Retail hero

유통

Retail has never been under more extreme pressure. This tension comes from the increased expectations of the empowered consumer and the need to have accurate forecasting and inventory in order to deliver goods at a time and location that is convenient for the consumer — all while delivering high operational efficiency and ROI.

Learn how enterprise AI is transforming the retail industry.

AI와 유통

The empowered consumer is more connected and informed than ever before, and they demand that retailers understand their ever-changing shopping habits to provide excellent customer service. At the same time, it has never been more critical to optimize the range of stock and inventory in order to deliver to customers the products they want at the time and place where they want them. All of this needs to be executed by identifying opportunities to decrease costs, increase operational efficiencies, and ensure a frictionless customer experience. Artificial intelligence in retail has the power to help by leveraging your own data about your customers to better understand how their needs have evolved and how your organization can adapt to a changing marketplace.

영향력 있는 소비자

  • Predict next customer CRM state (e.g., activation, regular, high value, decliner, dormant, churn) to inform the strategy of future marketing comms
  • Customer satisfaction: using data from surveys and reviews, predict sentiment for the entire customer base
  • 이전 구매 내역을 기반으로 다음 주문까지 걸리는 일수 예측
  • 과거 데이터(구매, 웹 검색 등)를 기반으로 구매 결정에 영향을 주기 위해 각 고객에게 제시할 가장 효과적인 제품을 파악
  • 디지털 마케팅 비용이 적절한 채널/캠페인에 사용되도록 디지털 채널 전반의 영업 전환 가치 측정

상품 분류 및 공급

  • AI 기반 수요 예측: 향후 수요 수준에 대한 정보 제공을 위해 다양한 과거 데이터 소스 이용
  • Forecast returns: Use data science in retail to predict the probability of return for every item purchased through all channels
  • 매대 가용성: 각 SKU에 대하여 잠재적 판매 손실 상황을 적극적으로 감지 또는 유추하여 시정 조치를 추진할 수 있는 가장 빠른 기회를 파악
  • Promotions optimization: Identifying the best SKUs and best promotion strategy (e.g., rebate, discount, BOGO, etc.) to achieve targeted revenue or volume
  • Price optimization: Identification of optimal price points influenced by multiple factors such as Item, brand, sub-category, category, location, product affinity, competitive and demographic

운영 효율성

  • 기존 매장 판매를 방해하지 않으면서 전략적 목표에 따라 매장을 개설, 확장, 축소 또는 폐쇄할 수 있는 최고의 입지를 파악
  • 수요 변화에 따른 주문 이행, 고객 서비스, 운송에 대한 직원 수 예측
  • 배송 시간 최소화
  • Predict channel volumes: (e.g., call center or in-store footfall). Helps to predict staff resources required for any given trading day
  • 입장 고객 수를 파악해 특정 거래일에 필요한 직원 자원을 예측
  • 영향력 있는 소비자
    • Predict next customer CRM state (e.g., activation, regular, high value, decliner, dormant, churn) to inform the strategy of future marketing comms
    • Customer satisfaction: using data from surveys and reviews, predict sentiment for the entire customer base
    • 이전 구매 내역을 기반으로 다음 주문까지 걸리는 일수 예측
    • 과거 데이터(구매, 웹 검색 등)를 기반으로 구매 결정에 영향을 주기 위해 각 고객에게 제시할 가장 효과적인 제품을 파악
    • 디지털 마케팅 비용이 적절한 채널/캠페인에 사용되도록 디지털 채널 전반의 영업 전환 가치 측정
  • 상품 분류 및 공급
    • AI 기반 수요 예측: 향후 수요 수준에 대한 정보 제공을 위해 다양한 과거 데이터 소스 이용
    • Forecast returns: Use data science in retail to predict the probability of return for every item purchased through all channels
    • 매대 가용성: 각 SKU에 대하여 잠재적 판매 손실 상황을 적극적으로 감지 또는 유추하여 시정 조치를 추진할 수 있는 가장 빠른 기회를 파악
    • Promotions optimization: Identifying the best SKUs and best promotion strategy (e.g., rebate, discount, BOGO, etc.) to achieve targeted revenue or volume
    • Price optimization: Identification of optimal price points influenced by multiple factors such as Item, brand, sub-category, category, location, product affinity, competitive and demographic
  • 운영 효율성
    • 기존 매장 판매를 방해하지 않으면서 전략적 목표에 따라 매장을 개설, 확장, 축소 또는 폐쇄할 수 있는 최고의 입지를 파악
    • 수요 변화에 따른 주문 이행, 고객 서비스, 운송에 대한 직원 수 예측
    • 배송 시간 최소화
    • Predict channel volumes: (e.g., call center or in-store footfall). Helps to predict staff resources required for any given trading day
    • 입장 고객 수를 파악해 특정 거래일에 필요한 직원 자원을 예측
Retail use cases

유통 분야 분석 과제

AI 기반 유통기업은 데이터를 사용하여 여러 채널에서 고객이 변화하는 행동과 쇼핑 습관을 분석하여 올바른 상품 분류, 프로모션 및 맞춤 커뮤니케이션을 연계할 수 있는 모든 기회를 포착합니다. AI 기반 유통기업은 또한 특정 제품을 구매하고 자신의 요구에 따라 배송되기를 원하는 고객에게 알맞은 사이트를 선택하여 원하는 제품을 받아볼 수 있도록 하기를 원합니다.

  • 고객 행동

    In a world where the consumer is empowered to shop anywhere, anytime, on any channel, companies are using machine learning in retail to detect critical changes in patterns of behavior. They use these models to predict incremental spend potential from existing customers when shopping in-store, online or via mobile. By using customer purchase history to come up with the most effective offers, retailers hope to influence their buying decisions and anticipate which customers are at risk to churn.

  • 상품 분류

    Product assortment is as critical today as it has always been. But now, due to the explosion of choice and accessibility created by the digitization of retail, it is a matter of survival. Retailers are using models to predict what products to stock in which store, to rationalize the introduction of new products, and what items are being returned by which customers.

  • 공급망

    One of the biggest challenges retailers face is determining how much product inventory—and what types of products—they need to have on hand to meet the expected demand from consumers. Enterprise AI can help retailers improve their ability to predict consumer demand for goods.

  • 운영 효율성

    Today’s multi-channel retail environment is more complex than ever before. And yet, the goal continues to be to identify opportunities to decrease costs and, at the same time, increase the operational efficiencies to ensure a frictionless customer experience. Retailers are using models to determine where to open new stores based upon sales revenue and how to forecast the correct amount of staffing to operate a retail distribution or store environment.

DataRobot은 다음을 돕습니다:

  • Execute Decisions Based on AI
    DataRobot can significantly increase the number of enterprise AI systems that are deployed inside your retail business to help you gain a strategic focus on the retail challenges with the largest returns.
  • Increase AI Skills Using Existing Headcount
    With the lack of data scientists available for hire, DataRobot can help you transform your skilled business analysts into citizen data scientists. Guardrails built within the DataRobot platform ensure you can democratize AI across your organization safely.
  • Transform Your Business from Descriptive to Predictive
    DataRobot은 과거 이벤트를 기반으로 의사 결정을 하는 비즈니스에서 미래 예측을 기반으로 전략적 의사 결정을 하는 비즈니스로의 전환을 돕습니다.
  • Be More Personalized with Customer Engagement
    DataRobot은 과거의 행동에서 지속적으로 학습하는 모델을 통해 고객을 위한 차선책을 쉽게 예측할 수 있습니다.
  • Increase Accuracy for the Demand of Your Product
    One of the biggest challenges retailers face is determining how much product inventory—and what types of products—they need to have on hand in order to meet the expected demand from consumers. DataRobot helps retailers improve their ability to predict consumer demand for goods using enterprise AI.
  • Predict Sales Revenue Based Upon Store Site Selection
    온라인 경쟁으로 인해 많은 유통기업들이 매장을 폐쇄하거나 매장 면적을 줄이는 가운데 유통기업들은 고객이 편리하게 접근할 수 있는 매장을 찾는 것이 어느 때보다 중요하다는 사실을 더욱 잘 알고 있습니다. DataRobot은 데이터를 사용하여 기존 매장의 판매를 방해하지 않으면서 매장을 확대, 축소 또는 폐쇄할 수 있을뿐만 아니라 새로운 매장을 여는 데 가장 적합한 입지를 식별할 수 있습니다.
Brandon Greenwell

데이터 사이언티스트

AI가 유통 비즈니스를 어떻게 변화시키는지 자세히 알아보십시오.