Подготовка к защите категории во многих сетях занимает месяц. Только по охлаждённому мясу это 38 листов: продажи, маржа, доступность, поставщики, промо, структура ассортимента. Пока их собирают, данные устаревают, а на поиск причин уходит ещё один круг оперкомов.
Набор гипотез при этом почти не меняется от квартала к кварталу: промо, сезон, поставщик, цена, доступность. На новые не хватает времени, и они годами остаются непроверенными. А каждая неделя между отклонением и решением стоит денег: пустая полка, лишние остатки, промо, которое не работает.
ИИ-агенты в Коммерческой аналитике InfoVizion сокращают этот цикл. Агент берёт на себя сбор данных и первичную проверку гипотез, а решения остаются за категорийным менеджером (КМ) и руководителем.
Агент подключается не к выгрузкам в Excel, а к данным сети. При внедрении данные выверяют, обогащают из дополнительных источников, сводят с учётной системой и собирают в единую модель. В модели десятки измерений и тысячи показателей, все расчёты идут по формулам, согласованным с финансовым директором. Методологию этих расчётов InfoVizion отрабатывает с торговыми сетями больше 14 лет.
Сам агент ничего не считает. Цифры он берёт из модели, поэтому не выдумывает их, а любое число можно раскрыть до магазина, партии или чека. Так снимается основная причина галлюцинаций: ИИ интерпретирует данные, но не порождает их.
Современные языковые модели умеют рассуждать: удерживать большой объём данных, выдвигать гипотезы и проверять их. Поэтому агенту не нужно ждать, пока аналитик соберёт дашборд. Каждую неделю он просматривает аналитику сети и сам решает, куда углубиться: в магазины, товары, поставщиков или покупателей. Он проверяет и гипотезы, которые ему задали, и те, что находит в данных сам.
Вот как могут выглядеть находки агента по падающей категории за последние пять недель:
Категория растёт на 1,6% в рублях, но падает на 6,5% в штуках. Рост держится только на цене: средняя цена выросла на 8,6%. Фактически категория падает.
Динамика ровная по всем кустам, кроме шестого: только он уходит в минус к прошлому году.
Остатки выросли на 9% на падающем сезоне. Это сигнал проверить автозаказ.
Промо №1 сработало и закончилось, промо №7 до сих пор не дало результата.
Каждый вывод подкреплён цифрами из модели, и их можно проверить.
В еженедельной сводке для первого лица у каждой проблемной категории стоит тег-диагноз:
КМ приходит на оперком с уже названной причиной.
Например, масло попадает в антитоп категорий с диагнозом «холостое промо». Агент подтягивает данные прайс-мониторинга, и видно, что 35% ассортимента масла дороже рынка. На оперкоме сразу говорят о ценах, и решение можно принять в тот же день.
Один из первых агентов, которых InfoVizion довёл до продуктового состояния, ищет причины OOS (out of stock, отсутствие товара на полке). Он выбирает самые критичные позиции и показывает не только факт, но и причину, и что с ней делать.
Например:
Товар в группе А по продажам и прибыли, на 11-м месте в рейтинге компании, растёт на 6% к прошлому году.
OOS 12% при сроке годности 9 дней.
Причина: поставщик №92 сорвал 46% заказов.
Из сводки можно перейти в оценку уровня сервиса поставщика и дойти до номенклатуры, номера прихода и даты заказа. Данные выгружаются, их можно отправить поставщику и выставить штраф.
По артикулу агент предлагает варианты решения, КМ выбирает подходящий и фиксирует срок. Когда срок наступит, агент покажет, снизился ли OOS. Задача не теряется между оперкомами, а результат виден без отдельного отчёта.
Сводка для защиты готова утром следующего дня после закрытия квартала:
Месяц подготовки не нужен, остаётся принять решения.
Но важнее скорости гипотезы, которые агент предлагает сам. Одна из компаний готовила защиту охлаждённого мяса. Агент проверил стандартные гипотезы КМ и нашёл ещё 13, которые не рассматривались. Среди них проблема с доступностью трафикообразующей категории, которая длилась 9 месяцев. Её подтверждали данные и прошлого, и текущего года, но в ручном цикле до решения её не довели.
Без контекста выводы агента будут банальными: «обеспечьте наличие», «снизьте цену». Ошибиться он может именно в выводах. Если не дать ему сезонность, он может предложить вывести арбуз из матрицы в августе при 30% списания. Чтобы агент говорил на языке компании, ему нужны четыре слоя знаний.
Что смотрим каждую неделю, что не смотрим вообще, что поднимаем наверх. Во многих сетях, с которыми мы общаемся, такую картину держит в голове первое лицо, а остальные по тому же дашборду приходят к разным выводам. Агент даёт каждому КМ и супервайзеру одну картину приоритетов.
Огурцы в минусе могут быть стратегическим решением, а могут быть проблемой. Без загруженной стратегии агент отметит это красным флагом. Со стратегией он проверит, исполняется ли CVP, и оценит, сколько стоит его исполнение.
Что считать нормой по обороту, оборачиваемости, OOS и списаниям для каждой категории, формата, региона и месяца. Норму согласуют внутри компании, а не берут среднюю по рынку.
Цены конкурентов, статистика рынка, погода и сезонность. Без этого агент объясняет падение самим падением.
Что даёт внешний контур, видно по пилотам InfoVizion. Почти у всех пилотных компаний на третий день жары OOS по погодозависимым категориям вырастал в 3–4 раза: автозаказ не учитывал прогноз погоды. Как минимум три компании подтвердили, что, выравнивая цены по конкурентам и не отслеживая рост себестоимости, они оказывались с минимальной или отрицательной наценкой и узнавали об этом только в конце месяца. Агент подсвечивает такие позиции каждую неделю.
Ещё один разрез, который проверили в пилоте: покупки лояльных и анонимных покупателей. Магазину, который теряет лояльное ядро, и магазину, откуда уходят анонимные покупатели, нужны разные решения. Среди сетей, с которыми мы общаемся, такой разрез делают единицы: вручную это слишком большой объём работы. Агент показывает его на уровне красных флагов и оценки экономики.
Медленный цикл управления означает потери, которые копятся неделями. Агент сокращает путь от отклонения до решения: причина названа в еженедельной сводке, задача закреплена со сроком, результат проверяется.
Первые агенты начинают работать примерно через два месяца после подключения к данным. Отдельное хранилище не нужно: оно понадобится, только если данные будут использовать другие системы. Минимальный порог: 20 магазинов, дальше окупаемость определяют оборот и маржа, а не число точек.
Главная ценность при этом в слое знаний о компании, который формируется вместе с агентом: стратегия, нормы, приоритеты первого лица. Чем раньше он начнёт складываться, тем точнее будут выводы к моменту, когда они понадобятся.
Пришлём примеры ИИ-сводок — оставьте заявку.
Оставить заявку Написать в телеграм Написать в MAX