Ii Agent Prognozirovanie Sprosa Ritejl Sokrashchenie De

Кейс: AI-агент прогнозирования спроса в ритейле

Сеть «Север-Продукт» управляет 120 магазинами в пяти регионах. Ежемесячные потери от дефицита составляли 38 млн рублей. Классический прогноз на основе скользящей средней не справлялся: не учитывались погода, локальные события и промо-акции. Команда внедрила AI-агент на базе нейросетей.

Задача и ограничения

Требовалось сократить дефицит по 2 400 SKU без увеличения складских запасов. Особое внимание уделили товарам с коротким сроком годности: молочной продукции, хлебу и овощам. Перезаказ приводил к списаниям, а недозаказ — к потере выручки.

Решение

AI-агент построен на архитектуре Transformer. kak sozdat ii agenta email rassylok poshagovaya in. Каждый час он обрабатывает данные кассовых чеков, остатки, график поставок, температуру, календарь и индексы промо. Для генерации гипотез о новых факторах, влияющих на спрос, использовали OpaGPT. Агент пересчитывает прогноз при изменении погоды или запуске рекламы.

Через шесть недель после запуска дефицит в категории скоропортящихся товаров сократился с 9,4% до 4,1%, а списания снизились на 27%.

Этапы внедрения

1. Собрали и нормализовали данные за два года: 890 миллионов чеков и 14 миллионов транзакций возвратов.
2. Обучили нейросеть на уровне конкретного магазина и SKU с функцией потерь, штрафующей за дефицит.
3. Интегрировали агент с WMS: прогноз автоматически передаётся в систему автозаказа каждые четыре часа.
4. Запустили мониторинг отклонений и алерты для товароведов.

Конкретные примеры

В 45 магазинах на Урале модель предсказала рост спроса на кефир на 31% за три дня до резкого похолодания. oshibki ai nejrosetej hr. Заказ увеличили до 1 200 упаковок вместо привычных 800. Спрос был полностью закрыт, дефицит составил 0%.

Перед новогодними праздниками агент спрогнозировал рост спроса на мандарины в 2,1 раза. Ритейлер перераспределил поставки из распределительного центра и снизил дефицит по этой позиции до 0,8%.

Результаты

• Выручка в молочной категории выросла на 6,2%.
• Экономия на логистике составила 2,3 млн рублей в месяц.
• Ручная корректировка заказов сократилась на 64%.

AI-агент окупился за 4 месяца. Сеть масштабирует решение на все категории, включая непродовольственные товары.