OpaGPT ИИ-сомелье: алгоритм управления закупками вин
В ресторанном бизнесе винная карта — это актив, требующий точного прогнозирования. ИИ позволяет снизить потери от списаний на 15–20% и увеличить маржинальность вина на 8–12% за счет оптимизации ассортимента. Предлагаю методику из 5 шагов, адаптированную под российский HoReCa.
Шаг 1. Оцифровка винной карты и истории продаж
Соберите данные за 24–36 месяцев: позиции, объемы продаж по дням недели, сезонность, остатки, закупочные цены. Внесите в систему (Excel, Power BI или специализированный модуль Tillypad, R-Keeper).
- Минимум 500 транзакций для статистической значимости.
- Разбейте вина на категории: по цвету, стране, сорту, цене (до 1000₽, 1000–3000₽, 3000–6000₽, выше).
- Укажите скорость оборачиваемости каждой позиции (продажи в месяц / средний остаток).
Шаг 2. Прогнозирование спроса с помощью ИИ
Используйте модель Prophet (Python) или готовые сервисы (например, VinoAI, GrapeData). Входные параметры: исторические продажи, календарь праздников, погодные данные (температура, осадки), маркетинговые акции.
- Обучите модель на 80% данных, проверьте на 20% (метрика MAPE ≤ 15%).
- Задайте горизонт прогноза: 4–6 недель.
- Получите прогноз по каждой позиции с доверительным интервалом 90%.
Совет: для вин премиум-класса (дороже 6000₽) используйте отдельную модель с ручной корректировкой — ИИ часто занижает спрос на редкие позиции.
Шаг 3. Автоматизация закупок по формуле
Рассчитайте оптимальный заказ по формуле: Заказ = (Прогноз × Коэффициент страхового запаса) − Текущий остаток − Заказано ранее.
| Тип вина | Коэффициент страхового запаса | Срок поставки |
|---|---|---|
| Белое (тихое) | 1.2 | 7–10 дней |
| Красное (тихое) | 1.1 | 7–14 дней |
| Игристое | 1.3 | 5–7 дней |
| Крепленое | 1.0 | 14–21 день |
Порог заказа: если остаток меньше 30% от прогноза на 2 недели — запускайте закупку.
Шаг 4. Оптимизация ассортимента
Ежеквартально ИИ ранжирует позиции по матрице: маржа × оборачиваемость. Удаляйте вина из квадранта «низкая маржа + низкая оборачиваемость» (заменяйте на аналоги).
- Доля «мертвых» позиций (0 продаж за 90 дней) не должна превышать 5%.
- Вводите новинки не более 10% от карты, тестируйте 60 дней.
- Используйте ИИ для подбора замен: по вкусовому профилю (танины, кислотность, фруктовость) через NLP-анализ описаний.
Шаг 5. Контроль и адаптация
Раз в месяц сравнивайте фактические продажи с прогнозом. Если отклонение > 20% — корректируйте модель (добавьте новые факторы: локальные события, отзывы гостей).
- Настройте алерты: при остатке ниже минимального — уведомление сомелье в Telegram.
- Ведите журнал дегустаций: оценки сомелье (1–10) вносите в модель как дополнительный признак.
- Интегрируйте ИИ с поставщиками: автоматические запросы котировок при достижении порога заказа.
Практический результат: через 3 месяца внедрения — снижение списаний на 18%, рост валовой прибыли вина на 9%, сокращение времени на закупку с 6 часов до 1,5 часов в неделю.