Интеграция ИИ в систему закупок Nordstrom
Nordstrom активно интегрировала искусственный интеллект в свое программное обеспечение для анализа расходов на закупки, чтобы оптимизировать стратегии поиска поставщиков и повысить прозрачность расходов. Каролин Дигас, вице-президент и руководитель отдела закупок, поделилась на форуме Manifest 2026 в Лас-Вегасе, что ИИ ускоряет поиск поставщиков, компилируя информацию за считанные минуты, в то время как раньше на это уходили часы. Компания использует эту технологию через программное обеспечение для анализа закупок, получая информацию о данных расходов, взаимоотношениях с поставщиками и возможностях стратегического поиска в режиме реального времени, например, для решения проблем сложных цепочек поставок и рисков, связанных с единственным поставщиком.[1][2]
Эта реализация поддерживает нелинейные процессы закупок, выходя за рамки традиционных инструментов в сторону большей гибкости и устойчивости. Дигас подчеркнула интерес к предиктивному ИИ для прогнозирования спроса и предписывающему ИИ для рекомендаций действий, одновременно уделяя особое внимание управлению данными во избежание неточностей или галлюцинаций. Nordstrom рассматривает внедрение ИИ как важное, и Дигас отметила, что компании, отстающие в этом вопросе, рискуют оказаться еще дальше, поскольку технология быстро развивается.[1]
Влияние на продуктовые ленты в e-commerce
ИИ-ориентированные закупки непосредственно улучшают продуктовые ленты в e-commerce за счет повышения прозрачности расходов и точности данных о поставщиках. Расширенная аналитика позволяет точно отслеживать затраты на закупку и категории, что приводит к более чистым данным для каталогов продукции. Это уменьшает количество ошибок при создании лент, когда несоответствующая информация о поставщиках часто нарушает синхронизацию цен или доступности на разных платформах.
На практике более быстрая информация о поставщиках упрощает обновление лент, обеспечивая соответствие ассортимента изменениям в реальном времени, без ручного согласования. Для розничных продавцов, работающих с большими объемами товарно-материальных запасов, это означает, что продуктовые ленты становятся более надежными, сводя к минимуму сбои при автоматической синхронизации с каналами продаж.[1][2] Узнайте больше о концепции product feed и ее важности для вашего интернет-магазина.
Повышение стандартов каталогов
Стандартизация каталогов выигрывает от способности ИИ систематически категоризировать расходы и выявлять закономерности закупок. Подход Nordstrom выявляет скрытую информацию, например, незамеченные зависимости от поставщиков, что позволяет командам применять последовательные правила категоризации в глобальных цепочках поставок. Это повышает стандарты каталогов за счет включения структурированных данных из закупок в описания продукции, уменьшая вариативность таких атрибутов, как спецификации материалов или сведения о происхождении.
Более высокая стандартизация поддерживает масштабируемые e-commerce операции, где единообразные каталоги облегчают согласованность между каналами и соответствие требованиям рынка. Скорость ИИ в обработке данных о расходах ускоряет это выравнивание, превращая необработанную информацию о закупках в стандартизированные основы каталогов.[2]
Повышение качества и полноты product card
Качество и полнота product card улучшаются, поскольку ИИ выявляет детали поставщиков и расходов, которые ранее были скрыты в отдельных системах. В Nordstrom практические результаты анализа расходов заполняют пробелы в данных о продукции, например, подробные разбивки затрат или альтернативные варианты поставок, обогащая карты проверенными атрибутами. Эта полнота повышает доверие покупателей, поскольку карты содержат более полные спецификации без неполноты, вызванной ручным вводом данных.
ИИ в сфере закупок обеспечивает постоянную точность, отмечая аномалии, такие как расходы без контрактов, которые могут привести к ошибкам в картах. Полученные карты поддерживают более богатый мерчандайзинг, с точными деталями, обеспечивающими лучшую релевантность поиска и конверсию в e-commerce средах.[1][2] Эффективные описания продукции имеют решающее значение для, чтобы превратить посетителей в клиентов.
Ускорение запуска ассортимента
Скорость запуска новых ассортиментов увеличивается благодаря быстрому развитию стратегии поиска поставщиков с помощью ИИ. Команда закупок Nordstrom теперь быстро разрабатывает планы по категориям, исследуя поставщиков до встречи и моделируя варианты в режиме реального времени. Это сокращает сроки от стратегии до прилавка, обеспечивая более быстрое внедрение ассортимента в условиях нестабильного спроса.
В e-commerce, где гибкость определяет конкурентоспособность, такое ускорение означает, что розничные продавцы могут переориентировать ассортимент еженедельно, а не ежеквартально. Экономия времени с помощью ИИ — часы сокращаются до минут — напрямую преобразуется в более быстрое заполнение лент и обновление витрин, опережая конкурентов, которые полагаются на более медленные ручные процессы.[1] Для дальнейшего чтения рассмотрите нашу статью о том, how to create sales-driving product descriptions.
Синтез No-code и ИИ в инфраструктуре контента
No-code платформы усиливают влияние ИИ на закупки в инфраструктуре контента, позволяя командам, не обладающим техническими навыками, организовывать потоки данных о продукции без пользовательского кодирования. Удобные инструменты ИИ Nordstrom требуют минимальных изменений процессов, позволяя результатам закупок напрямую поступать в no-code конвейеры для автоматизации каталогов. Этот синтез внедряет информацию о расходах в динамическую генерацию контента, автоматизируя обогащение карт и оптимизацию лент.
Предписывающий ИИ может еще больше развить это, рекомендуя no-code рабочие процессы на основе прогнозов расходов, способствуя созданию устойчивых конвейеров контента. Хотя это все еще находится на начальном этапе — Дигас отмечает раннюю стадию GenAI — надежное управление данными обеспечивает безошибочный ввод этих инструментов, масштабируя инфраструктуру контента для требований e-commerce.[1][5] Узнайте, как AI for Business может улучшить ваши показатели в e-commerce.
Supply Chain Dive.
Suplari Case Studies.
Достижения в закупках на основе ИИ, продемонстрированные Nordstrom, подчеркивают критический сдвиг в e-commerce к большей точности данных и оперативной гибкости. Эта тенденция глубоко перекликается с основной задачей NotPIM, которая фокусируется на предоставлении инструментов для управления и обогащения данных о продукции. Автоматизируя интеграцию подробной информации о поставщиках и аналитики расходов из таких источников, как программное обеспечение для закупок, в каталоги продукции, розничные продавцы могут значительно улучшить качество информации о продукции, уменьшить количество ошибок и ускорить выход на рынок. Необходимость в точных, актуальных данных имеет первостепенное значение, и ИИ-усовершенствованный поиск поставщиков еще больше подчеркивает ценность таких систем, как NotPIM, которые оптимизируют интеграцию данных в безкодовой среде. Чтобы помочь вам справиться с этими задачами, мы предлагаем price list processing program.