Современные онлайн-продавцы сталкиваются с множеством проблем, связанных с несоответствием данных, особенно когда речь идет о продажах на нескольких каналах. В условиях нестабильного спроса и быстроменяющихся тенденций традиционные методы прогнозирования оказываются неэффективными. По словам Алексея Спаса, генерального директора и основателя компании Instinctools, "традиционные методы прогнозирования не справляются в условиях многоканальной торговли, так как они разработаны для стабильной линейной модели, которая больше не существует".
Многоканальная торговля и ее вызовы
Согласно последним исследованиям, в 2025 году маркетплейсы составили 61% от общего объема электронной коммерции в Европе. При этом 47% потребителей начинают поиск продуктов именно на маркетплейсах. Это объясняет, почему многие онлайн-ритейлеры активно работают на этих платформах. Новые маркетплейсы, такие как недавно запущенный маркетплейс Argos, продолжают появляться на рынке. В 2025 году было отмечено, что большинство онлайн-продавцов активно работают как минимум на шести маркетплейсах, что усложняет отслеживание спроса, уровней запасов и продаж.
Алексей Спас отмечает, что "ритейлеры сегодня сталкиваются с 'идеальным штормом' рыночных условий, когда традиционные тактики роста больше не работают". Это подчеркивает необходимость адаптации к новым условиям и использования современных технологий.
Проблемы, связанные с данными
Сложности, с которыми сталкиваются ритейлеры, выходят за рамки простых логистических задач и касаются технологических и связанных с данными проблем. По данным Instinctools, данные часто разбросаны по различным командам или изолированным системам, что делает практически невозможным реализацию единой онлайн-стратегии. К этому добавляется волатильность спроса, краткосрочные тренды, сбои в цепочках поставок и акции, искажающие нормальный спрос.
Традиционные методы прогнозирования, такие как таблицы Excel, могут стать узким местом для онлайн-продавцов. Это особенно актуально, когда речь идет о большом количестве SKU, каналов, рынков или складов. Ручная консолидация данных или конфликтующие версии таблиц могут привести к проблемам, таким как постоянные нехватки запасов или избыток инвентаря.
Преимущества прогнозирования на основе ИИ
В таких условиях прогнозирование может занимать дни, а не часы. "Именно тогда ритейлеры начинают искать инструменты, способные обрабатывать большие и разнообразные наборы данных", — говорит Спас. Модели на основе искусственного интеллекта или машинного обучения могут объединять исторические и актуальные данные, а также выявлять нелинейные зависимости и адаптироваться к меняющимся паттернам. Эти модели способны генерировать прогнозы на уровне SKU, локации или канала.
Одним из примеров успешного применения ИИ является клиент Instinctools, который внедрил инструменты для проверки качества данных. Это позволило сократить время, необходимое для этих задач, на 60%. Хотя программное обеспечение Instinctools включает в себя возможности ИИ и машинного обучения, компания подчеркивает, что человеческое участие в инженерии данных по-прежнему необходимо. "Но ИИ может значительно ускорить подготовительный этап", — добавляет Спас.