Big Tech у порога: как магазины начали внедрять технологии

В современном районном магазине скрывается технологическая компания. За каждой кассой самообслуживания стоят сотни программных модулей и алгоритмы компьютерного зрения, а за полными полками — машинное обучение и ежедневные расчеты спроса. Об этом сообщает TechInsider.

MAGNIT TECH поделился информацией о том, как технологии меняют покупательский опыт и почему ритейл все больше напоминает Big Tech по уровню разработки алгоритмов, платформ и цифровых продуктов.

Представьте, вы заходите рано утром в ближайший магазин, берете круассан (удивительно, что он всегда есть в наличии!), наливаете кофе, ставите на кассу самообслуживания, прикладываете карту — и вот вы с горячим завтраком готовы к рабочему дню. Вы даже не заметили, как привыкли к скорости, чистоте и удобству, и что на полках всегда есть привычные товары.

За простым походом в магазин скрывается сложная технологическая система. Она заранее рассчитала, сколько круассанов потребуется сегодня, учла погоду, промоакции и особенности района. Система заметила пустые места на полке, вовремя заказала и доставила товар, а также распознала продукты на кассе. Вам потребовался лишь один «тап» картой по терминалу.

MAGNIT TECH, IT-команда сети «Магнит», развивает эту систему как отдельное направление. По словам команды, речь идет не о простой автоматизации процессов, а о создании собственных алгоритмов и инфраструктуры. Основная задача этих технологий — упростить покупку продуктов для клиентов, помочь сотрудникам находить недостающие товары и заранее определить, сколько шашлыков нужно заказать у поставщика на майские праздники.

«Алгоритмы и роботов можно купить — рынок открыт. Но собрать из типовых «кирпичиков» нестандартную архитектуру, которая решает задачу дешевле, быстрее и удобнее для миллионов людей, — это чистое творчество», — говорит Вячеслав Кубаев, CEO MAGNIT TECH.

Что мешает нам на кассах самообслуживания?

Касса самообслуживания — это передовые технологии под привычной оболочкой. Порядок действий прост: отсканировал товар, оплатил — и пошел дальше.

На практике многие сталкивались с проблемами: не сканируется штрихкод, не высвечиваются нужные яблоки, не срабатывает кнопка на экране. И уже кажется, что проще пойти на обычную кассу.

Тем не менее такие терминалы разгружают очереди. На месте одной классической кассы помещается несколько касс самообслуживания. Остается добиться главного — чтобы они не отпугивали покупателей сложностью действий. Команде MAGNIT TECH это удалось.

Пять лет назад покупателю приходилось нажимать на экран кассы самообслуживания как минимум пять раз. По словам Александра Максудова, Head of POS Development, ключевой проблемой был интерфейс, построенный вокруг логики системы, а не покупателя. Так появилась цель сделать опыт на терминале максимально незаметным.

Сегодня касса самообслуживания требует лишь два обязательных «тапа» по экрану: подтверждение готовности оплаты и выбор способа оплаты. Сценарий запускается с первого отсканированного товара, а карту лояльности можно приложить в любой момент.

Вскоре процесс станет еще проще. Как рассказал Александр, благодаря компьютерному зрению касса сама будет предлагать выбрать весовой товар из списка. Если потребуется помощь продавца, тот сможет решить проблему удаленно через личный терминал.

Обычные кассы не исчезнут, так как не всем покупателям подходит формат самообслуживания, но очередей станет меньше. Задача технологий — устранить конкретные точки трения с помощью умных весов, детекции очередей, оплаты в приложении и удаленной помощи сотрудников. И все же кассы — лишь «верхушка айсберга». Огромная система, скрытая от глаз, отвечает за наполнение полок, логистику, скидки, персональные предложения и предсказания спроса.

Май, шашлыки и плохая погода: как алгоритмы предсказывают наше поведение

Для покупателей прогноз спроса незаметен: мы просто приходим в привычный магазин и видим любимые товары на полке. С точки зрения технологий это масштабная задача. Система должна заранее оценивать, что понадобится покупателям на месяцы вперед, а затем превращать этот прогноз в реальные решения по заказам и поставкам.

В расчет идут десятки факторов. Некоторые известны заранее — например, календарь праздников. Как рассказал Максим Покусенко, Head of ML (Logistics & R&D) MAGNIT TECH, система должна учитывать и менее заметные события. Например, в Международный день эскимо, который отмечают 24 января, всегда немного выше спрос на мороженое.

Казалось бы, майские праздники предсказуемы, и спрос на мясо для шашлыков всегда высокий. Но прогноз дождливой погоды может изменить планы миллионов покупателей. Тогда уголь и заготовки останутся на полках. Уголь дождется летнего спроса, а вот мясо придется списывать. Алгоритмы, учитывающие погоду, сезонность, промоакции, поведение покупателей и редкие события, помогают избежать этого. Каждый день система рассчитывает более 17 миллиардов прогнозов на 90 дней вперед.

Прогнозы нужно превратить в реальные поставки. При расчете плана пополнения учитываются остатки, сроки годности, графики и сроки поставок, минимальные партии и логистические ограничения. Если товара в распределительном центре меньше, чем требуется магазинам, система решает, как распределить ограниченный запас.

В едином интерфейсе программы специалисты работают и с прогнозированием, и с пополнением. Система находит и подсвечивает критичные отклонения, а также дает возможность углубиться в детали и внести корректировки. Такой подход делает процесс от прогноза товара до поставки в конкретный магазин прозрачным и управляемым.

Главная задача проста по формулировке и сложна по исполнению: удерживать баланс между пустой полкой и избыточным запасом. В масштабе более 33 000 магазинов невозможно вручную учитывать все сочетания спроса, запасов, сроков и логистики, поэтому главным инструментом специалистов компании стали алгоритмы.

Интуиция не масштабируется, алгоритмы — масштабируются

Алгоритмы MAGNIT TECH работают на разных уровнях: от выбора места для нового магазина до распределения товаров по полкам. Вот несколько систем сети, о которых рассказал Алексей Четыркин, Chief of AI/ML. Некоторые из них уже внедрены, другие дорабатываются:

Геоинформационная система. Ищет перспективные локации на основе более 30 признаков, включая расстояние от въезда в район, где наблюдается наибольший поток покупателей. Ежедневно делает более 200 расчетов.

Сегментация покупателей. Группирует клиентов по паттернам потребления, чтобы поддерживать в ассортименте конкретных магазинов востребованные товары.

Управление ценностью клиента (CVM). Подбирает персональные предложения, анализируя более 600 признаков. Ежегодно формирует более 4,5 млрд персональных предложений.

Определение дефектов. Улучшает выявление дефектов продукции в распределительных центрах по изображениям, учитывая разнообразие товаров и типы дефектов.

Умные весы VisionWay. Анализируют товар на весах с помощью компьютерного зрения и автоматически предлагают выбрать на экране наиболее вероятный товар, что ускоряет добавление товара в корзину и снижает вероятность ошибки.

Детекция очередей, тележек и пустот на полках. Эти системы по камерам анализируют ситуацию в магазине и отправляют задачи на персональные терминалы сотрудников.

Обработка претензий. Ускоряет обработку претензий за счет автоматической проверки фотографий, выявляя некачественные снимки и несоответствие товаров. Это помогает сократить объем операций, выполняемых вручную.

Как рассказал Алексей, внедрение ИИ-алгоритмов позволило повысить точность прогнозов спроса на 40%, увеличить продажи по персональным предложениям на 250% и ускорить обработку претензий на 370%.

Роботизированное будущее

Если в обозримом будущем уже появляются умные кассы самообслуживания, компьютерное зрение и гиперперсонализированные предложения, то что дальше?

Очевидный шаг — роботизация стандартных действий: перемещение грузов, инвентаризация, работа в распределительных центрах и сборка онлайн-заказов. В первую очередь роботы появятся там, где нет непредсказуемых факторов, а именно покупателей.

С появлением более «умных» моделей можно будет запустить их в торговые залы, например, для раскладки товаров на полки по ночам, чтобы к открытию магазина все было готово. Конечно, ритейл-компания вряд ли станет сама производить такие машины. Ее главный актив — огромные массивы данных для обучения и тестирования моделей роботов.

О будущем ритейла

«На горизонте 5 лет основные изменения коснутся гармонизации и переноса опыта клиентов из цифровой среды в офлайн-формат, — отмечает Вячеслав Кубаев, CEO MAGNIT TECH. — Речь идет о (гипер)персонализации: покупатель будет получать индивидуальные предложения на кассе, как сейчас в приложении. Опыт покупки станет проще: на кассе самообслуживания в одно касание и в удобном формате — улыбкой, QR или другими способами — можно будет активировать предложения программы лояльности, подтверждать возраст, социальные льготы и проводить оплату. Взаимодействие в магазине должно быть удобным и легким. Мы можем это делать, предлагая покупателям актуальную поисковую выдачу в приложении с релевантными условиями».

На горизонте 10 лет можно говорить о физической автоматизации многих операций, которые сейчас выполняются вручную, что позволит больше времени уделять взаимодействию с покупателями.

Развитие вычислительных технологий даст возможность эффективнее управлять ограниченными ресурсами: полочным пространством, промо-бюджетами, временем сотрудников и временем контакта с клиентами. «Я не думаю, что мы дойдем до точки, когда у нас будут безлюдные магазины», - заключает Вячеслав Кубаев.

Но заметит ли покупатель технологичность привычного супермаркета? Скорее всего, он просто заберет с полки любимый круассан, быстро оплатит товары на кассе и выйдет из магазина, потому что сложная система внутри сработала именно так, как нужно.