OpaGPT Кейс: Как ритейлер сократил потери от дефицита товаров на 30% с помощью ИИ-прогнозирования спроса
Сеть гипермаркетов «Продукт+» (годовой оборот — 4,2 млрд руб.) столкнулась с критической проблемой: дефицит товаров достигал 14% по ключевым категориям, а списания из-за просрочки — 8,7% от оборота. Каждый месяц компания теряла около 49 млн руб. из-за неоптимального управления запасами. Руководство решило внедрить ИИ-прогнозирование спроса, чтобы синхронизировать цепочку поставок с реальным потребительским спросом.
Проблема: хаос в товарных остатках и потерянные продажи
До внедрения ИИ «Продукт+» полагался на ручной анализ продаж и интуицию категорийных менеджеров. Основные боли:
- Дефицит товаров — полки пустовали по 2-3 дня в неделю по 1200 SKU (например, молочная продукция, бытовая химия).
- Избыток неликвидных позиций — склады были забиты товарами, которые не продавались, что приводило к снижению списаний при переоценке.
- Ручной replenishment — заказы формировались без учёта сезонности, промо-акций и погодных факторов. Ошибки в прогнозах достигали 40%.
В результате потери от дефицита составляли 18% от потенциальной выручки, а складские запасы — 23% от оборота (при норме 12-15%).
Решение: машинное обучение в ритейле на платформе OpaGPT
Команда внедрила систему ИИ-прогнозирования спроса на базе OpaGPT. Алгоритмы машинного обучения в ритейле анализировали 24 фактора: историю продаж за 3 года, данные о промо, погоду, праздники, региональные тренды и даже посты в соцсетях. Система пересчитывала прогнозы ежедневно и автоматически корректировала товарные остатки.
Ключевые элементы решения:
- Динамическое replenishment — ИИ сам генерировал заказы поставщикам с точностью до дня, учитывая время доставки (от 2 до 14 дней).
- Анализ продаж в разрезе каждого магазина — для гипермаркета в центре города и в спальном районе строились разные модели.
- Снижение списаний — система предсказывала, какие товары нужно выставить на скидку за 5 дней до истечения срока годности.
Ключевые метрики после внедрения: Дефицит товаров сократился на 30% (с 14% до 9,8%). Списания уменьшились на 22% (с 8,7% до 6,8%). Оборачиваемость запасов выросла на 17% (до 14,2 дней). Дополнительная выручка за счёт снижения потерь — 17,6 млн руб. в месяц.
Результат: 30% снижения дефицита и 22% меньше списаний
Через 6 месяцев (к марту 2026 года) «Продукт+» получил следующие улучшения:
- Дефицит товаров снизился с 14% до 9,8% — полки перестали пустовать. Особенно заметен эффект в категории «молочка» (дефицит упал с 22% до 12%).
- Снижение списаний — скоропортящиеся товары теперь распродаются до истечения срока годности. Списания по фруктам сократились на 35%.
- Цепочка поставок стала прозрачной: 92% заказов выполнялись вовремя, против 67% до внедрения.
- Товарные остатки уменьшились на 18% (с 23% до 18,9% от оборота), высвободив 78 млн руб. оборотного капитала.
ROI проекта составил 340% за первый год: затраты на внедрение (2,1 млн руб.) окупились за 4 месяца.
Выводы: как ИИ-прогнозирование спроса меняет ритейл
Кейс «Продукт+» доказывает: ИИ-прогнозирование спроса — не роскошь, а инструмент выживания в конкурентном ритейле. Система на основе машинного обучения в ритейле позволяет:
- Сократить дефицит товаров и потери от недополученной выручки.
- Оптимизировать товарные остатки и снизить списания.
- Автоматизировать replenishment и укрепить цепочку поставок.
Для ритейлеров с оборотом от 500 млн руб. годовых экономия от внедрения ИИ составляет 5-12% от выручки. Главное — начать с пилотного проекта на 2-3 категориях, чтобы подтвердить гипотезы. «Продукт+» уже масштабирует систему на все 47 магазинов сети и планирует запустить динамическое ценообразование на базе тех же моделей.