Proč stojí rohlík ve středu 3,50 a ve čtvrtek 3,20? Za strategií cen může stát firma Yieldigo, která je vypočítává pomocí umělé inteligence. A to v obchodech největších světových obchodních řetězců. Yieldigo je ryze česká služba, která pomocí matematického modelu a umělé inteligence simuluje chování koncových zákazníků v obchodě. Její algoritmus počítá s mnoha proměnnými a prodejcům dává doporučení k nastavení cen jednotlivých produktů.
Výsledkem by mělo být zvýšení profitu obchodníků, ale i spokojenost koncových zákazníků, kteří dostávají cenu, jež jim u daných produktů přijde adekvátní. O tom, jak tento algoritmus funguje, jsme mluvili s technickým ředitelem Yieldiga Jiřím Psotou. Jak se dá podnikat s umělou inteligencí a s vědou v zádech?
Kde se vůbec vzal nápad pustit se do podnikání s cenotvorbou v obchodech?
Původně jsme se spoluzakladateli Yieldiga Davidem Klečkou a Radimem Dudkem pracovali na cenotvorbě v úplně jiném sektoru. Tehdy to byla doprava. A fungovalo nám to. Na základě zkušeností z dopravního sektoru jsme se pak rozhodli, že budeme pracovat na umělé inteligenci, která pomůže maloobchodním prodejcům simulovat chování zákazníků.
Prostě jsme začali rovnou u největších možných klientů s velkými obraty.
Chtěli jsme, aby s technologií, na které pracujeme, přišlo do styku co nejvíc lidí. To už jsme věděli, že je náš byznysmodel použitelný po celém světě.
Co je vlastně ta zásadní přidaná hodnota? Zvládne Yieldigo naplánovat ceny líp než manažeři nebo vedoucí prodejny?
Vybalancovat cenu zboží tak, aby byl spokojen jak kupující, tak i prodávající, není úplně jednoduché. Primárně jsme se v cenotvorbě zaměřili na dva klíčové úhly pohledu. Jednak na zvýšení profitu obchodníka, ale současně i na pohled zákazníka v obchodě. Jde tedy o to, aby byla i z jeho pohledu cena fér.
To, co dřív počítali manažeři, kteří stanovují ceny na prodejnách, běží automaticky a s lepšími výsledky, říká Jiří Psota
To je přístup, který paradoxně nikdo další na trhu nemá, což se mimochodem ukázalo jako velká konkurenční výhoda. Yieldigo začalo krátce po založení pracovat pro velké obchodní řetězce s miliardovými obraty, které chtěly optimalizovat ceny na základě vlastních dat o prodejích zboží. Prostě jsme začali rovnou u největších možných klientů s velkými obraty.
S jakými daty vlastně model umělé inteligence od Yieldiga pracuje? Jaké parametry tam hrají roli?
Efekt na prodeje i vnímání ceny má obrovské množství parametrů. Záleží na sezóně, počasí, trendech, promoakcích i na tom, co všechno je už součástí nákupu. Asi nikoho nepřekvapí, že když chce zákazník kolu, často si k ní koupí i limetku. Ale zajímavý může být například nečekaný jev, kdy si zákazník k pivu přikoupí i pivo nealkoholické.
To, co dřív počítali manažeři, kteří stanovují ceny na prodejnách, běží automaticky a s lepšími výsledky.
Pak jsou tu nepředvídatelné efekty jako třeba uzavření silnice v okolí nebo nějaká akce konaná v blízkosti obchodu. Ty se sice v datech nedají jednoduše identifikovat, ale pro zjištění, co je skutečně ovlivňováno pouze cenou, se musí odfiltrovat.
Jak tedy konkrétně vypadá nabídka, kterou řetězcům předkládáte?
Retailový řetězec od nás dostane každý týden seznam změn cen u určitého počtu produktů. Systém, který po stanovení mantinelů funguje jako autopilot, doporučuje konkrétní změny cen a díky umělé inteligenci, která se s novým přísunem dat o prodejích učí a zlepšuje, umí zvýšit zisk obchodníkům a zároveň udržet spokojeného zákazníka.
Kdo někdy nakupoval v obchodě, ten se určitě setkal s cenami, které jsou výsledkem výpočtů našeho simulátoru myšlení zákazníka.
To, co dřív počítali manažeři, kteří stanovují ceny na prodejnách, běží automaticky a s lepšími výsledky. Analytici ušetří čas a autopilota vlastně jen programují. Pomůžou mu vzlétnout a zkontrolují přistání, dostávají se do role supervizorů, kteří "jen" sledují hlavní stanovené cíle.
Jak se vašemu systému daří na trhu?
Model umělé inteligence, který jsme vyvinuli, je u nás už poměrně dost používaný. Kdo někdy nakupoval v obchodě, ten se určitě setkal s cenami, které jsou výsledkem výpočtů našeho simulátoru myšlení zákazníka. Velké české a zahraniční řetězce využívají našich specializovaných služeb, postavených na machine learningu.
Dá se už taky specifikovat, jakých výsledků u klientů reálně dosahujete?
Umíme zvýšit zisk obchodníka v řádech procent a pořád se dá něco zlepšovat. V současnosti je to podle situace od 5 do 20 %. Naše umělá inteligence je s novými daty chytřejší a efektivnější. Pokud jde o celkové sumy, tak obrat našich retailových klientů je přes 80 miliard korun a na takovém obratu je efekt našeho systému samozřejmě víc než citelný. Klientům vyděláme nad rámec jejich původních tržeb přes 50 milionů měsíčně.
Kolik lidí systém Yieldigo vyvíjí a s jak velkými objemy dat pracujete?
Yieldigo je poměrně rozsáhlý systém, který se skládá z mnoha částí. Naši klienti vidí moderní aplikaci, která jim pomáhá vše nastavit, řeší proces nasazení cen na jednotlivé obchody a přináší obchodníkovi na základě analýzy dat doporučení, jaké problémy prioritně řešit. Součástí je i reporting. Pak je tu ta část, která řeší napojení na klientské systémy a všechno, co se týče získávání dat od klientů. Tahle část pak vrací optimální ceny na klientskou stranu systému.
Aby byla služba dostupná pro obchodníky z celého světa, běžíme na Azure cloudu a Microsoft je naším technickým partnerem.
No a srdcem nebo spíš mozkem celého systému je samotný matematický engine, který vytváří modely na základě analýzy prodejních dat a následně hledá optimální ceny. Řešíme ale i spoustu jiných souvisejících věcí, které možná nejsou na první pohled tak jasné. Jde třeba o seskupování produktů do takzvaných rodin, tedy o to, aby třeba jogurty s různými příchutěmi stály stejně, nebo aby bylo větší balení výhodnější než malé. Ač to zní možná triviálně, spousta obchodníků to systematicky neřeší a nemá takto produkty propojené. Aby byla služba dostupná pro obchodníky z celého světa, běžíme na Azure cloudu a Microsoft je naším technickým partnerem. Zpracováváme každý den řádově miliardy řádek dat. Na to máme prozatím osm lidí v technickém týmu.
Jak vlastně vznikají algoritmy, kterými se Yieldigo řídí? Umělá inteligence je vylepšuje, nebo přímo tvoří?
Sama se netvoří, tak daleko ještě nejsme. Základní schémata jsou předdefinována lidmi a cílem algoritmu je vždy najít nejlepší parametry schématu tak, aby co nejlépe popisoval chování zákazníka. S přibývajícími daty v čase je tohle schéma vylepšováno na základě nových informací. Rozhodovací proces při samotném výpočtu cen pak využívá to, že model dokáže nasimulovat pravděpodobné chování zákazníků i v situacích, jaké ještě nenastaly.
Sledujete i další firmy, jak pracují s umělou inteligencí a jak ji aplikují do praxe?
V téhle oblasti se snažíme být samozřejmě aktivní. To obnáší i účast na různých konferencích nebo pořádání přednášek. Díky tomu potkáme poměrně dost zajímavých firem, které se aplikaci umělé inteligence věnují. Pro mě osobně je velmi zajímavý třeba Neuron Soundware nebo SentiSquare.
Kam se podle vás ubírá umělá inteligence a je to skutečně obor, který bude za pár let řídit půl světa?
Umělá inteligence se poslední dobou stává trošku buzzwordem, podobně jako tomu bylo před pár lety u big data. Takže je potřeba brát trošku s rezervou, když někdo hovoří o tom, že ji používá. Nečekám, že by se do pár let objevila nějaká univerzální umělá inteligence, ale spíš se budeme setkávat s čím dál častějším použitím na řešení konkrétních problémů. A bude také víc pronikat do každodenního života a služeb.
Reklama
Užitečná bude například při optimalizaci dopravy a aktivním řízení její plynulosti, díky umělé inteligenci se budou minimalizovat výpadky výroby v továrnách a hodně důležité by mohlo být i nahrazení repetitivní kancelářské či úřednické práce. To je směr, kterým jde třeba UiPath. A tímto směrem půjde i celý svět.
foto: Shutterstock a archiv Yieldigo, zdroj: Yieldigo
