptávku a nabídnout zákazníkům personalizované služby na špičkové úrovni. Nejpokročilejší řešení založená na umělé inteligenci neposkytují pouze informace a prediktivní nástroje. Mohou optimalizovat cenotvorbu na základě přesných dat v reálném čase a přinášet tak mnohem lepší výsledky z hlediska obratu a udržitelnosti.
Lepší ceny, lepší výsledek hospodaření
Umělá inteligence a strojové učení umožňují obchodníkům využívat dynamické cenové modely, s jejichž pomocí lze předejít přebytkům na skladě a celkově nižšímu objemu neprodaného zboží. Je také možno využívat strategie zohledňující konec sezóny nebo potřebu doprodat přebývající položky.
Další oblastí, kde se umělá inteligence velmi úspěšně prosazuje, je redukce odpadu. Díky přesné predikci poptávky a odpovídajícím cenovým strategiím může optimalizovat pohyb zboží v obchodech. Na základě pochopení komplikovaného vztahu mezi pohybem ceny a poptávkou si může být podnik jistý, že zboží se dostane přesně tam, kde je nejvíce vyžadováno.
Správná cena díky spávným rozhodnutím
Pokud mají maloobchodníci možnost využít data z prodeje a hlouběji porozumět zákonitostem poptávky díky nástrojům umělé inteligence a strojového učení, jsou schopni jednat strategicky a lépe naplánovat optimální zákaznický servis.
Navzdory všem svým přínosům budí umělá inteligence značné obavy z hlediska svého fungování i dopadů na pracovní místa. Pravdou však zůstává, že technologie jako strojové učení a umělá inteligence pomáhají stále většímu počtu obchodníků dosahovat ziskovosti a jejich zaměstnancům soustředit se na co nejlepší zákaznický servis. A co je nejdůležitější, technologie vylučují z cenotvorby jakékoli odhady a domněnky, čímž eliminují riziko špatných rozhodnutí.
Článek je převzatý z blogu dynfut.cz
