Big Tech у дома: как магазины незаметно начали поставлять технологии

За простым походом в магазин скрывается сложная технологическая система. Она заранее рассчитала, сколько круассанов понадобится сегодня. Учла погоду, промоакции и особенности района. Заметила пустые места на полке, вовремя заказала и доставила товар. Наконец, распознала продукты на кассе. От вас потребовался лишь один «тап» картой по терминалу.

MAGNIT TECH, IT-команда розничной сети «Магнит», развивает эту систему как отдельное технологическое направление. По словам команды, речь уже идет не о простой автоматизации процессов, а о разработке собственных алгоритмов и инфраструктуры. И задача у этих технологий самая бытовая: чтобы покупателю было проще купить продукты, сотруднику — найти недостающий товар, а компании — заранее понять, сколько шашлыков нужно заказать у поставщика на майские праздники.

«Сами алгоритмы и роботов купить можно — рынок открыт. А вот умение собрать из типовых "кирпичиков" нестандартную архитектуру, которая решает задачу дешевле, быстрее и удобнее для миллионов людей, — это чистое творчество», — говорит Вячеслав Кубаев, CEO MAGNIT TECH.

Касса самообслуживания — это передовые технологии под оболочкой привычной стойки с экраном в районном супермаркете. Порядок действий предельно прост: отсканировал товар, оплатил — и пошел по своим делам.

На практике многие не раз сталкивались с проблемами: не сканируется штрихкод, не высвечиваются нужные яблоки в разделе фруктов, не срабатывает кнопка на экране. И вот уже кажется, что проще пойти на обычную кассу.

И все же такие терминалы очевидно разгружают очереди. На месте одной классической кассы помещается несколько касс самообслуживания. Остается добиться главного — чтобы они не отпугивали покупателей сложностью действий. Команде MAGNIT TECH это удалось.

Еще пять лет назад покупателю приходилось как минимум пять раз нажимать на экран кассы самообслуживания. По словам Александра Максудова, Head of POS Development, ключевой проблемой был интерфейс. Он был построен вокруг логики системы, а не покупателя. Так появилась цель сделать опыт на терминале максимально незаметным.

Сегодня касса самообслуживания требует лишь два обязательных «тапа» по экрану: подтверждения готовности оплаты и выбора способа оплаты. Сценарий запускается с первого отсканированного товара, а карту лояльности можно приложить в любой момент.

Вскоре процесс станет еще проще. Как рассказал Александр, благодаря компьютерному зрению касса сама будет предлагать выбрать весовой товар из списка. А если потребуется помощь продавца, тот сможет решить проблему удаленно через личный терминал.

Обычные кассы не пропадут, потому что не всем покупателям подходит формат самообслуживания, а вот очередей станет меньше. Задача технологий — убрать конкретные точки трения с помощью умных весов, детекции очередей, оплаты в приложении, удаленной помощи сотрудников. И все же кассы — лишь «верхушка айсберга». Огромная система, скрытая от наших глаз, отвечает за наполнение полок, логистику, скидки, персональные предложения и предсказания спроса.

Для нас как покупателей прогноз спроса незаметен: мы просто приходим в свой привычный магазин и видим любимые товары на полке. С точки зрения технологий это чрезвычайно масштабная задача. Система должна заранее оценивать, что понадобится покупателям на месяцы вперед, а затем превращать этот прогноз в реальные решения по заказам и поставкам.

В расчет идут десятки факторов. Некоторые из них известны заранее — например, календарь праздников. Как рассказал Максим Покусенко, Head of ML (Logistics & R&D) MAGNIT TECH, помимо Нового года, 8 марта и других очевидных дат, система должна учитывать и менее заметные события. Так, в Международный день эскимо, который отмечают 24 января, всегда чуть выше спрос на мороженое.

Казалось бы, майские праздники настолько же предсказуемы, и спрос на мясо для шашлыков всегда высокий. Но прогноз дождливой погоды может изменить планы миллионов покупателей. Тогда уголь и заготовки останутся на полках. Уголь без проблем дождется летнего спроса, а вот мясо придется списывать. Избежать этого помогают алгоритмы, которые учитывают погоду, сезонность, промоакции, поведение покупателей и редкие события. Сила прогнозов — в ансамбле моделей, подчеркнул Максим. Каждый день система рассчитывает более 17 миллиардов прогнозов на 90 дней вперед.

Прогнозы нужно превратить в реальные поставки. При расчете плана пополнения учитываются остатки, сроки годности, графики и сроки поставок, а также минимальные партии и логистические ограничения. Если товара в распределительном центре меньше, чем требуется магазинам, система решает, как распределить ограниченный запас.

В едином интерфейсе программы специалисты работают и с прогнозированием, и с пополнением. Система находит и подсвечивает критичные отклонения. Она же дает специалистам возможность провалиться в детали и при необходимости внести точечные корректировки. Такой подход делает весь процесс от прогноза товара до поставки в конкретный магазин прозрачным и управляемым.

Главная задача проста по формулировке и сложна по исполнению: удерживать баланс между пустой полкой и избыточным запасом. В масштабе более 33 000 магазинов невозможно вручную учитывать все сочетания спроса, запасов, сроков и логистики, поэтому главным инструментом специалистов компании стали алгоритмы.

Алгоритмы MAGNIT TECH работают на разных уровнях: от выбора места для нового магазина до распределения товаров по полкам. Вот несколько систем сети, о работе которых рассказал Алексей Четыркин, Chief of AI/ML. Некоторые из них уже внедрены, другие дорабатываются:

Как рассказал Алексей, внедрение ИИ-алгоритмов позволило повысить точность прогнозов спроса на 40%, нарастить продажи по персональным предложениям на 250% и ускорить обработку претензий на 370%.

Если в обозримом будущем уже маячат умные кассы самообслуживания, компьютерное зрение и гиперперсонализированные предложения, то что дальше?

Самый очевидный шаг — роботизация стандартных действий: перемещение грузов, инвентаризация, работа в распределительных центрах и сборка онлайн-заказов. В первую очередь роботы появятся там, где нет непредсказуемых факторов, а именно покупателей.

С появлением более «умных» моделей можно будет запустить их в торговые залы. Например, для раскладки товаров на полки по ночам, чтобы к открытию магазина все было готово. Конечно, ритейл-компания вряд ли станет сама производить такие машины. Ее главный актив — огромные массивы данных для обучения и тестирования моделей роботов.

«На горизонте 5 лет основные изменения коснутся гармонизации и переноса опыта клиентов из цифровой среды в офлайн-формат, — отмечает Вячеслав Кубаев, CEO MAGNIT TECH. — Речь о (гипер)персонализации: покупатель будет получать индивидуальные предложения на кассе магазина, как он получает их сейчас в приложении. Опыт покупки станет проще: на кассе самообслуживания в одно касание и в удобном формате — улыбкой, QR или другими способами — можно будет активировать предложения программы лояльности, подтверждать возраст, социальные льготы, проводить оплату. Взаимодействие в магазине должно быть удобным и легким. Мы можем это делать, предлагая покупателям актуальную для них поисковую выдачу в приложении с релевантными условиями».

На горизонте 10 лет можно говорить о физической автоматизации многих операций, которые сейчас приходится делать вручную, балансируя дефицитным временем сотрудников между работой в торговом зале и взаимодействием с покупателями. Такая автоматизация позволит больше времени направлять на контакт с покупателем.

Развитие вычислительных технологий (здесь мы можем мечтать и о квантовых) даст возможность эффективнее управлять ограниченными ресурсами: полочным пространством, промо-бюджетами, временем сотрудников и временем контакта с нашими клиентами. «Я не думаю, что мы дойдем до точки, когда у нас будут безлюдные магазины», — заключает Вячеслав Кубаев.

Но заметит ли покупатель технологичность привычного супермаркета? Скорее, он просто заберет с полки любимый круассан, быстро оплатит товары на кассе и выйдет из магазина, потому что сложная система внутри сработала именно так, как нужно.