超市连锁 "Верный" 借助人工智能，将促销活动的效果预测准确率提高了1.5倍。据 "Верный"超市连锁商业与营销副总裁德尼斯·韦奇卡诺夫 介绍，为此该连锁引入了 GoodsForecast.Promo 系统。
这一技术方案利用机器学习技术，自主分析以往促销活动的关键参数，并预测未来活动的结果。用于预测的原始数据会自动加载到系统中。
这项新技术为连锁带来了什么？
"Верный"连锁决定改进促销效果预测系统，因为该公司的门店每周都会举办此类特卖活动，通常涉及500至600种商品。此外，此类活动的数量还在不断增加。
在引入GoodsForecast.Promo系统之前，"Верный"连锁的专家仅在分公司层面预测促销活动的效果。新工具允许在门店层面进行预测，从而避免特定零售点促销商品过多或不足的情况。
"影响促销效果预测的关键参数包括：商品及其类别、促销机制和举办周期、折扣深度"，该系统开发商GoodsForecast公司的项目负责人基里尔·切尔尼科夫表示。
除此之外，系统还会考虑促销活动的其他属性，例如特定商品的季节性系数以及缺货促销替代品的需求恢复情况。为了形成尽可能准确的预测，系统会参考过去两年内在该连锁举办的类似及同类促销活动的数据。
实施历程
"Верный"连锁于2018年10月开始引入GoodsForecast.Promo系统，历时约9个月。最终，该连锁在每家门店显著降低了促销活动后的库存水平，同时未造成商品短缺。
绝对预测误差指标降低了1.5倍。同时，参与商品库存预测的公司员工工作时间缩短，从而能够更详细地分析需要关注的特定预测结果。
系统特性
该系统的基础是Microsoft SQL Server数据库，以及集成在数据库中、使用R语言实现的自学习预测模型。业务用户通过符合零售连锁企业风格的便捷Web界面进行操作。
未来计划
目前，GoodsForecast公司正与“Верный”连锁店的专家共同开发系统的功能和界面。
基里尔·切尔尼科夫表示：“我们首先从用户友好性和透明度的角度完善系统。同时，我们也努力通过引入更多预测参数来扩展其功能，例如类似商品的价格区间、门店额外陈列位置的存在情况，以及在具体促销活动中需求向其他商品转移的情况。”