Снижение рисков самостоятельной оплаты и прескриптивная аналитика

Гай Йехиав (Guy Yehiav), генеральный директор и вице-президент подразделения Zebra Analytics в компании Zebra Technologies (https://www.zebra.com/us/en.html), рассказал о системах самостоятельной оплаты и решениях прескриптивной аналитики, которые используются в розничной торговле, а также о том, как сегодня они влияют на работу торговых предприятий в России и других странах.

Бескассовые магазины — следующая ступень развития розничной торговли. К примеру, Amazon расширяет свою сеть магазинов Amazon Go, в которых нет касс и для оформления покупки используется машинное зрение. Все больше розничных компаний переходят на беспрепятственную оплату для более эффективного и комфортного шопинга и повышения удовлетворенности клиентов. В ближайшее время это приведет к сокращению числа кассиров, кассовых аппаратов и очередей.

Пока розничные компании оценивают разные риски, связанные с технологиями беспрепятственной оплаты, можно использовать самый распространенный и любимый покупателями способ — решение для персональных покупок.

Согласно ежегодному исследованию компании Zebra Global Shopper Study (https://connect.zebra.com/Shop2020_NA?tactic_type=PRP&tactic_detail=RT_2020+Shopper+Study_2020+Shopper+Study_EMEA_GB), растет популярность технологий самообслуживания в розничных магазинах. За последние полгода такими решениями воспользовались 40% покупателей, а удобство этой технологии отметили 86% опрошенных. Кроме того, большинство покупателей (58%), особенно миллениалов (70%), согласно, что такие решения повышают уровень обслуживания. Большинство специалистов (54%) заявило о том, что благодаря новым технологиям снижается необходимость присутствия сотрудников на кассах. Почти 9 из 10 руководителей (87%) считают, что кассы самообслуживания позволяют персоналу магазина уделять больше внимания покупателям в зале, а 81% заявили, что уже получают прибыль от инвестиций.

Система самостоятельной оплаты — один из основных компонентов современного розничного магазина. Однако она несет риски для активов, и компаниям необходимы новые решения для их защиты. Уже доказала свою эффективность в этом вопросе прескриптивная аналитика, основанная на искусственном интеллекте (ИИ) и машинном обучении, которая позволяет отправлять нужные данные правильному человеку в подходящее время.

Вот несколько известных нам способов применения прескриптивной аналитики для снижения рисков, связанных с самостоятельной оплатой.

Мошенничество со скидками

Часто для снижения рисков розничные компании используют консультантов в зоне самообслуживания. Однако, возможно, этот подход возымеет обратный эффект. Даже меры, направленные на снижение рисков, могут стать их источником. Чтобы обеспечить максимально эффективный контроль, нужно дать доступ к прескриптивной аналитике людям.

Этот подход показал свою эффективность на примере одной розничной компании, в которой была развернута система прескриптивной аналитики. Долгое время эта компания полагалась на консультантов в зоне самостоятельной оплаты товаров, но однажды решила проверить их эффективность с помощью прескриптивной аналитики.

Меньше чем через 24 часа после запуска решение уведомило менеджера по защите активов, что в одном из магазинов в его районе зарегистрировано более частое применение скидок по сравнению с другими точками продаж. Анализ также показал, что почти все такие случаи приходились на смену недавно нанятого сотрудника, работавшего в зоне самостоятельной оплаты. Решение отправило менеджеру рекомендации по дальнейшим действиям и предложение побеседовать с сотрудником. Менеджер обнаружил наглядные свидетельства организованных преступных действий, что позволило предъявить мошеннику обвинения.

Где говядина?

Крупная сеть продуктовых магазинов внедрила прескриптивную аналитику, чтобы повысить маржу и точность управления складскими запасами. Вскоре после развертывания технологии ИИ и машинного обучения обнаружили нестандартную ситуацию. В начале недели в одном из магазинов было 113 кг курицы, а к среде, согласно записям, продали 230 кг, хотя дополнительных поставок не было. Цифры не сходились. В то же время решение обнаружило, что снизилось количество продаваемой говядины по сравнению со средними показателями для этого магазина. Такая же ситуация сложилась в другой торговой точке неподалеку. По рекомендации системы аналитики операционные директора распорядились проверить ценники в магазинах, а менеджеры по защите активов побеседовали с сотрудниками мясного отдела, которые были на смене в последние дни.

Оказалось, что некоторые из них вступили в преступный сговор с местным поставщиком продуктов питания. Он приезжал в магазины несколько раз в неделю и покупал большие партии дорогой говядины, например, каре или тонкий край вырезки. Мошенники клеили на пакеты с говядиной ценники для курицы, что позволило покупать дорогое мясо по очень низкой цене. Чтобы кассир не заподозрил подлог, всегда использовалась касса самообслуживания. Сотрудники мясного отдела затем получали от поставщика вознаграждение.

Владельцы магазина выдвинули обвинения против четырех сотрудников и поставщика и вернули себе 90 000 долларов США. Они также изменили процедуру самостоятельной оплаты, чтобы снизить риски в будущем.

Банановое сумасшествие

В другом крупном продуктовом магазине систему прескриптивной аналитики внедрили для контроля движения продукции и поведения покупателей. С помощью решения удалось обнаружить, что в нескольких магазинах месячные продажи бананов превышали объемы закупок. Согласно анализу первопричин, большая часть таких покупок была совершена на кассах самообслуживания — самой уязвимой части продуктового магазина. Система уведомила о ситуации менеджера по поставкам и порекомендовала проверить записи с камер наблюдения и кассы самообслуживания.

Выяснилось, что покупатели вводили код бананов, покупая другие — более дорогие — продукты, например, редкие фрукты, мясо, оливковое масло и отбеливатель. Решение вычислило, что магазин терял 8500 долларов США в неделю. Причиной стало мошенничество с ценниками и недостаточное восполнение товаров, пробиваемых на кассе вместо бананов. Это привело к ошибкам в инвентаризации и распределении продукции. Из-за этих неточностей на полках не было нужных товаров, что негативно сказалось на обслуживании покупателей, а магазин понес потери.

Система прескриптивной аналитики нашла решение проблемы и отправила инструкции в ИТ-отдел магазина. После этого кассы самообслуживания стали громко сообщать «Бананы!» каждый раз, когда покупатель вводил соответствующий код. Сотрудникам магазина стало проще обнаруживать случаи подлога, а мошенники перестали пользоваться этим способом обмануть магазин. Решение сработало, и неделю спустя маржа выросла на 1,2%. Опираясь на успех этого решения, система предписывающей аналитики отправила в ИТ-отдел еще одну рекомендацию — объявлять во всеуслышание о покупке любых продуктов из зоны риска.

Розничные компании часто рассматривают связанные с самообслуживанием риски как «издержки бизнеса». На самом деле, эти риски можно снизить с помощью правильных инструментов, например, технологий прескриптивной аналитики. Она расширяет возможности контроля и повышает эффективность, благодаря чему розничные компании могут находить уязвимые места рабочих процессов и устранять их, например, проводя расследования или требуя карту постоянного клиента для совершения каких-то действий. Наконец, такие инструменты позволят розничным компаниям увеличивать продажи и маржу, а также в будущем внедрять беспрепятственную оплату.

Для получения дополнительной информации посетите сайт:  Zebra Prescriptive Analytics (https://www.zebra.com/us/en/cpn/retail-prescriptive-analytics-solutions.html).