Das neueste KI-Tool von Google hilft Einzelhändlern, die Nachfrage in Echtzeit genau vorherzusagen

Laut Google LLC können Einzelhändler ihren neuesten Dienst für künstliche Intelligenz nutzen, um die Bestandsverwaltung besser zu verwalten, Logistikabläufe zu rationalisieren, die Geschäftsplanung zu stärken und die allgemeine Kundenzufriedenheit zu verbessern.

Heute bekannt gegeben, Vertex-KI-Prognose ist ein neuer Service, der Einzelhändlern hilft, Echtzeit-Prognosen näher zu kommen, indem sie die Nachfrage nach den verschiedenen Waren und Produkten, die sie verkaufen, genau prognostizieren.

Craig Wiley, Director of Product Management für Google Cloud AI, erklärte in einem Blogbeitrag, dass genaue Prognosen für Einzelhändler entscheidend sind, um sicherzustellen, dass sie die richtigen Produkte in der richtigen Menge und am richtigen Ort haben.

Für Einzelhändler ist die Bestandsverwaltung ein heikler Balanceakt. Kunden möchten keine erschöpften Artikel sehen, aber gleichzeitig ist zu viel Lagerbestand verschwenderisch und teuer. Wiley zitiert Daten der IHL Group, die darauf hindeuten, dass Einzelhändler jährlich mehr als 1 Billion US-Dollar durch schlechtes Bestandsmanagement verlieren. Eine Studie von McKinsey & Co. zeigt, wie eine Verbesserung der Genauigkeit der Bedarfsprognose um 10 % bis 20 % zu einer Reduzierung der Bestandskosten um 5 % und einer Umsatzsteigerung von 2 % bis 3 % führen kann.

Dies ist jedoch noch nicht alles, da die Bedarfsprognose Einzelhändlern auch dabei helfen kann, ihre Filialen und Support-Center effizienter zu besetzen, indem sie die Kundenzahlen genau prognostiziert. Es kann auch bei der Planung von Werbeaktionen helfen und die Faktoren bewerten, die sich sowohl auf den physischen als auch auf den Online-Traffic auswirken.

Die Herausforderung für Einzelhändler besteht darin, dass ihre Daten erheblich komplexer werden, wenn sie an neue Standorte expandieren und mehr Produkte hinzufügen. „Die uneingeschränkten Aktivitäten während der Pandemie haben nur Engpässe in der Lieferkette und die Herausforderungen der Prognose hervorgehoben, weil das Tempo des Wandels so schnell war“, sagte Wiley.

Vertex AI Forecast soll Einzelhändlern helfen, diese Herausforderungen zu meistern. Dies ist eine neue Ergänzung zu Google Vertex-KI eine Plattform für maschinelles Lernen, die debütierte letztes JahrDadurch können Einzelhändler Datensätze mit bis zu 100 Millionen Zeilen aus BigQuery- oder Standard-CSV-Dateien akzeptieren. Anschließend bewertet er Hunderte verschiedener Modelle für maschinelles Lernen und verwendet seine Suchfunktion für die Modellarchitektur, um dasjenige zu finden, das mit diesem Datensatz am besten funktioniert.

Sobald das beste maschinelle Lernmodell gefunden ist, kann Vertex AI Forecast eine „hochgenaue Prognose“ erstellen, die auf mehreren Ebenen funktioniert und die Produktnachfrage für einzelne Artikel auf Filial- oder Regionsebene verknüpft. Auf diese Weise erhalten Einzelhändler die notwendigen Informationen, um sicherzustellen, dass ihnen die Vorräte nicht ausgehen. Darüber hinaus kann Vertex AI unstrukturierte Daten aufnehmen, um zu verstehen, wie Faktoren wie Wetter, Frachtkosten, Rohstoffpreise, Lieferkosten und mehr die Nachfrage beeinflussen können.

„Eine solche Zuordnung gilt nicht nur für die Gesamtprognose, sondern auch für jedes einzelne Element an jedem Punkt“, erklärt Wiley. „Aktionen können beispielsweise an Wochentagen der Haupttreiber der Nachfrage in der Kategorie Bekleidung sein, aber nicht an den Feiertagen. Diese Art von Erkenntnissen sind von unschätzbarem Wert, wenn es darum geht, zu entscheiden, wie auf Prognosen reagiert werden soll.“

Frühe Benutzer von Vertex AI Forecast sagen, dass sie bereits gute Ergebnisse aus der genaueren Prognose der Nachfrage sehen, die es bietet.

Amaresh Siva, Senior Vice President, Innovation, Daten und Lieferkette, Lowe’s Cos. Inc. sagte, sein Unternehmen betreibe mehr als 1.700 Geschäfte in den Vereinigten Staaten, daher sei der Bedarf an hochgenauen Prognosen von entscheidender Bedeutung.

„Mit Vertex AI Forecasting war Lowe’s in der Lage, genaue hierarchische Modelle zu erstellen, die SKUs und Prognosen auf Filialebene ausgleichen“, sagte Siva. „Diese Modelle berücksichtigen unseren Bestand auf Filialebene, SKU- und Regionsebene, Werbedaten und viele andere Signale und geben genauere Prognosen.“

Foto: gonghuimin468 / Pixabay