В 2021 году Mars Petcare внедрил систему автоматизации и оптимизации формирования промокалендаря на основе AI-решения. Ожидается, что решение сделает промоакции компании на 10% эффективнее. Retail.ru поговорил с Александром Зараковским, руководителем направления товарной аналитики компании Rubbles, которая помогает крупному бизнесу стать эффективнее с помощью технологий искусственного интеллекта.

Расскажите, как работает ваше решение по оптимизации промокалендаря на основе искусственного интеллекта? Какие задачи оно помогает решить? 

Система работает следующим образом: key account manager указывает, какие бизнес-показатели нужно улучшить, например, маржинальность, РТО, долю рынка или их комбинации, и задает ограничения, скажем, максимальную глубину скидки. Далее аналитический модуль на базе машинного обучения самостоятельно формирует промокалендарь, прогнозирует эффективность заложенных промоакций и сопоставляет расчетные результаты с целями, заданными специалистом. При этом каждое следующее наполнение промокалендаря формируется таким образом, чтобы результат приближался к локальному максимуму для выбранных бизнес-метрик.

Например, увеличение маржинальности промо при сохранении доли рынка. В результате нескольких итераций искусственный интеллект формирует оптимальный промокалендарь, который пользователь видит в интерфейсе. Весь расчет осуществляется за секунды.

В этом и заключается основная задача AI-решения: увеличение эффективности промоакций благодаря поиску оптимальной комбинации товаров и механик для каждого периода промо. 

Допустим, компания приняла решение об оптимизации промо с помощью искусственного интеллекта. Что необходимо для старта? 

Начать стоит с оценки ожидаемого экономического эффекта. Рост валовой прибыли мелких и средних предприятий на несколько процентов может не покрыть инвестиции на внедрение решения на базе ИИ. Также, если доля продаж по промоакциям в обороте компании невелика, то, вероятно, и оптимизация промокалендаря существенного экономического эффекта не принесет. 

Если же ожидаемый экономический эффект от оптимизации промо окупает решение менее чем за год после ввода в эксплуатацию, то следующим шагом необходимо убедиться в наличии данных для построения прогноза и описать дизайн нового процесса разработки и согласования промокалендаря. Почти любой проект нашей компании начинается с этапа бизнес-анализа, системного анализа и аудита данных заказчика. 

Как меняется процесс формирования промокалендаря после внедрения решения? Что меняется в задачах сотрудника, отвечающего за промо? 

Работа КАМов, с одной стороны, упрощается, с другой – становится креативнее. Сокращаются затраты времени на анализ результатов прошедших промоакций и подбор оптимальных параметров будущих для наполнения календаря. Этот процесс обычно сопряжен с трудоемкими расчетами, что повышает вероятность ошибок, вызванных человеческим фактором. Вместо этого, используя наше решение, key account manager получает несколько сценариев, подготовленных ИИ с учетом всего доступного массива исторических данных. Эти сценарии позволяют с высокой вероятностью достичь целевых бизнес-показателей. КАМу остается сравнить сценарии и выбрать, по его мнению, наилучший. После чего у КАМа остается достаточно времени, чтобы внести ручные корректировки, если это требуется, и провести аргументированные переговоры по согласованию условий промо с дистрибьюторами и сетями. 

Зачастую ключевой вопрос для бизнеса – это сроки, то есть то, насколько быстро можно реализовать предлагаемое решение, особенно если рынок очень конкурентный. Какие сроки реализации подобных проектов вы можете назвать реальными? 

В случае Mars Petcare срок реализации проекта составил примерно год. Работы начались в середине октября 2020 года после подтверждения эффективности прогнозов машинного обучения в рамках пилота, а в промышленную эксплуатацию решение перешло уже этим летом. Разумеется, сроки сильно зависят от уровня цифровой зрелости заказчика. Как правило, существенную часть работы нашей интеграционной команды составляет очистка данных и подготовка необходимых витрин для обработки решения аналитическим модулем. 

Возможна ли реализация подобного проекта без использования машинного обучения? Можно ли добиться аналогичных результатов с помощью других инструментов?

В основе процесса промопланирования и построения маркетингового календаря лежит прогноз спроса и расчет ожидаемых бизнес-метрик. Даже сегодня специалисты многих компаний для целей прогнозирования используют ПО со встроенными эконометрическими (линейными) моделями. Модели машинного обучения, в отличие от линейных, позволяют учитывать существенно большее количество факторов и обрабатывать значительно бó‎льшие массивы данных. Как следствие, точность прогноза спроса ML-модели оказывается на 10–30% выше по сравнению с ранее принятым подходом.

Так, в кейсе Mars Petcare уже на этапе тестирования удалось показать прирост в точности прогноза на 5–20%. 

В чем заключается ключевое преимущество предлагаемого решения? В чем основная выгода?

Выгода заключается в гарантированном достижении нашими заказчиками экономического эффекта от внедрения решения за счет повышения эффективности (ROI) промо и сокращения трудозатрат на формирование календаря.

Отличие же нашего подхода в том, что Rubbles передает экспертизу заказчику, и после внедрения он может выбирать – развивать модули нашего решения и модели машинного обучения своими силами или воспользоваться нашим сервисом.