Tehnološki trendovi koji dopunjuju tradicionalan koncept maloprodaje

Trenutno stanje tehnologije na tržištu maloprodaje u Srbiji

Možemo reći da je tržište apsolviralo tehnologije treće industrijske revolucije. Kompanije su shvatile važnost integrisanog informacionog sistema, tako da to nije više tema za diskusiju. Vreme razdvojenih knjigovodstvenih, robnih i POS sistema je na izdisaju. Sa druge strane, činjenica je da se ne koriste dovoljno ostali potencijali tih sistema, a tu pre svega mislim na podatke. U svom ERP sistemu kompanija ima zabeležene godine i godine svojih poslovnih aktivnosti - bogatstvo podataka koje, nažalost, nikad ne postane informacija. Korišćenje pomenutog resursa će sigurno biti fokus u budućnosti. 

Primena tehnologije unutar fizičke prodavnice je trenutno skrajnuta tema. Na ovom polju ima dosta prostora za napredak i diferencijaciju u odnosu na konkurenciju, kako u delu optimizacije i automatizacije procesa, tako i u delu okrenutosti ka kupcima. Nadam se da će sa promenom načina fiskalizacije koji se očekuje početkom sledeće godine, doći do inovacija na poljima kao što su Check-Out, primena mobilnih POS-ova i slično.

E-commerce izazovi i nove poslovne mogućnosti

Ako nas je nešto naučila 2020. godina, to je da svima treba online prodavnica. Od malih individualnih proizvođača koji su iskoristili mogućnosti društvenih mreža, do velikih kompanija koje su drastično povećale promet. Prema nekim procenama, udeo online prodaje u ukupnoj prodaji već je blizu 20%. Kao što sam spomenuo za ERP, na neophodnost online prodavnica ne treba više trošiti reči. Međutim, sada kada svi imaju online prodavnicu, potrebno je kupcima ponuditi više. 

Dobar primer inovacija je „Click & Collect“ - mogućnost da ono što je poručeno putem interneta preuzme u radnji. Drugi primer, posebno karakterističan za period pandemije je „Curbside Pickup“ - preuzimanje artikala bez izlaska iz auta. Za oba načina kupovine je potrebna dobra integracija online platforme i ERP sistema, a prvenstveno dobro osmišljen proces kako bi se isporuka izvršila bez zastoja uz minimalne dodatne troškove.

Online prodaja definitivno mora da bude brza i efikasna. Sa druge strane, nedostaje joj element emotivne uključenosti kupaca i njihovog vezivanja za prodavnicu ili brend. Ovo su izazovi koje tehnologije, kao što su proširena realnost (eng. Augmented Reality - AR) i mešovita realnost (eng. Mixed Reality - MR) uspešno rešavaju. Ideja koja stoji iza primene ovih tehnologija se odnosi na smanjenje razlike u iskustvu putem online kupovine ili u fizičkim prodavnicama. Pomoću AR i VR tehnologije možete da proverite kako bi vam odgovarala određena boja ruža na usnama, da li se nova fotelja uklapa sa policom koju već imate ili kako izgledate u majici na koju ste „bacili oko“.

Napredna tehnologija je već spremna za korišćenje

S obzirom da smo uveliko u četvrtoj industrijskoj revoluciji, podaci postaju sve bitniji i vredniji resurs. Srećom, većina kompanija već „sedi“ na ogromnoj količini podataka. To su podaci o artiklima, kupcima, transakcijama, broju ulazaka u objekte, radnim smenama i slično. Pomenuti podaci često nisu sređeni i prvi korak u njihovoj primeni podrazumeva čišćenje i proveru kvaliteta podataka.

1. Primena mašinskog učenja za personalizaciju preporuka

Kao prvi primer primene napredne tehnologije, dobro poznat na različitim online platformama, možemo navesti personalizovane preporuke. Jedina bitna stavka kod preporuka, a koja je teško ostvariva, jeste da su one relevantne. Generičke preporuke mogu da naprave kontra efekat, pogotovo ako se radi o kupcima koji su deo programa lojalnosti. Tehnologija koja stoji iz preporuka se zove mašinsko učenje (eng. Machine Learning - ML), a predstavlja jedan od načina primene veštačke inteligencije (eng. Artificial Intelligence - AI). Suština primene ML tehnologije se odnosi na kreiranje algoritama, koji na osnovu naših postojećih podataka uspešno prognoziraju buduće trendove ili aktivnosti. Kada kroz testiranje utvrdimo koji algoritam najtačnije radi, tek onda se pristupa njegovoj primeni u produkcionom okruženju. Posebnost ML tehnologije se ogleda u tome što se svi novi podaci automatski procesiraju i poboljšavaju algoritme, bez potrebe za uticajem čoveka. Ulazni podaci dolaze iz različitih izvora, kao što su ERP i BI sistemi, ili kao podaci trećih strana poput informacija o vremenskoj prognozi, bitnim dešavanjima i sl. Prvi korak u ovom procesu je segmentacija kupaca, odnosno razumevanje navika naših kupaca (eng. Customer Behavior Analysis). Kada ML algoritam shvati šta i kada kupci kupuju, sledeći korak je da ih prepozna (ili bar da prepoznamo segment kom pripadaju) kad pristupe našoj online prodavnici i da im ponudi ono što sigurno znamo da ih zanima. 

Postoji još jedan bitan aspekat preporuka, a to je da ih možemo primeniti i u maloprodajnim objektima. Kompanije se trenutno oslanjaju na dobro organizovan izlog, iskustvo i motivisanost prodavaca. Ali, kada bi na navedeno dodali još i alat na tabletu ili pametnom telefonu koji bi prodavcima signalizirao preporuke, rezultat ne bi izostao.

2. Primena mašinskog učenja za optimizaciju zaliha

Druga bitna tehnološka inovacija se odnosi na primenu ML algoritama u procesu dopune zaliha. Glavni cilj optimizacije zaliha je smanjenje nivoa zaliha, ali i dalje imati pravi proizvod na pravom mestu i u pravo vreme kako bi se sprečio gubitak potencijalne prodaje. U većini slučajeva pomenuti proces se bazira na primeni jednostavnih statističkih modela (tačka poručivanja, min/max zalihe i slično) i iskustvu zadužene osobe za nabavku. Od njih se zahteva da budu upućeni u artikle, da prate prodaju i promene u prodajnom ponašanju, ali i da analiziraju događaje koji utiču na prodaju kako bi adekvatno kreirali porudžbine po artiklu (akcije u budućem periodu, polazak u školu, praznici i slično). Oni moraju uzeti u obzir oba cilja - održavanje niskog nivoa zaliha uz minimiziranje mogućnosti ostanka bez zaliha (eng. stock-out). Ovo je relativno efikasan pristup kada se jedna osoba bavi malim brojem artikala prilikom planiranja i poručivanja. Međutim, kako se broj artikala povećava po osobi, dolazimo do situacije koja je dosta kompleksnija i gde je teže doneti ispravnu odluku. To je tačka kada sektoru nabavke treba pružiti pomoć u vidu alata koji mogu da predlože količine za poručivanje. Kako izgleda proces primene ML tehnologije u praksi? Podaci se prosleđuju u model za predviđanje prodaje koji prvo identifikuje tipove artikala (roba široke potrošnje, sezonski artikli, artikli sa dužim životnim ciklusom, novi proizvodi, promotivni materijal i sl.) i na njima se testiraju različiti modeli mašinskog učenja koristeći različite grupe funkcionalnosti nad određenim setom podataka. Model koji daje najbolje rezultate se koristi za predviđanje prodaje za naredni period (dužina perioda zavisi od potreba preduzeća). Artikli obogaćeni predviđanjem se šalju u plan poručivanja gde se razmatraju ograničenja vezana za konkretne dobavljače i zahteve, ali i simuliraju rezultati kako bi se optimizovala vrednost porudžbine koja je postavljena kao preporučena. Preporuke se dalje šalju u ERP sistem da bi bila revidirana od strane sektora nabavke i u BI alat koji sadrži dodatne podatke koji pomažu da se rezultati lakše shvate. Kvalitetna automatizacija procesa poručivanja ima za rezultat brže kreiranje naloga, manje zaliha na skladištu i manji broj dana bez artikla na rafovima/online prodavnicama.

 

Pomenuo bih još nekoliko trendova za koje očekujem da će dobiti na značaju:

• Dodatno ulaganje u tehnologije koje su okrenute ka zaposlenima u maloprodaji, od HRM softvera do aplikacija koje omogućavaju rad na daljinu i brže obuke (eng. Remote Assist);
• Upotrebu AR tehnologija nakon čina kupovine. Na primer, pomoć kupcu pri montaži uređaja putem video poziva; i
• Veće ulaganje u interni IT sektor.

Na samom kraju želeo bih da naglasim da tehnologija nikada neće zameniti ljudsko iskustvo, već samo da ga nadogradi i podrži.

Ukoliko želite da saznate kako možemo da vam pomognemo da tehnologijom obogatite iskustvo svojih kupaca ili imate neko drugo pitanje vezano za nove tehnologije, budite slobodni da nas kontaktirate.