Zadania i działania realizowane w ramach projektu

Projekt jest realizowany przez konsorcjum Brand Oriented Spółka z ograniczoną odpowiedzialnością oraz Politechniki Warszawskiej.

W ramach projektu zostanie opracowany innowacyjny, skalowalny system informatyczny wspierający planowanie i optymalizację promocji marketingowo-handlowych w sieciach sprzedaży detalicznej oraz na platformach e-commerce.

System zostanie oparty na algorytmach sztucznej inteligencji oraz modelach głębokiego uczenia maszynowego wykorzystujących architekturę typu Transformer.

W ramach projektu zostaną zrealizowane następujące działania:

• opracowanie hierarchicznych algorytmów prognozowania sprzedaży;
• opracowanie modułu prognostycznego umożliwiającego tworzenie prognoz sprzedaży na poziomie produktów, punktów sprzedaży, całych sieci handlowych oraz platform e-commerce;
• opracowanie modułu optymalizacyjnego rekomendującego najefektywniejsze działania promocyjne;
• opracowanie mechanizmów jednoczesnej optymalizacji poziomu cen, doboru asortymentu, mechaniki promocji oraz zakresu wsparcia mediowego;
• rozwój i testowanie różnych wariantów architektury typu Transformer dla danych sekwencyjnych;
• opracowanie adaptacyjnych mechanizmów samouczenia i samowalidacji modeli;
• uwzględnienie w modelach wszystkich najważniejszych czynników wpływających na sprzedaż, w tym m.in. sezonowości, warunków pogodowych, trendów konsumenckich, aktywności konkurencji oraz czynników makro- i mikroekonomicznych;
• walidacja jakości prognoz z wykorzystaniem metryk sMAPE, MAE i MAPE;
• integracja modułu prognostycznego i optymalizacyjnego w ramach jednego systemu predykcyjno-rekomendacyjnego;
• opracowanie dedykowanych modeli dla poszczególnych klientów, trenowanych na podstawie ich danych i dostosowanych do specyfiki działalności, struktury sprzedaży oraz procesów promocyjnych;
• zaprojektowanie architektury rozwiązania z uwzględnieniem bezpieczeństwa, poufności i pełnej separacji danych klientów;
• przygotowanie systemu do komercjalizacji oraz wdrożenia na infrastrukturze klienta.

Dane każdego klienta będą wykorzystywane wyłącznie do budowy, uczenia, walidacji i doskonalenia modeli przeznaczonych dla tego klienta.

Grupy docelowe

Projekt jest skierowany przede wszystkim do platform e-commerce oraz średnich i dużych sieci sprzedaży detalicznej, a także przedsiębiorstw prowadzących działania promocyjne na dużą skalę. Z rozwiązania korzystać będą w szczególności:

• zespoły sprzedażowe, handlowe i marketingowe;
• osoby odpowiedzialne za planowanie cen, promocji i asortymentu;
• osoby odpowiedzialne za zarządzanie zapasami i rentownością sprzedaży;
• analitycy biznesowi oraz zespoły wykorzystujące dane sprzedażowe do podejmowania decyzji.

Pośrednimi odbiorcami rezultatów projektu będą także klienci sieci detalicznych i platform e-commerce, którzy skorzystają z lepszego dopasowania ofert promocyjnych do swoich potrzeb.

Cele projektu

Głównym celem projektu jest opracowanie skalowalnego systemu wspierającego podejmowanie decyzji w zakresie planowania i optymalizacji promocji handlowych z wykorzystaniem zaawansowanych algorytmów sztucznej inteligencji.

Cele szczegółowe projektu obejmują:

• podniesienie trafności prognoz sprzedaży promocyjnej generowanych przez sieć neuronową do poziomu 97%;
• poprawę skuteczności optymalizacji promocji handlowych o co najmniej 10%;
• umożliwienie jednoczesnej optymalizacji najważniejszych parametrów promocji;
• zwiększenie trafności decyzji marketingowych i handlowych;
• ograniczenie ryzyka realizacji nieskutecznych kampanii promocyjnych;
• poprawę rentowności sprzedaży i zarządzania zapasami;
• umożliwienie szybszego reagowania na zmieniające się warunki rynkowe;
• zapewnienie bezpiecznego wykorzystania danych klientów do tworzenia indywidualnych modeli predykcyjnych i rekomendacyjnych.

Efekty i rezultaty projektu

Głównym rezultatem projektu będzie gotowy do komercjalizacji system klasy TPO – Trade Promotion Optimization, przeznaczony do planowania, prognozowania i optymalizacji promocji handlowych w sieciach sprzedaży detalicznej oraz na platformach e-commerce.

Opracowany system będzie:

• prognozował sprzedaż na poziomie produktów, punktów sprzedaży, całych sieci handlowych oraz platform e-commerce;
• automatycznie rekomendował najbardziej efektywne warianty działań promocyjnych;
• wspierał jednoczesną optymalizację cen, asortymentu, mechaniki promocji oraz zakresu wsparcia mediowego;
• analizował wpływ czynników wewnętrznych i zewnętrznych na poziom sprzedaży;
• automatycznie uczył się i dostosowywał modele do zmieniających się warunków rynkowych;
• tworzył dedykowane modele dla każdego klienta, dopasowane do specyfiki jego działalności, danych i procesów promocyjnych;
• zapewniał bezpieczeństwo, poufność i separację danych poszczególnych klientów;
• umożliwiał wdrożenie jako samodzielne rozwiązanie na infrastrukturze klienta.

Realizacja projektu przyczyni się do zwiększenia skuteczności promocji handlowych, wzrostu sprzedaży i rentowności, poprawy zarządzania zapasami, ograniczenia ryzyka nietrafionych kampanii promocyjnych oraz szybszego reagowania na zmiany rynkowe.