Как H&M пытается спасти себя с помощью AI и Big Data

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Самая успешная в прошлом розничная сеть по торговле одеждой обращается за помощью к AI, чтобы вернуть покупателей. И выбраться из крупнейшего падения продаж в своей истории. H&M разработала самообучающуюся систему, которая, анализируя продажи и последние тренды, предсказывает, какие вещи стоит продавать в каждом из её 4288 магазинов. Алгоритмы уже прошли испытание в Швеции, каким-то чудом позволив убрать 40% товара из бутиков, при этом не снизив продажи. Но у компании на неё гораздо более далекоидущие планы. Искусственному интеллекту придется попотеть.

Фирма Hennes & Mauritz, один из самых старых (71 год!) и самых успешных ритейлеров в мире, решилась на крупную реорганизацию. Несколько месяцев назад она начала использовать технологию обработки больших данных с помощью AI для точечного заполнения своих магазинов – вместо распределения по ним одинакового набора стандартных продуктов, что до этого являлось обычной практикой у всех крупных сетей.

Причина – критическая необходимость в изменении практик ведения бизнеса. H&M является первой сетью своего типа в мире по числу магазинов (4288 против 2127 у Zara и 1301 у GAP). Это также первый офлайн-ритейлер одежды в мире по стоимости бренда (№36 в списке Forbes, у Zara – №51). Тем не менее прибыль H&M падает уже десять кварталов подряд. Такими темпами рано или поздно компания может зайти в убыток, из которого ей будет уже не выбраться.

Проблемы очень глубокие. Люди покупают все больше товаров на Amazon и в других онлайн-магазинах, а H&M переключилась на это направление чересчур поздно, рассчитывая, что её покупатели всегда отдадут предпочтение бутикам, ради их «атмосферы». Такая надежда не оправдалась. Теперь магазину приходится устраивать регулярные снижения цен на 70%, ниже себестоимости, – в попытке очистить свои полки и склады от нераспроданных товаров на $4 млрд. А акции компании за последние три года упали на 56%.

Что может помочь вам продать одежды на лишние $4 млрд в год? Компания думает, что это будет AI.

Сейчас H&M, как и все другие офлайн-магазины, при распределении товаров полагается на команду менеджеров и дизайнеров, которые пытаются предсказать, что будет интересно покупателям. Очевидно, учитывая, что 20-30% вещей уходят в утиль, такая стратегия неэффективна. В мае компания объявила, что отныне вместо людей этой работой займутся самообучающиеся алгоритмы. Их предварительный запуск (с человеческим надзором, и только в Стокгольме) уже позволил сократить 40% товарных позиций (SKU) – без падения продаж.

Цифры кажутся невероятными, в них сложно поверить. Как можно убрать больше трети товаров, и ничего не потерять? На деле, как говорит фирма, достигнуто это было за счет убирания с полок почти всех мужских продуктов. На их место была добавлена посуда – и эксклюзивные, дорогие предметы, вроде кожаных сумок по $118 и кашемировых свитеров по $107 – и всё это рядом с футболками по $6 и шортами за $12. Каким-то образом, загадочным и для менеджеров H&M, и для ритейл-экспертов, такое размещение товаров оказалось безумно успешным. Число вещей, пылящихся на складах, сократилось в два раза.

Магазин H&M в Швеции

Теперь эта технология выходит на полную мощность. Алгоритмы будут анализировать поступления, возвраты, спрос на товары, данные о лояльности, и автоматически согласовывать спрос и предложение, чтобы убрать уценки. Причем если раньше делать это для каждого конкретного магазина из 4288 – не представлялось возможным, и в большинство из них шли одни и те же товары, компьютерный интеллект позволит подбирать свою линию для каждого конкретного бутика. Вплоть до количества моделей, которые нужны там в определенный день недели.

Впрочем, финансовые аналитики считают, что даже такой шаг не позволит Hennes & Mauritz выбраться из того тупика, в котором она сейчас оказалась. Один из менеджеров в Skandia Investment, в этом году сокративший свою позицию в H&M с 10% до 2%, говорит:

Да, если у вас нет нужного продукта в нужном месте, вы сейчас очень уязвимы – человек просто задаст поиск по интересующему его товару, и забудет о вас. Но мы должны посмотреть, сможет ли их новая система себя оправдать. Покупки онлайн всё равно остаются удобнее, чем самый кастомизированный бутик.

Эксперты утверждают, что такую технологию, которую запускает H&M, в офлайн-ритейле до этого никто не тестировал. И если AI пойдет «не туда», или если покупатели не воспримут нового ассортимента, компания легко может оказаться на грани банкротства. Людовика Додеро, глава Boston Consulting, говорит, что «Большинство фирм до сих пор только учатся принимать решения, основанные на вообще какой-либо аналитике. В приоритете всегда стоит личный опыт менеджера. Но могут ли роботы понять других людей лучше, чем сами люди?».

СЕО компании, миллиардер Карл-Йохан Перссон, внук основателя H&M

Правильно «настроить» каждый магазин – монструозная задача для фирмы уровня H&M. На всех 4288 точках «AI-товароведы», скорее всего, появятся только к концу следующего года. Пока что эксперимент сосредоточен в Стокгольме. Компания в шоке от того, насколько на самом деле менеджеры бутиков не подозревали, чего хотят их покупатели. Как правило со складов заказывались стандартные наборы футболок/шортов/рубашек/штанов для женщин, детей и мужчин, чтобы «обезопасить» себя на всех фронтах. В лучшем случае – менеджеры наблюдали за теми товарами, которые популярны внутри их бутика. Но даже не пытались выяснить, что может быть успешным в этом конкретном районе, и какие товары ведут к возвращениям в магазин и дополнительным покупкам.

Три главных прорыва (по мнению H&M)

  1. Умное складирование

Раньше – никто не мог обработать все данные из всех бутиков по каждой из категорий. Поэтому их группировали по районам или по городам. Весь ассортимент в каждом магазине района был идентичен.

Теперь – алгоритмы AI анализируют историю продаж по каждому продукту в каждом магазине, смотрят на онлайн-тренды, и предсказывают, вплоть до конкретной цифры, сколько каких пар обуви и одежды потребуется в отдельной точке. Получаются «сугубо мужские» или «сугубо женские» магазины, хай-енд бутики и точки, где продаются только дешевые вещи.

2. Актуальность товаров

Раньше – менеджеры в магазине наблюдали повышение спроса на какой-то товар. Заказывали дополнительные партии. Пока те приходили, спрос мог уже спасть (или это мог быть фальшивый сигнал).

Теперь – система сравнивает текущие данные с одними ей ведомыми паттернами в ежегодных заказах, чтобы за две-три недели раньше приказать «запастись» определенными вещами.

3. Выставление цены

Раньше – цены, как правило, в лоб повышались на определенный процент от себестоимости, каждый для своей категории товаров. Также в офлайн-магазинах H&M бал правили мерчандайзеры, указывающие, по своим преференциям, на какие вещи стоит сделать скидки, а какие сейчас продадутся и по более высокой цене, чем обычно.

Теперь – алгоритмы эластично вычисляют цены на каждый товар, учитывая такие постоянно меняющиеся факторы, как курсы валют, налоги, цены конкурентов, остаток товара на складе, активность покупателей и их предпочтения.

На будущее

Даниэль Клессон, глава развития бизнеса в H&M, говорит, что их самообучающаяся система на данном этапе уже умеет черпать информацию не только из внутренних данных компании, но и из «внешнего мира». Это позволяет ей предсказывать модные тренды. Раньше специалистам компании приходилось выезжать на подиумы и презентации, отслеживать статьи в фэшн-магазинах. Теперь система анализирует посты в блогах, запросы в поисковиках и данные из соцсетей. Она использует машинное обучение и элементы обработки естественного языка, а также умеет распознавать фотографии, выискивая, например, в чем сейчас ходят знаменитости. В совокупности это позволяет AI не только адекватно оценивать текущий рынок, но и давать предсказания на ближайшие три-восемь месяцев. Алгоритмы с высокой точностью знают, что через полгода захотят, в массе своей, купить люди, насмотревшиеся сегодняшних новостей.

На данном этапе сделать первые шаги в реальном мире самообучающейся системе помогает отдел из примерно двухсот специалистов – обработчиков данных, аналитиков и инженеров. Отдельно смотрят, как она проявит себя при «путешествии в прошлое». Алгоритмам «кормят» информацию за 2017-й год (5 млрд посещений магазинов и сайта, а также новости и фэшн-фото). И анализируют, какие решения система бы приняла по-другому.

Пока что эксперты Hennes & Mauritz не совсем доверяют машине. Поэтому «предсказания» сначала проходят через фэшн-отдел H&M – в качестве подсказок, в каком направлении сейчас стоит смотреть. Забавный случай при тестировании случился в прошлом году. Алгоритмы показали, что H&M стоит начать продвигать свитера с оленями Санты… в январе. Было вызвано целое собрание, и руководители фирмы решили, что здесь явно ошибка. Систему подредактировали, чтобы она указывала на неделю до Рождества (25 декабря). Было ли это ошибкой, или у покупателей откуда-то возникает необъяснимое желание купить себе свитер с оленем через пару недель после праздников – мы никогда не узнаем.

Hennes & Mauritz пока не идет ва-банк на одну эту новую технологию. Параллельно она пытается развивать свои онлайн-предложения. На мероприятии для инвесторов в октябре руководители фирмы сказали, что продажи в их офлайн-магазинах будут продолжать идти на убыль, это неизбежно. AI с Big Data позволят разве что замедлить этот тренд, сократить издержки на уценку и более эффективно использовать место на складах.

Сеть будет замедлять свое физическое расширение, открыв 390 магазинов и закрыв 170. И попытается выйти на новые рынки, вроде Уругвая и Украины. Но главные надежды, как и у всех «старинных» ритейлеров – на рост собственных онлайн-продаж. Компания рассчитывает, что за ближайший год в этой сфере ей удастся прибавить хотя бы 25%. Иначе никакой AI не спасёт.


Источник: m.vk.com

Комментарии: