Pandemi sonrası bir dünyada ilerlerken perakende sektörü yapay zeka (AI) teknolojisiyle kendini yeniden keşfediyor. Ana odak noktası mı? Müşteri talebine ilişkin daha doğru bir tahmin elde etmek ve son salgın sırasında kaprisli tüketici satın alma modelleri ve ‘tam zamanında’ envanter yönetimiyle ilgili zorluklar nedeniyle sarsılan tedarik zincirlerini yeniden canlandırmak. Bu tür zorluklardan biri, belirli SKU’ların hatalı satış tabanı miktarlarının arka oda konumlarının belirsiz olması gibi komplikasyonlara yol açtığı hatalı envanter verilerinde yatmaktadır.
Pandemi, tüketici davranışında dramatik bir değişime neden oldu ve neredeyse tamamen yalnızca geçmiş satış verilerine dayanan önceki tahmin modellerinin tuzaklarına yol açtı. Pandemi sırasında tüketicilerin satın alma tercihleri sürekli ve hızlı bir şekilde temizlik malzemeleri, evde spor ekipmanları, ofis kıyafetleri gibi ürünler ve ardından seyahat gibi hizmetler arasında değişti.
Alışveriş alışkanlıklarındaki değişim birçok perakendecinin stoklarında satılmayan ürünlerin taşmasına yol açarken, diğer ürünlere olan talep de kontrolsüz bir şekilde artarak kıtlıkları artırdı. Bu endişeleri kolaylaştırmak, hem zamandan hem de paradan tasarruf etmeyi amaçlayan perakende satış işletmeleri için çok önemlidir.
2020 ve 2021’deki zirve dönemlerinde şirketler, tedarik zinciri kesintilerine karşı bir tampon olarak büyük ölçekli stoklar sipariş etti ve bu durum genellikle istenmeyen malların fazlalığına ve tüketici harcamalarında kaymalara yol açtı.
Doğru talep tahmini kârlılık için hayati öneme sahiptir. Müşteri davranışını anlamak, perakendecilerin trendleri tespit etmesine, bilinçli satın almalar yapmasına ve uygun fiyatlandırma ve promosyon stratejileri tasarlamasına olanak tanır.
Yapay Zeka Perakende Sahnesine Geliyor
Yapay zeka, çeşitli yenilikçi stratejilerle envanter yöntemini geliştirme potansiyeli sunan parlak zırhlı şövalye olarak ortaya çıktı. Bu büyüleyici kullanım örneğini ele alalım: Yapay zeka, belirli ürünlerin satış bölümündeki hareketlerindeki değişiklikleri tahmin etmek için tüketici harcama modellerini inceleyebilir. Bu istihbarat, manuel denetime daha odaklanmış bir yaklaşımı teşvik eder ve personelin tüm mağazayı denetlemek gibi Herkülvari bir göreve girişmek yerine dikkat gerektiren belirli alanları hedeflemesine olanak tanır.
Elbette tüm çözümlerin gelişmiş bir kamera ağı içermesi gerekmiyor. Manuel çabaların gerekli olduğu durumlarda makine öğrenimi algoritmaları yine de değerli yardım sağlayabilir. Örneğin, bir perakende çalışanı, boş raf noktalarını tek tek sıkıcı bir şekilde denetlemek yerine, cihazını kullanarak her raf bölümünün fotoğrafını kolayca çekebilir. Nesne tanıma ve derin öğrenme yeteneklerinden yararlanan bu fotoğraflar, eksik öğelerin hızlı bir şekilde belirlenmesi için bir planogramla karşılaştırılabiliyor. Ancak sistemin uyarıları da yok değil. Bu yöntemle başarıya ulaşmak büyük ölçüde titiz bölgelemeye dayanır ve öğelerin birbirini engellemesi durumunda miktarların tahmin edilmesinde zorluklar ortaya çıkabilir.
Yapay Zeka Envanter Yönetiminin Perakendeci Uygulaması
The Wall Street Journal’a göre Walmart, Walgreens ve çevrimiçi moda satıcısı ASOS gibi perakendeciler, perakende envanter yönetimi için gelişmiş yapay zeka teknolojisini uygulamaya başladı. Yapay zeka odaklı algoritmalar, hava durumu modelleri ve sosyal medya trendleri gibi parametrelerden yararlanarak çok çeşitli verileri işleyebilir ve envanter yerleştirmeyle ilgili stratejik kararların alınmasına yardımcı olabilir. Bu teknolojik destekle perakendeciler, tüketici talebini tahmin etmek için dahili geçmiş satış verilerini kullanma konusunda uzun süredir devam eden uygulamalarına ince ayar yapmayı amaçlıyor. Bu da raflarını doğru zamanda doğru ürünlerle stoklamalarına yardımcı olacak ve uzun yıllar süren zorlu ve pahalı envanter dengesizliklerinin üstesinden gelmelerine yardımcı olacaktır.
Perakendeciler için karmaşıklıklar yalnızca talebi ölçmenin ötesine uzanıyor. Tüketici alışveriş alışkanlıklarının gelişimi, envanterin nereye yerleştirileceğinin belirlenmesini giderek zorlaştırdı. Modern alışveriş ortamımızda tüketiciler, eve teslimat veya mağazadan teslim alma amacıyla internet üzerinden yapılan satın alma işlemlerinin hızlı bir şekilde yerine getirilmesini bekliyor. Bu nedenle perakendecilerin hızlı ve verimli hareket için ürünlerini nereye yerleştireceklerini stratejik olarak planlamaları gerekiyor.
Ayrıca önceki tahmin araçları, viral sosyal medya videoları ve yerel hava durumu modelleri gibi faktörlerin müşterilerin alışveriş kararlarını nasıl etkilediğini yeterince değerlendiremiyordu. Ancak yapay zeka ve makine öğrenimi teknolojilerindeki gelişmeler, bu verilerin tahmin modellerine dahil edilmesini mümkün kıldı.
Örneğin Walmart, envanter yönetimi sistemini hava durumu tahminlerini ve çevrimiçi arama eğilimlerini dikkate alacak şekilde programladı. Bu verilerle perakendeci, belirli ürünlere yönelik bölgesel talebi tahmin etmek ve envanteri buna göre dağıtmak için yapay zekayı kullanabilir.
Walgreens ayrıca sosyal medya ve mevsimsel hastalık raporlarından elde edilen verileri kullanarak talebi tahmin etmek için yapay zeka teknolojisinden yararlanıyor. Toplanan bilgiler daha sonra envanteri tüketicilerin bu ürünler için alışveriş yapmasının beklendiği yere yakın konumlandırmak için kullanılıyor.
Bu arada İngiltere merkezli ASOS, tişört, kot pantolon ve elbise gibi ürünlere yönelik talep tahmini için yapay zekayı kullanmaya başladı. AI teknolojisi, geçmiş satışları, iade verilerini, ürün popülerliğini ve eğilimleri birleştirerek daha önce mümkün olmayan ayrıntılı ve doğru bir tahmin sağlıyor.
Macy’s, sıkılaşan stoklar nedeniyle 2023’ün son çeyreğinde satışlarda yaşanan düşüşe rağmen brüt kâr marjını iyileştirdi. Stokları üçüncü çeyrekte bir önceki yıla göre %6, 2019’a göre ise %17 azaldı. Yeni başkan ve CEO Tony Spring, perakendecinin odak noktasının gereksiz öğeler stoklamak yerine daha geniş ürün yelpazesi sunmaya doğru kaydığını belirtti.
Sonuç olarak, perakendeciler pandemi sonrası dünyanın operasyonel gerçeklerine uyum sağladıkça yapay zeka, müşteri talebini tahmin etmek, envanter dengesizliklerini azaltmak ve tedarik zincirlerini optimize etmek için gizli silah olarak ortaya çıkıyor.