До пандемии средняя прибыль продуктовых магазинов колебалась около 2%, в основном из-за транспортной и логистической неэффективности. Изменение спроса на продукты и способа их продаж усугубило эти проблемы, и теперь магазины несут ответственность за 10% пищевых отходов в США. Такое перезаказывание не только снижает рентабельность, но и вынуждает ритейлеров повышать цены, чтобы компенсировать потери. В апреле 2020 года стоимость продуктов питания показала самый резкий ежемесячный рост почти за 50 лет, что было вызвано ростом цен на скоропортящиеся продукты, такие как мясо и яйца.

Shelf Engine, стартап из Сиэтла, основанный в 2015 году, стремится улучшить ситуацию, используя искусственный интеллект, чтобы помочь магазинам увеличить прибыль при одновременном сокращении отходов. Сегодня компания объявила, что привлекла 41 миллион долларов (3 039 699 000 рублей) финансирования серии В, доведя общую сумму привлеченных средств до 58 миллионов долларов (4 300 062 000 рублей), поскольку ее платформа расширяется: уже 85 клиентов и более 2000 магазинов по всей стране.

По словам соучредителя и генерального директора Стефана Калба (Stefan Kalb), продуктовые ритейлеры, которые сегодня не внедряют инновации, могут подвергнуть свои компании риску. Традиционно менеджеры по закупкам используют компьютерные системы заказа и решения «программное обеспечение как услуга», которые требуют предварительных инвестиций в оборудование и программное обеспечение. Эти решения часто не учитывают имеющиеся в наличии данные о запасах и высокую волатильность моделей продаж, например, при пандемических или погодных покупках. Анализ Retail Insight показал, что 56% записей о вечных запасах (PI), которые определяют, сколько запасов магазин получает при каждой поставке, являются неполными и что 15% потерянных продаж становятся результатом неточного PI.

“Во время пандемии на бакалейщиков повлияли новые модели спроса, к которым они не были готовы. Это вызвало волну лишних запасов, а также отходов. И увеличило число бакалейщиков, которые теперь хотят, чтобы ИИ взял на себя их заказы и снизил их профиль риска, — передал г-н Калб VentureBeat по электронной почте. — Мы вот-вот увидим масштабную трансформацию в продуктовом пространстве, но это не то, что вы ожидаете. Да, интернет-продажи растут, но это будет ничто по сравнению с операциями магазина, закупками и мерчендайзингом. Бакалея станет очень эффективным бизнесом и принесет гораздо больше прибыли, чем когда-либо прежде”.

Полочный Двигатель

Используя машинное обучение, Shelf Engine прогнозирует спрос на скоропортящиеся продукты, сокращая отходы и запасы. Опираясь на данные о точках продаж наряду с такими соображениями, как школьное расписание, местные события, праздники и погода, платформа генерирует вероятностные модели для каждого уникального продукта и каждого магазина, каждый день. Они преобразуются в модели максимизации прибыли для создания заказов, которые затем питаются моделями временных рядов наряду с моделями, зависящими от машинного обучения. В качестве последнего шага Shelf Engine отправляет заказы магазина поставщикам.

Shelf Engine не взимает плату за товары, которые не продаются, — розничные продавцы платят только за те поставки, которые удалось реализовать. По словам г-на Калба, один национальный бакалейщик увеличил свою маржу прибыли на 63,7%, используя Shelf Engine для устранения затрат на усадку от порчи, поломки и кражи. Клиенты Shelf Engine в среднем минимизируют запасы на 90%, а пищевые отходы сокращают на целых 32%, утверждает разработчик.

“Мы сокращаем отходы, одновременно увеличивая продажи, и это напрямую влияет на прибыль бакалейщика, — добавил г-н Калб. — Мы помогаем бакалейщикам зарабатывать гораздо больше денег, лучше позиционируя их, чтобы получить долю рынка и предложить конкурентоспособные цены, что особенно важно, когда на рынок выходят технологические гиганты и другие поглотители. Этот последний раунд позволит нам еще полнее удовлетворить спрос наших клиентов на запуск тысяч новых магазинов в ближайшие 18 месяцев.”

General Catalyst возглавила объявленный сегодня раунд финансирования с последующими инвестициями GGV Capital, Foundation Capital, 1984 Ventures, Correlation Ventures, Founders’ Co-op, Soma Capital, Firebolt Ventures и Initialized Capital. В дополнение к продолжающемуся расширению, руководство Shelf Engine, где уже 145 служащих, планирует дополнительно инвестировать в свою команду инженеров, специалистов по обработке данных и специалистов по автоматизации цепочек поставок.

Источник: https://venturebeat.com/2021/03/18/ai-powered-grocery-inventory-startup-shelf-engine-nabs-41m/

от AI_NEWS

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *