એકમો
1. રિટેલમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સનો પરિચય: ભૂમિકાઓ, સીમાઓ, પ્રમાણીકરણ અને ગોપનીયતા 2. માંગની આગાહી: વેચાણની આગાહી, મોસમ અને વલણ વિશ્લેષણ 3. સ્ટોક અને ઈન્વેન્ટરી મેનેજમેન્ટ: પુનઃક્રમાંકિત, સલામતી સ્ટોક અને સ્ટોકઆઉટ્સ 4. પ્રાઇસીંગ સ્ટ્રેટેજી: પ્રાઇસ પોઝીશનીંગ, ઇલાસ્ટીસીટી અને ડીસ્કાઉન્ટીંગ 5. સ્ટોર લેઆઉટ અને સેક્શન મેનેજમેન્ટ: પ્લાનોગ્રામ અને ગ્રાહક પ્રવાહ 6. ગ્રાહક વિભાજન: RFM, વ્યક્તિગતકરણ અને વફાદારી 7. ઝુંબેશ અને પ્રમોશન ડિઝાઇન: મિકેનિક્સ, બજેટ અને માપન 8. ઉત્પાદન સામગ્રી: વર્ણન, શીર્ષક અને શ્રેણી ટેક્સ્ટ્સ 9. વેચાણ વિશ્લેષણ અને રિપોર્ટિંગ: KPI, ડેશબોર્ડ અને નિર્ણય સપોર્ટ 10. ડેટા ગોપનીયતા, નૈતિક કિંમત અને બ્રાન્ડ સલામતી 11. એન્ડ-ટુ-એન્ડ ઇન્ટિગ્રેશન: આર્ટિફિશિયલ ઇન્ટેલિજન્સ સાથે રિટેલ વર્કફ્લોનું સંયોજન
એકમ 5 / 11

સ્ટોર લેઆઉટ અને સેક્શન મેનેજમેન્ટ: પ્લાનોગ્રામ અને ગ્રાહક પ્રવાહ

નફો:

  • આર્ટિફિશિયલ ઇન્ટેલિજન્સ સપોર્ટ સાથે ચોરસ મીટરની કાર્યક્ષમતા, પાંખનું તાપમાન અને ગ્રાહક પ્રવાહનું વિશ્લેષણ કરવાની અને લેઆઉટ સૂચનો બનાવવાની ક્ષમતા
  • આર્ટિફિશિયલ ઇન્ટેલિજન્સ સાથે પ્લાનોગ્રામ, ક્રોસ-સેલિંગ અને કેટેગરી ક્લસ્ટરિંગ લોજિક તૈયાર કરવાની ક્ષમતા
  • Yapay zeka önerilerinin mağaza gerçeği, güvenlik ve mevzuatla (ör. tütün/alkol teşhir kuralları) doğrulanması gerektiğini kavrayabilme

સ્ટોરના ચોરસ મીટરનો અર્થ પૈસા છે. તમે તે ચોરસ મીટરમાં શું મૂકો છો, ગ્રાહક કેવી રીતે ફરે છે, કયું ઉત્પાદન આંખના સ્તરે છે; તે બધા વેચાણને સીધી અસર કરે છે. ભૌતિક સ્ટોરમાં કોઈ "વર્ચ્યુઅલ સ્ટોરફ્રન્ટ ઑપ્ટિમાઇઝેશન" નથી, પરંતુ એક સમાન વિજ્ઞાન છે: કેટેગરી મેનેજમેન્ટ અને પાંખનું આયોજન. આ એકમમાં, તમે વિશ્લેષક તરીકે આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉપયોગ વેચાણ અને ફીલ્ડ ડેટામાંથી સ્થાન ભલામણો જનરેટ કરશો. ફરીથી, જટિલ ચેતવણી: AI બ્લુપ્રિન્ટ પ્રદાન કરે છે; સલામતી, નિયમો અને સ્ટોર વાસ્તવિકતા સાથે ચકાસવાનું તમારું કામ છે.

મૂળભૂત ખ્યાલો:

પ્લાનોગ્રામ: Bir reyondaki her ürünün hangi rafta, hangi yükseklikte, kaç yüz (સામનો) ile duracağını gösteren görsel yerleşim planıdır.

ફેસિંગ: શેલ્ફ પર પ્રોડક્ટની ફ્રન્ટ-ફેસિંગ સપાટી. વધુ ચહેરાનો અર્થ છે વધુ દૃશ્યતા અને ઓછા સ્ટોકિંગ.

સ્ક્વેર મીટરની કાર્યક્ષમતા: તે વિભાગ અથવા તે આવરી લેતા વિસ્તાર દીઠ કેટેગરી દ્વારા પેદા થયેલ ટર્નઓવર/નફો છે. "આ શેલ્ફનું દરેક ચોરસ મીટર દર મહિને કેટલા TL જનરેટ કરે છે?" પ્રશ્નનો જવાબ છે.

વિભાગનું તાપમાન (ગરમ/ઠંડા ઝોન): "ગરમ" ઝોન જ્યાં ગ્રાહકો સૌથી વધુ મુલાકાત લે છે અને "ઠંડા" ઝોન જ્યાં ગ્રાહકો ઓછી મુલાકાત લે છે. હોટ ઝોનને મૂલ્યવાન ઉત્પાદનોમાં વિભાજિત કરવામાં આવે છે, અને ઠંડા ઝોનને આવશ્યક ઉત્પાદનોમાં વિભાજિત કરવામાં આવે છે જે ટ્રાફિક બનાવતા નથી.

ગ્રાહક પ્રવાહનો મૂળભૂત તર્ક

જ્યારે મોટાભાગના ગ્રાહકો સ્ટોરમાં પ્રવેશ કરે છે, ત્યારે તેઓ જમણી તરફ વળે છે અને પરિમિતિની આસપાસ ચાલે છે. તેથી:

  • એન્ટ્રી ઝોન (ડિકોમ્પ્રેશન): ગ્રાહક હજી સુધી "શોપિંગ મોડ" દાખલ થયો નથી; સ્વાગત/અભિયાન અહીં મૂકવામાં આવ્યું છે, નિર્ણાયક ઉત્પાદન નહીં.
  • આંખનું સ્તર શેલ્ફ: સૌથી મૂલ્યવાન જગ્યા; ઉચ્ચ માર્જિન અથવા લક્ષ્ય ઉત્પાદનો અહીં.
  • નીચલા/ઉપલા છાજલીઓ: ઓછા દૃશ્યમાન; કિંમત લક્ષી અથવા વિશિષ્ટ ઉત્પાદનો.
  • કેશિયર ફ્રન્ટ: ઇમ્પલ્સ નાના ઉત્પાદનો; રાહ જોતી વખતે તે કાર્ટમાં ઉમેરવામાં આવે છે.
  • આવશ્યક ઉત્પાદનો (દૂધ, બ્રેડ): સામાન્ય રીતે તળિયે; ગ્રાહક તેમની પાસે જાય ત્યારે આખો સ્ટોર જુએ છે.
İpucu: Yapay zekaya mağaza planınızı ve kategori satışlarını verip "hangi kategori sıcak bölgede olmalı, hangisi metrekare verimliliği düşük" diye sorun. પરંતુ ભૌતિક રેકના કદ અને સુરક્ષા સાથે તેણે ભલામણ કરેલ કોઈપણ કેરીને ચકાસો.

ક્રોસ-સેલિંગ અને સંલગ્નતા

બાસ્કેટ મોટી બને છે જ્યારે એકસાથે વપરાતા ઉત્પાદનોને બાજુમાં મૂકવામાં આવે છે: પાસ્તા-ટામેટા પેસ્ટ, ચિપ્સ-સોડા, કોફી-ફિલ્ટર. આર્ટિફિશિયલ ઇન્ટેલિજન્સ એકસાથે ખરીદેલી વસ્તુઓ શોધી શકે છે (બાસ્કેટ એનાલિસિસ) અને પડોશની ભલામણો કરી શકે છે. તેને માર્કેટ બાસ્કેટ વિશ્લેષણ કહેવામાં આવે છે: તે રસીદો પરના ઉત્પાદન સંયોજનોમાંથી "કોણ આ ખરીદે છે, તે ખરીદે છે" પેટર્ન શોધે છે.

લેઆઉટ સાધન

શું કરે છે

કૃત્રિમ બુદ્ધિનું યોગદાન

પ્લાનોગ્રામ

શેલ્ફ લેઆઉટની યોજના

વેચાણ અનુસાર ડ્રાફ્ટ ફેસિંગ અને સ્થાન પ્રસ્તાવ

બાસ્કેટ વિશ્લેષણ

જે એકસાથે લેવાય છે તે શોધે છે

રસીદના ડેટામાંથી પડોશની પેટર્ન કાઢે છે

ચોરસ મીટર કાર્યક્ષમતા

ક્ષેત્ર દીઠ નફો માપે છે

ઓછી ઉપજ આપતી પાંખને ચિહ્નિત કરે છે

હીટમેપ (પ્રવાહ)

ગ્રાહકની ઘનતા દર્શાવે છે

હોટ/કોલ્ડ ઝોન ટિપ્પણી અને સૂચન

નિયમનકારી અને સુરક્ષા: બિન-વાટાઘાટપાત્ર

કેટલાક લેઆઉટ નિયમો કાયદામાંથી આવે છે અને AI કદાચ તેમને જાણતું નથી:

  • તમાકુ ઉત્પાદનો: મોટાભાગના દેશો/સ્થાનોમાં સ્ટોરફ્રન્ટ/ઓપન ડિસ્પ્લે પ્રતિબંધિત છે; તેને બંધ કેબિનેટમાં રાખવામાં આવે છે.
  • આલ્કોહોલ: વેચાણના કલાકો અને પ્રદર્શન પ્રતિબંધોને આધીન.
  • વય-પ્રતિબંધિત ઉત્પાદનો: બાળકો માટે સુલભ સ્થળોએ મૂકશો નહીં.
  • ખાદ્ય સુરક્ષા: કોલ્ડ ચેઇન ઉત્પાદનો કેબિનેટની બહાર મૂકવામાં આવતાં નથી, અને ભારે ઉત્પાદનો ઊંચા છાજલીઓ પર મૂકવામાં આવતાં નથી (પડવાનું જોખમ).
  • ફાયર/ઇવેક્યુએશન: કોરિડોરની પહોળાઇ અને ઇમરજન્સી એક્ઝિટ સ્પષ્ટ રહેવી જોઇએ.
ધ્યાન આપો: જો આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા "આ ઉત્પાદનને પ્રવેશદ્વાર પર, આંખના સ્તરે મૂકવા"ની ભલામણ વ્યાપારી અર્થમાં હોય, તો પણ જો તે કાયદાની વિરુદ્ધ હોય તો તેનો અમલ કરી શકાતો નથી. સ્થાનિક નિયમો સાથે દરેક પ્લાનોગ્રામને ફિલ્ટર કરો.

પગલું લેઆઉટ વિશ્લેષણ દ્વારા પગલું

  1. ડેટા એકત્રિત કરો: કેટેગરી/SKU વેચાણ, શેલ્ફની લંબાઈ, માર્જિન, કાર્ટ એસોસિએશન, સ્ટોર મેપ.
  2. કાર્યક્ષમતાની ગણતરી કરો: કઈ શ્રેણી તેના ક્ષેત્ર પ્રમાણે ઓછો નફો કરે છે?
  3. પડોશની ભલામણો મેળવો: કાર્ટ વિશ્લેષણમાંથી ક્રોસ-સેલિંગની તકો.
  4. ડ્રાફ્ટ પ્લાનોગ્રામ બનાવો: હોટ ઝોન, આંખનું સ્તર, સૂચનોનો સામનો કરવો.
  5. ફિલ્ટર કરો અને લાગુ કરો: કાયદા, સુરક્ષા, ભૌતિક વાસ્તવિકતા અને ગ્રાહક અનુભવ સાથે ચકાસો, સ્ટોર ટીમ સાથે અરજી કરો.

નાના કેસો

કેસ 1 - ચોરસ મીટર કાર્યક્ષમતા: કરિયાણાની દુકાનમાં, ડેલીકેટ્સન વિભાગ વેચાણ વિસ્તારના 12% પર કબજો કરે છે પરંતુ ટર્નઓવરના માત્ર 5% જનરેટ કરે છે. કૃત્રિમ બુદ્ધિ તેના કાર્યક્ષમતા વિશ્લેષણમાં આને ચિહ્નિત કરે છે. પાંખ 8% સુધી સંકુચિત છે અને ઉચ્ચ માર્જિનવાળા નાસ્તા ખાલી જગ્યામાં આવે છે. શ્રેણી ચોરસ મીટર કાર્યક્ષમતા ત્રણ મહિનામાં 22% વધે છે; સંકોચન છતાં ડેલીકેટેસનનું વેચાણ લગભગ સ્થિર રહે છે.

કેસ 2 — ક્રોસ-સેલિંગ પડોશી: એક DIY સ્ટોર તેના બાસ્કેટ વિશ્લેષણમાં શોધે છે કે 38% જેમણે ડ્રીલ ખરીદી હતી તેઓ પણ સમાન રસીદમાં ડ્રિલ બિટ્સ ખરીદે છે, પરંતુ બંને ઉત્પાદનો અલગ-અલગ પાંખમાં છે. કૃત્રિમ બુદ્ધિમત્તા પડોશી સૂચન સાથે ડ્રિલની બાજુમાં બિટ્સ મૂકે છે. 6 અઠવાડિયામાં Nib વેચાણમાં 27%નો વધારો; વધારાનું ટર્નઓવર કાયમી બની જાય છે.

કેસ 3 - કાયદો ફિલ્ટરને બચાવે છે: કરિયાણાની દુકાન કૃત્રિમ બુદ્ધિમત્તાને "સૌથી વધુ નફાકારક ઉત્પાદનોને પ્રવેશદ્વાર પર, આંખના સ્તરે મૂકવા" કહે છે. ભલામણ સૂચિમાં સિગારેટ પણ દેખાય છે. જવાબદાર વ્યક્તિ આને કાયદાકીય ફિલ્ટરમાં પકડે છે અને તેને દરખાસ્તમાંથી દૂર કરે છે; ખુલ્લા પ્રદર્શન પર પ્રતિબંધનું ઉલ્લંઘન અને તેની સજા અટકાવવામાં આવે છે.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

મારે મારા સ્ટોરને કેવી રીતે ગોઠવવું જોઈએ?

કોઈ ડેટા નથી, કોઈ સ્કેચ નથી અને કોઈ પ્રતિબંધ નથી; તે એક સામાન્ય ક્લિચ હોવાનું બહાર આવ્યું છે.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: શ્રેણી અને પાંખ આયોજન નિષ્ણાત. ડેટા: નીચે કેટેગરીઓનું માસિક ટર્નઓવર, માર્જિન અને શેલ્ફ મીટર કવરેજ છે. વધુમાં, બાસ્કેટ વિશ્લેષણમાંથી ઉત્પાદનની જોડી એકસાથે લેવામાં આવે છે. સ્ટોરના પ્રવેશદ્વારથી રોકડ રજિસ્ટર સુધી જમણી બાજુથી પરિભ્રમણ. કાર્ય: (1) ઓછી ચોરસ મીટર કાર્યક્ષમતા સાથે 3 શ્રેણીઓ ચિહ્નિત કરો, (2) 2 શ્રેણીઓ સૂચવો કે જેને ગરમ ઝોનમાં ખસેડવી જોઈએ, (3) 2 ક્રોસ-સેલિંગ પડોશીઓ સૂચવો. પ્રતિબંધ: તમાકુ અને આલ્કોહોલ પ્રદર્શન નિયમો સામે સૂચનો કરશો નહીં; કેબિનેટની બહાર કોલ્ડ ચેઇન ઉત્પાદનોની ભલામણ કરશો નહીં. સૂચનોના કારણો સાથે એક ટેબલ બનાવો. ડેટા: [પેસ્ટ કરો]

નકલ કરી શકાય તેવા પ્રોમ્પ્ટ નમૂનાઓ

1) ચોરસ મીટર કાર્યક્ષમતા વિશ્લેષણ

ટર્નઓવર, માર્જિન અને શેલ્વિંગ મીટરનો ઉપયોગ કરીને તમારી ચોરસ મીટર કાર્યક્ષમતાની ગણતરી કરો જે નીચેની શ્રેણીઓ દ્વારા કબજે કરવામાં આવે છે. 3 સૌથી કાર્યક્ષમ અને 3 સૌથી ઓછી ઉત્પાદક શ્રેણીઓની સૂચિ બનાવો. ટેબલ આપો. ડેટા: [પેસ્ટ કરો]

2) ક્રોસ-સેલિંગ પડોશી

વિભાગ સંલગ્નતા સૂચનો એકસાથે ખરીદેલ ઉત્પાદનોની નીચેની જોડીમાંથી બહાર આવે છે (બાસ્કેટ વિશ્લેષણ). 5 સૌથી મજબૂત સંગઠનો અને સૂચિત પ્લેસમેન્ટ આપો. ડેટા: [પેસ્ટ કરો]

3) ડ્રાફ્ટ પ્લાનોગ્રામ

નીચેની શ્રેણી માટે ડ્રાફ્ટ શેલ્ફ લેઆઉટ સૂચવો: કયું ઉત્પાદન આંખના સ્તરે હોવું જોઈએ, જે ઉપર/નીચે હોવું જોઈએ, ફેસિંગ ડિસ્ટ્રિબ્યુશન શું હોવું જોઈએ? માર્જિન અને વેચાણ વેગ પર આધારિત. [નિયમનકારી પ્રતિબંધો સ્પષ્ટ કરો].ઉત્પાદનની સૂચિ: [પેસ્ટ કરો]

4) નિયમનકારી/સુરક્ષા ફિલ્ટર

કાયદા અને સલામતી માટે નીચેના લેઆઉટ સૂચનો તપાસો: તમાકુ/દારૂ પ્રદર્શન, વય મર્યાદા, કોલ્ડ ચેન, કોરિડોર અને ઇમરજન્સી એક્ઝિટ. જે લાગુ પડતું નથી તેના પર ટિક કરો. સૂચન: [પેસ્ટ કરો]

સામાન્ય ભૂલો

  • માત્ર ટર્નઓવર જોઈ રહ્યા છીએ: કેટેગરી જે ઘણી જગ્યા લે છે અને ઓછી કમાણી કરે છે તે બિનકાર્યક્ષમ છે; ચોરસ મીટરની કાર્યક્ષમતા જુઓ.
  • કાયદો ઘડવા માટે AI પર આધાર રાખવો: તમાકુ/દારૂ/વયના નિયમો મનુષ્યો દ્વારા ફિલ્ટર કરવા જોઈએ.
  • ભૌતિક વાસ્તવિકતાને અવગણવી: શેલ્ફનું કદ, ઉત્પાદનનું વજન, પાંખની પહોળાઈ સૂચનની શક્યતા નક્કી કરે છે.
  • ક્રોસ-સેલિંગની ફરજ પાડવી: અસંબંધિત ઉત્પાદનોને એકબીજાની બાજુમાં મૂકવું ગ્રાહકને મૂંઝવણમાં મૂકે છે; ડેટા પર આધાર રાખો.
  • ગ્રાહકના અનુભવને ભૂલી જવું: ઓવર-ઓપ્ટિમાઇઝેશન મેઝ જેવો સ્ટોર બનાવી શકે છે અને સંતોષ ઘટાડી શકે છે.
  • તેને એકવાર સેટ કરો અને ભૂલી જાઓ: લેઆઉટની સિઝન અને વેચાણ સાથે નિયમિતપણે સમીક્ષા થવી જોઈએ.

સારાંશમાં

સ્ટોર લેઆઉટ એ જગ્યા-કાર્યક્ષમતા અને ગ્રાહક-પ્રવાહનું વિજ્ઞાન છે. AI વેચાણ, માર્જિન અને બાસ્કેટ ડેટામાંથી કાર્યક્ષમતા, સંલગ્નતા અને પ્લાનોગ્રામની રૂપરેખા બનાવે છે. પરંતુ તમાકુ/દારૂનું પ્રદર્શન, સુરક્ષા અને ભૌતિક વાસ્તવિકતા બિન-વાટાઘાટપાત્ર છે; દરેક સૂચનને કાયદા સાથે ફિલ્ટર કરો અને વાસ્તવિકતાને સ્ટોર કરો અને તેનો અમલ કરો.

એપ્લિકેશન કાર્ય

તમારા સ્ટોરમાંના માસિક ટર્નઓવર, માર્જિન અને શેલ્ફ મીટરને કોષ્ટકમાં લો. તમારા કાર્ટ ડેટા સાથે "1) સ્ક્વેર મીટર કાર્યક્ષમતા વિશ્લેષણ" સાથે સૌથી વધુ બિનકાર્યક્ષમ શ્રેણીઓ શોધો અને "2) ક્રોસ-સેલિંગ પડોશી" સૂચનો કરો. છેલ્લે, "4) રેગ્યુલેટરી/સિક્યોરિટી ફિલ્ટર દ્વારા તમામ સૂચનો પસાર કરો.

ચેકલિસ્ટ

  • [ ] મેં શ્રેણીની આવક, માર્જિન અને વિસ્તારનો ડેટા એકત્રિત કર્યો.
  • [ ] મેં ચોરસ મીટરની કાર્યક્ષમતાની ગણતરી કરી.
  • [ ] મેં બાસ્કેટ વિશ્લેષણમાંથી ક્રોસ-સેલિંગ પાડોશ કાઢ્યો.
  • [ ] મેં તમાકુ/આલ્કોહોલ/ઉંમર અને સલામતીના નિયમો ફિલ્ટર કર્યા છે.
  • [ ] મેં ભૌતિક શેલ્ફની વાસ્તવિકતાની ચકાસણી કરી.
  • [ ] મેં નિયમિતપણે લેઆઉટની સમીક્ષા કરવાની યોજના બનાવી છે.