AllSaints wdraża natywne narzędzia AI dla przebudowy zakupów i merchandisingu
AllSaints, brytyjski detalista modowy, uruchomił inicjatywę mającą na celu integrację natywnych narzędzi SaaS AI z działaniami zakupowymi i merchandisingowymi. Zastępuje to starsze systemy oparte na arkuszach kalkulacyjnych i ręcznej obsłudze danych zautomatyzowanym, opartym na wglądach planowaniem w całym cyklu łańcucha dostaw i merchandisingu. Wdrożenie będzie przebiegać etapami, mając na celu usprawnienie procesów, zwiększenie dokładności prognoz i przesunięcie skupienia zespołu z manipulacji danymi na strategiczne podejmowanie decyzji.
Sprzedawca podkreślił, w jaki sposób zespoły merchandisingowe poświęcają obecnie dużo czasu na wyciąganie danych z rozbieżnych systemów, uzgadnianie arkuszy kalkulacyjnych i generowanie raportów – zadań, które nasilają się w miarę rozszerzania się asortymentu produktów, rozprzestrzeniania się kanałów sprzedaży i wzrostu zmienności rynku. Dyrektor ds. transformacji i technologii Alfie Meekings postrzega to jako kluczowy element filaru transformacji opartej na danych firmy, umożliwiający merchandiserom priorytetowe traktowanie wglądu w markę i szybkie umieszczanie produktów w celu zaspokojenia potrzeb klientów.
Etapowe wdrożenie koncentruje się na kluczowych problemach handlu detalicznego
Podejście etapowe zapewnia kompleksowe pokrycie funkcji łańcucha dostaw i planowania, rozwiązując nieefektywności w tradycyjnych narzędziach zaprojektowanych dla prostszych epok handlu detalicznego. Obserwatorzy branżowi zauważają, że takie ręczne przepływy pracy nie wykorzystują w pełni wiedzy specjalistycznej z zakresu merchandisingu, wiążąc zespoły z zadaniami o niskiej wartości w obliczu presji ekonomicznej, takiej jak zmienność, rosnące koszty i ściskanie marż. Ruch ten podkreśla ewolucję AI od nowości do operacyjnego kręgosłupa, przyspieszając decyzje, które bezpośrednio wpływają na ryzyko zapasów, marże i doświadczenia klienta.
Implikacje dla łańcucha dostaw e-commerce i standardów katalogowych
W e-commerce merchandising oparty na AI bezpośrednio ulepsza product feeds poprzez automatyzację uzgadniania i prognozowania danych, redukując błędy w alokacji zapasów i umożliwiając korekty w czasie rzeczywistym w odpowiedzi na zmienny popyt. Jest to zgodne z szerszymi zmianami w sektorze, gdzie big data i uczenie maszynowe personalizują asortyment, optymalizując ścieżki klientów dzięki szybszemu, opartemu na wglądach planowaniu[1]. W przypadku catalog standards, narzędzia AI wymuszają spójność w kategoryzacji — na przykład wyszukiwanie oparte na AI w celu szybkiego dopasowywania produktów — co wspiera zgodność z ewoluującymi wymaganiami platform, w tym zautomatyzowane kontrole pod kątem wymagań regulacyjnych i walidację list za pomocą uczenia maszynowego[3].
Card quality and completeness korzystają z automatyzacji, która minimalizuje luki w ręcznym wprowadzaniu danych, a AI analizuje zmienne, takie jak dynamika cen i dane konkurencji w celu dynamicznych aktualizacji. Automatyzacja cen w czasie rzeczywistym, oparta na analizie rynku i popytu, zapewnia, że oferty pozostają konkurencyjne bez ciągłego nadzoru[6]. To podnosi ogólną dojrzałość katalogu, gdzie niekompletne lub nieaktualne karty podważają zaufanie; 73% konsumentów unika nieocenianych produktów, co wzmacnia potrzebę zautomatyzowanych narzędzi reputacyjnych[2].
Przyspieszenie prędkości asortymentu dzięki integracji AI bez kodu
AI usprawnia assortment rollout speed, krytyczne w modzie, gdzie trendy szybko się zmieniają — merchandiserzy uzyskują szybszy dostęp do przewidywawczych wglądów, szybciej wycofując produkty i skalując zwycięzców w różnych kanałach. Platformy AI bez kodu obniżają bariery, umożliwiając zespołom nietechnicznym wdrażanie przepływów pracy bez niestandardowego kodowania, odzwierciedlając trendy SaaS w zarządzaniu łańcuchem dostaw (SCM), które mają 14,5% udziału w rynku optymalizacji zasobów[7]. Narzędzia do przepływu pracy z zawartością, na poziomie 10% SaaS, dodatkowo integrują się, strukturyzując dane towarowe dla bezproblemowych feedów i personalizacji witryny[5][7].
Te ulepszenia pozycjonują automatyzację jako imperatyw konkurencyjny, uwalniając wiedzę specjalistyczną dla zadań o dużym wpływie, jednocześnie adaptując się do wzrostu wielokanałowego. W miarę jak sprzedawcy detaliczni mierzą się z presją marż, takie integracje wzmacniają efektywność e-commerce bez gruntownej przebudowy infrastruktury.
InternetRetailing; CNews.
Posunięcie AllSaints oznacza kluczową zmianę w e-commerce w kierunku wykorzystania AI w celu ulepszenia zarządzania danymi produktów i optymalizacji katalogu. W NotPIM dostrzegamy rosnącą potrzebę, aby sprzedawcy detaliczni usprawniali procesy, szczególnie w katalogowaniu, wzbogacaniu danych i transformacji feedów, aby utrzymać przewagę konkurencyjną. Zmiana ta podkreśla również znaczenie automatyzacji zadań, które obecnie pochłaniają dużo czasu i zasobów, pozwalając zespołom skupić się na strategicznych decyzjach dotyczących produktów i poprawie doświadczeń klientów — dokładnie to, co NotPIM pomaga osiągnąć.