В Суздале за покупками до сих пор можно отправиться в торговые ряды. Длинная галерея с колоннами, двери лавок, рядом прилавки с плетёными корзинами и банками солений. Ряды построили в начале XIX века: здесь торговали продуктами, тканями и предметами быта, работали ремесленные мастерские. Пусть, конечно, и не в таком виде как сейчас. Тем не менее, там можно было ещё и новости узнать и встретить знакомых.
У продавца одной из тех лавок и у современного супермаркета хватает общих забот. Нужно выбрать хорошее место, понять, что здесь будут покупать, привезти нужное количество товара и успеть его продать. Только в большой сети всё это приходится повторять для тысяч магазинов. Ошибка с заказом молока в одной точке неприятна. Та же ошибка по всей стране обходится уже совсем в другие деньги.
Как с этим справляются сегодня, нам рассказали в Magnit Tech на Demo Day в Суздале. Покупателю заметнее всего кассы самообслуживания, но работа начинается задолго до появления первой полки.
Где открыть магазин
В Magnit Tech рассказали, что до 2008 года сотрудники, занимавшиеся открытием магазинов, вручную рисовали карты окрестностей и обходили соседние дома, считая квартиры. Так оценивали, сколько людей сможет приходить за покупками. Позже появились карты на компьютере и расчёты в таблицах, а с ростом сети понадобилась отдельная система.
Теперь она помогает находить перспективные места и оценивать будущие продажи. Одного количества домов вокруг недостаточно. Важен даже порядок, в котором человек встречает магазины по дороге домой. Если ваша точка стоит в конце маршрута по району, до неё могут добраться уже с полными пакетами.
И ассортимент приходится подбирать под место. У магазина на оживлённом проходе и точки в глубине жилого квартала разные покупатели и разные поводы зайти туда. Современные продвинутые алгоритмы группируют похожие магазины и помогают определить, какие товары нужны на их полках. Поэтому за одинаковой вывеской может скрываться разный набор продуктов.
Сколько молока привезти завтра
Магазину выгодно попасть в довольно узкий промежуток: товара должно хватить всем, кто за ним придёт, и при этом он должен успеть продаться. Закажешь мало — останется пустая полка. Слишком много — придётся снижать цену или списывать остатки.
Просто повторять вчерашний заказ изо дня в день не получится. Завтра может начаться акция, наступить праздник или резко испортиться погода. Например, перед майскими логично ждать роста продаж шашлыка. Но если выходные обещают быть дождливыми, часть людей передумает ехать на природу. Прогноз спроса должен учитывать и это.
По данным Magnit Tech, система ежедневно строит 17 млрд прогнозов для отдельных товаров, магазинов и дат с горизонтом до 90 дней. На расчёт отводится менее пяти часов. Прогноз на несколько месяцев нужен в том числе поставщикам: товар ещё предстоит произвести, упаковать и доставить на склад сети.
Дальше прогноз нужно превратить в заказ. Расчёт может показать потребность в половине бутылки молока, но поставки идут коробками и палетами. Нужно учесть товар, который уже лежит на складе или едет туда, свободное место и срок годности. Заказывать полную фуру выгодно лишь тогда, когда её содержимое получится вовремя продать.
В «Магните» прогнозирование и пополнение связаны в одной системе. На длинном горизонте она помогает заказывать у поставщиков, на коротком — распределять товары со складов по магазинам по свежим данным о продажах и остатках. Вернёмся к шашлыку: если погода подвела и запаса оказалось слишком много, система пополнения может передать сигнал в ценообразование. Тогда спрос попробуют поддержать скидкой.
При резком изменении спроса автоматика иногда запаздывает. Допустим, какой-то продукт внезапно стал популярным, и его начали разбирать быстрее обычного. Сотрудник получает уведомление об отклонении и может скорректировать заказ вручную, пока модель подстраивается под новые данные.
Кто следит за полками
Доставка до магазина ещё не гарантирует, что покупатель найдёт товар. Упаковки могут оставаться в подсобке, пока на полке пусто. Бывает и так, что по учёту запас есть, но в действительности продукт уже пропал — например, его украли. Система продолжает считать, что привозить новую партию рано.
Такие случаи помогает искать аналитика доступности товара. Она выбирает позиции, которые стоит проверить сотруднику. Это избавляет его от необходимости постоянно обходить все полки подряд.
В овощном отделе к этому подключаются камеры. Компьютерное зрение оценивает заполненность выкладки и сообщает, когда её нужно пополнить. По словам команды, решение уже внедрили в гипермаркетах, дальше его собираются распространять на магазины у дома. С качеством продуктов пока сложнее: определить по изображению, что овощ или фрукт начинает портиться, получается не всегда.
Ещё камеры помогают следить за транспортными тележками. Их используют для перемещения товара, и иногда они скапливаются в проходах. Система показывает, где тележки мешают покупателям и откуда их пора убрать.
С очередями вышла отдельная история. Разработчики сначала рассчитывали решить задачу за две недели: поставить камеру, посчитать людей перед кассой и отправить сигнал, когда их станет слишком много. Затем выяснилось, что человек рядом с кассой вполне может выбирать товар на полке или кого-то ждать. Пришлось учитывать положение людей и то, куда они повёрнуты. По рассказу команды, работа заняла примерно три месяца.
Почему касса самообслуживания бывает медленнее кассира
На кассу самообслуживания обычно идут, чтобы быстрее закончить с покупками. Поэтому цифры из презентации Magnit Tech поначалу удивляют. В замерах компании покупка у кассира занимает в среднем 51 секунду, на кассе самообслуживания в лаборатории — 58 секунд, а у реального покупателя — 92 секунды.
Разница объясняется довольно просто. На месте одной обычной кассы можно поставить несколько касс самообслуживания. Покупатели пробивают товары одновременно, поэтому очередь может двигаться быстрее, даже если каждый человек тратит на свою покупку больше времени.
Команда разобрала весь процесс покупки и сократила количество обязательных действий на экране. В базовом сценарии осталось два нажатия: перейти к оплате и выбрать её способ. Сканировать продукты, искать весовой товар и проходить дополнительные проверки при необходимости всё равно придётся.
Для весовых продуктов пригодится распознавание по изображению. Умные весы VisionWay уже предлагают наиболее вероятный товар: положили пакет с перцем — на экране появляется подсказка. У системы есть свои сложности: упаковка бликует, освещение меняется, овощи лежат по-разному. Похожее решение тестируют для касс самообслуживания, чтобы покупателю хватало нескольких вариантов вместо целого каталога.
Проверки на кассе тоже отнимают время. Причём не пробитая упаковка не обязательно означает кражу: покупатель мог решить, что сканер сработал, и спокойно убрать её в пакет. В Magnit Tech тестируют камеры, которые отслеживают действия с товаром возле кассы, и развивают удалённую помощь. Сотрудник сможет посмотреть состояние кассы на своём устройстве и решить часть вопросов без подхода к каждому покупателю.
Что будет дальше
В лаборатории Magnit Tech тестируют умные тележки и кассу в смартфоне. С ними оформление покупки можно перенести прямо в торговый зал: собираешь продукты и оплачиваешь их без отдельного похода в кассовую зону. Пока это эксперименты. Для массового запуска нужно согласовать учёт товаров, скидки, оплату и проверки, с которыми покупатель сталкивается на обычной кассе.
С роботами горизонт ещё дальше. В компании рассматривают ночные операции: выкладку товаров, работу с ценниками, переборку овощей и фруктов. Утром сотрудники приходили бы в уже подготовленный магазин. Интерес к этому в Magnit Tech объясняют нехваткой рабочих рук. До массового внедрения нужно разобраться с надёжностью техники и стоимостью такой работы; сроков запуска через год или два на мероприятии не обещали.
Вопрос в том, насколько удобно всем этим пользоваться в обычном магазине. Сколько времени уйдёт на поиск яблок в каталоге и придётся ли снова звать консультанта. По этим мелочам мы и будем судить о новых технологиях в ритейле — каждый раз, когда заходим за продуктами.