Hur stormarknader använder AI för att förutsäga försäljning

En stormarknad på landsbygden i Tyskland hade ett problem. Långt ifrån den rikliga arbetsstyrkan i den närmaste staden, bestod butikens personal främst av lokala tonåringar som fortfarande gick i skolan. Barnen var motiverade men oerfarna, säger Avik Mukhija, en av grundarna av återförsäljarteknologistartupen Freshflow. Han vägrar att avslöja den exakta platsen för butiken.

Genom att beställa färskvaror varje dag, tenderade tonårsanställda att överlager av rädsla för att få slut på frukt och grönsaker. Detta ledde till onödigt slöseri, eftersom vissa osålda produkter oundvikligen blev bortskämda i butikerna.

Men sedan vände sig butikschefer till ett Freshflow-maskininlärningssystem som kan göra förutsägelser om hur mycket färsk mat kunder kommer att köpa under de kommande dagarna och föreslå vilket lager de ska ta med sig. Med detta verktyg till hands minskade mängden bortkastade produkter i snabbköpet drastiskt, nästan 30 %.

“Det är de bästa avfallsminskningsnivåerna vi har uppnått hittills”, säger Mukhija. Freshflow har för närvarande 15 anställda och har samlat in 3 miljoner euro. Bolagets mjukvara finns tillgänglig i flera butiker som ägs av två regionala stormarknadskedjor i Tyskland, och pilotimplementeringar pågår även i Frankrike.

Dra ner på ditt (mat)avfall

TNW Conference 2024: 2 för 1 flash-rea

Få två biljetter till priset av en. Erbjudandet gäller måndagen den 12 februari.

De som ansvarar för färskvaror i stormarknader och små lokala butiker har länge varit tvungna att själva bestämma hur många äpplen, jordgubbar eller potatis de behöver beställa, helt enkelt för att möta efterfrågan. Men efterfrågan förändras hela tiden. Kampanjer i butik, helgdagar, lagerstatus som redan finns på hyllorna och vädret – alla dessa saker kan påverka försäljningen. Den som beställer nytt lager måste få rätt siffror varje dag.

I EU, cirka 60 miljoner ton matavfall –med ett marknadsvärde på mer än en miljard euro– genereras varje år. Den stora majoriteten av avfallet kommer från hushåll, med återförsäljare som stormarknader som står för en stor del av avfallet. relativt liten bit av pajen. Återförsäljare förväntas dock fortfarande minska sitt bidrag till problemet med matsvinn. enligt EU-kommissionen.

En ny flotta av nystartade företag säger att det finns ett bättre sätt att hantera flödet av frukt, grönsaker, kött och fisk in och ut ur butiker: teknik som kan minska avfallet och öka vinsten. Dessa företag hävdar att artificiell intelligens (AI) och detaljerad stock-life-data kan skaka om livsmedelsdetaljhandeln.

Data, data och mer data

“I genomsnitt kan vi minska avfallet med 20% till 25% och öka intäkterna med upp till 3%”, säger Mukhija. Freshflow spårar också hur ofta produktchefer följer rekommendationer från deras programvara: cirka 90 % av tiden, för närvarande, enligt Mukhija.

Systemet absorberar all data Freshflow kan få tag på. Inte bara vädret, utan även försäljningssiffror nästan i realtid, eller resultatet av vissa kampanjer, som köp-en-få-en-gratis-erbjudanden, tidigare. Programvaran kan jämföra butikers prestanda vad gäller avfall och även lyfta fram vilka produkter som säljer bäst vid varje given tidpunkt.

Mukhija säger att de inte designade Freshflow för att ta på sig den mänskliga rollen som färskvaruchef. “Det här är något som oroar oss mycket”, säger han. “Vi kommer aldrig att ersätta produktionschefen. Vi kommer bara att förbättra deras färdigheter.”

Det är ett jobb som kräver “konst”, tillägger han, mer än han och medgrundaren Carmine Paolino insåg när de ursprungligen grundade sitt företag. Produktchefen kommer ofta på nya sätt att visa eller marknadsföra frukter och grönsaker till försäljning, till exempel i ett försök att tilltala sin lokala kundbas. Det varierar från butik till butik, och Freshflows mjukvara är inte utformad för att ta den rollen; Det är endast tänkt att göra det lättare att fatta beslut om beställning av produkter, eftersom det finns många olika faktorer att ta hänsyn till.

Luktar du gas?

Andra nystartade företag fokuserar på hur man automatiskt spårar matens färskhet. “Vi uppfann gasdetekteringsteknik”, säger Max Grell, medgrundare och VD för BlakBear, ett Londonbaserat företag med 11 anställda som har samlat in 2,3 miljoner pund i finansiering, inte inklusive hemliga bidrag eller ytterligare privat finansiering. .

Grell förklarar att BlakBears små sensorer, som han säger kommer att kosta bara ören att tillverka i stor skala, finns inuti förpackade livsmedel; tänk paket med färsk fisk eller kött, viktiga proteinkällor. Sensorer upptäcker subtila förändringar i atmosfären inuti de förseglade förpackningarna när produkterna åldras.

Grell vägrar att specificera exakt vilka gaser sensorn upptäcker, förutom att säga att de inkluderar ammoniak, flyktiga organiska föreningar och koldioxid. Om sensorerna upptäcker en ökning av gaser som tyder på förstörelse, kan de kommunicera eventuell produktförstöring via RFID eller trådlös Bluetooth-kommunikation.

“Vi har spenderat mycket tid på att arbeta med proteiner eftersom proteiner är väldigt dyra”, säger Grell. “Det kan göra folk sjuka. Det luktar väldigt illa när det är dåligt.”

BlakBear arbetar för närvarande med två stora återförsäljare i Storbritannien, säger Grell, även om han vägrar att namnge dem. Företaget implementerar också sin teknik i USA. Till 2025 siktar Grell på att ha “miljoner” sensorer i förpackningar som rör sig längs livsmedelsförsörjningskedjorna.

Ersättning av utgångsdatum

För närvarande går sensorerna till ett urval av paket snarare än var och en, som ett sätt för återförsäljare att hålla ett öga på den övergripande kvaliteten på försändelser. Men Grell säger att hans företags slutmål är mycket större: “Visionen för oss är att ersätta utgångsdatumet.”

Det skulle innebära att varje förpackning med färsk fisk eller kött, till exempel, skulle vara laddad med en sensor som kan bekräfta för kunden (via en snabbskanning med en smartphone-app) att produkten är färsk. Ett sådant system skulle också kunna ge en paketspecifik uppskattning av hur många dagar som återstår innan det förstörs.

Grell säger att att inte behöva slänga föremål i papperskorgen bara för att de har passerat sista säljdatum, när de i själva verket kan vara perfekt ätbara, kan avsevärt förbättra återförsäljarnas sätt att hantera sitt lager och hjälpa dem att minska avfallet. “Om du kan lägga till en livsdag till din produkt […]avfallet minskar med en fjärdedel; Det är enormt, säger han.

“Det är en enorm förändring som håller på att växa fram”, säger Patrick Brandtner från Upper Austria University of Applied Sciences och syftar på framväxten av högteknologiska verktyg för efterfrågeprognoser inom livsmedelshandeln. Covid-19, inflation och dominansen av jättar som Amazon är anledningar till att många återförsäljare för närvarande känner att de behöver förbättra sitt spel, förklarar han.

Förutsägelse av efterfrågan

Brandtner och kollegor har experimenterat med sin egen prediktiva analysteknik för detaljhandelnäven i färskvaruutrymmet. Brandtner nämner att han till exempel arbetade med den stora snabbköpskedjan Aldi. De uppgifter han och hans forskarkollegor samlat in under de senaste åren avslöjade stora förändringar i köpbeteendet under Covid-19-låsningarna. Detta är att vänta, men han noterar att sådan information skulle kunna användas för att förutsäga konsumenternas aktivitet i framtiden om en ny, lika störande epidemi eller pandemi dyker upp.

Brandtner berömmer Freshflow och BlakBear för deras ansträngningar att mer exakt förutsäga faktisk efterfrågan respektive spåra matens färskhet. Han noterar dock att användare bör behandla AI-verktyg med försiktighet. System för efterfrågeprognoser kan ha rätt i sina förutsägelser för det mesta, men om de misslyckas i situationer där tillträde eller kundbeteende helt enkelt skiljer sig från normen, kan deras fördelar vara begränsade.

“När det väl har implementerats betyder det inte att det alltid kommer att fungera smidigt, utan det betyder bara att du hela tiden måste övervaka det”, säger Brandtner.

skördeavgift

Maskininlärningsverktyg påverkar inte bara vad återförsäljare bestämmer sig för att köpa, utan är också i händerna på leverantörer. Mihai Ciobanu är grundare och chef för Fresh4cast, som för närvarande har en personal på två. Företaget har hittills samlat in 800 000 pund.

Fresh4cast är aktivt i Europa och USA och Ciobanu säger att leverantörer som flyttar 350 000 ton mat per år använder dess teknologi. Detta sträcker sig från färska björnbär till beredda soppor och sallader. Fresh4cast-systemet låter användare experimentera med “vad händer om”, säger Ciobanu.

En leverantör skulle kunna använda systemet för att simulera vad som skulle hända om den till exempel förde fram en detaljhandelskampanj i tid. Leverantören skulle sedan kunna föreslå detta tillvägagångssätt för sin kund, återförsäljaren själv.

Vissa data som kan påverka försäljningen, såsom väderprognosen, absorberas automatiskt av programvaran, medan information om plötslig förlust av en gröda kan övervägas i farten av mjukvaruanvändaren.

För att ge ett exempel, anta att det är en mindre hallonskörd än förväntat. Leverantören skulle kunna använda Fresh4cast för att uppskatta hur mycket effektivare det skulle vara att sälja tillgängliga hallon i mindre korgar under de återstående månaderna av säsongen och på så sätt nå ett större antal enskilda kunder trots att de har mindre frukt tillgänglig än de trodde.

“De här besluten måste fattas så snabbt för färskvaror att utan en bra, solid modell skulle alla behöva förlita sig mycket på sina aningar”, säger Ciobanu.

Medan återförsäljare i slutändan bestämmer hur mycket de ska köpa och hur de ska marknadsföra det, kan leverantörer påverka beslutsfattandet. Det finns en bra anledning också, som Ciobanu säger: “Alla kan vinna om du gör det rätt.”

Leave a Reply

Your email address will not be published. Required fields are marked *