Pelnas:
- Galimybė interpretuoti ir pranešti apie KPI, pvz., apyvartą, maržą, konversiją, krepšelio dydį ir akcijų apyvartos greitį naudojant dirbtinio intelekto palaikymą.
- Galimybė parengti valdymo suvestinę, anomalijų aptikimą ir veiksmų pasiūlymą iš neapdorotų pardavimo duomenų
- Supratimas, kad dirbtinio intelekto atlikta analizė ir grafinės interpretacijos turi būti patikrintos šaltinio duomenimis ir skaičiavimais
Mažmeninėje prekyboje duomenų yra daug, tačiau įžvalgos retai pasitaiko. Tūkstančiai eilučių iš kasos aparato, elektroninės prekybos ir akcijų kasdien teka; Svarbiausia išanalizuoti šiuos neapdorotus duomenis "kas vyksta, kodėl tai vyksta, ką reikėtų daryti?" kad tai paverstų atsakymais į jūsų klausimus. Šiame skyriuje dirbtinį intelektą naudosite kaip analitikas, kuris iš neapdorotų pardavimo duomenų rengia santrauką, KPI interpretaciją, anomalijų aptikimą ir veiksmų rekomendacijas. Vėlgi, galioja auksinė taisyklė: kiekvienas dirbtinio intelekto sukurtas skaičius ir interpretacija turi būti patikrinta šaltinio duomenimis ir skaičiavimais.
Pagrindinės sąvokos:
KPI (pagrindinis našumo rodiklis): kritinės metrikos, apibendrinančios verslo būklę. Mažmeninėje prekyboje pagrindiniai yra: apyvarta, bendroji marža, konvertavimo kursas, vidutinis krepšelis, akcijų apyvartos rodiklis.
Konversijų rodiklis: kiek žmonių, kurie įėjo į parduotuvę / apsilankė svetainėje, įsigijo. Jei 4 iš 100 lankytojų jį nusipirko, konversija yra 4%.
Vidutinis krepšelio dydis: vidutinės vienos operacijos išlaidos.
Atsargų apyvartumo rodiklis: kiek kartų atsargos apverčiamos (parduodamos ir atnaujinamos) per laikotarpį. Aukštas = efektyvus grynųjų pinigų naudojimas.
Anomalija: netikėtas duomenų šuolis arba sumažėjimas; dažnai ankstyvas signalas apie problemą ar galimybę.
Mažmeninės prekybos KPI prietaisų skydelis
KPI
ką tai sako
Galima priežastis, jei jis nukris
apyvarta
Bendra verslo apimtis
Srauto / konversijos / kainos kritimas
bendroji marža
Pardavimų pelningumas
Per didelės nuolaidos, išlaidų padidėjimas
Konversijos rodiklis
Vizito pavertimas išpardavimu
Išparduota, kaina, patirties problema
Vidutinis krepšelis
Vienos operacijos vertė
Prastas kryžminis pardavimas, kampanija baigėsi
Akcijų apyvartos greitis
grynųjų pinigų efektyvumas
Perteklinės/negyvos atsargos
Grąžinimo norma
Produktas / lūkesčiai atitinka
Netinkamas turinys, kokybės problema
Patarimas: neapsispręskite pagal vieną KPI. Jei apyvartai didėjant marža didėja, vadinasi, „nusipirkai“ išpardavimą su nuolaida. Kartu skaitykite KPI.
Kaip dirbtinis intelektas neapdorotus duomenis paverčia santrauka?
Galite pateikti pardavimo lentelę (data, kategorija, kiekis, apyvarta, grąžinimas) ir paprašyti:
- Santrauka: geriausias / blogiausias našumas, pastebimi pokyčiai.
- Palyginimas: Šis laikotarpis ir paskutinis laikotarpis, parduotuvė ir tt prekybos centras.
- Anomalija: netikėti šuoliai / kritimai ir galimos priežastys.
- Veiksmas: vieno sakinio rekomendacija už kiekvieną radinį.
AI tai padaro per kelias minutes; Bet kritiškas: jis gali suklysti pats skaičiuodamas skaičius. Taigi patikrinkite išvesties sumas, procentus ir tendencijas naudodami šaltinio duomenis.
Anomalijų aptikimas: ankstyvas įspėjimas
Dienos apyvarta staiga sumažėja perpus; kategorijos grąžos normos padvigubinimas; Parduotuvės nuosmukis, nepanašus į bet kurią kitą. Tai gali signalizuoti apie duomenų klaidas, pasibaigusias atsargas, kainų klaidas ar veikimo problemas. Dirbtinis intelektas pažymi šiuos nukrypimus, bet prisiima priežastį, o ne patikrinimą. „Apyvarta sumažėjo, nes baigėsi jūsų atsargos“ yra hipotezė; Jūs žiūrite į akcijų duomenis ir juos patikrinate.
Atsargiai: AI kartais gali sukurti „tendenciją“ arba „priežastį“, kurios nėra (haliucinacijos). Prieš paversdami komentarą veiksmu, turėtumėte paklausti „ar tai iš tikrųjų rodoma duomenyse? Grįžkite į šaltinį.
Žingsnis po žingsnio analizė
- Ruošti anoniminius, švarius duomenis: Jokios asmeninės informacijos; data, kategorija/SKU, kiekis, apyvarta, marža, grąža.
- Paaiškinkite klausimą: "Kas atsitiko?" (santrauka), "kodėl?" (pagrindinė priežastis), "ką daryti?" (veiksmas).
- Užklausos santrauka ir anomalija: Taikant taisyklę pasikliauti tik skaičiumi duomenyse.
- Patikrinkite: patikrinkite sumas ir procentus rankiniu būdu / skaičiuoklėje; Patikrinkite priežastis, palyginti su šaltinio duomenimis.
- Paverskite veiksmais: suteikite pirmenybę patvirtintoms išvadoms ir priimkite sprendimus.
mini dėklai
1 atvejis – išankstinis įspėjimas apie anomaliją: tinklo parduotuvės filialo apyvarta šeštadienį yra 55 % mažesnė už savaitės vidurkį. Dirbtinis intelektas tai pažymi kaip anomaliją. Tyrimas atskleidžia, kad tą dieną POS (išsiregistravimo) sistema sugedo 3 valandas; Apyvartos praradimas nėra realus, tai yra registracijos klausimas. Ataskaita ištaisoma ir techninis gedimas užfiksuojamas. Jei dirbtinis intelektas pasakytų, kad „paklausa sumažėjo“, būtų imtasi neteisingų veiksmų.
2 atvejis. Apyvartos ir maržos prieštaravimas: elektroninės prekybos įmonė džiaugiasi, kad jos mėnesinė apyvarta išaugo 14%. AI KPI interpretacija rodo, kad bendrasis pelnas sumažėjo 6% punktų, o padidėjimas susijęs su didelėmis nuolaidomis. Vadovybė peržiūri nuolaidų intensyvumą; Vietoj iliuzijos „augam“, dėmesys sutelkiamas į pelningą augimą.
3 atvejis – patvirtinimas užklumpa haliucinacijas: analitikas palygina AI santrauką „gėrimų kategorija išaugo 30 %“ su šaltinio duomenimis; faktinis padidėjimas yra 12%. AI neteisingai suskaičiavo kelias savaites. Analitikas taiso. Neatlikus patikrinimo, vadovybei būtų pateikta klaidinga augimo istorija.
Teisingas palyginimas: obuolių palyginimas su obuoliais
Dažniausia pardavimo analizės klaida yra neteisingas lyginamasis įvertinimas. Vienos savaitės apyvartos palyginimas su ankstesne yra klaidinantis, jei tarp jų yra valstybinė šventė, orų reiškinys ar akcija. Mažmeninėje prekyboje sveikas palyginimas paprastai grindžiamas panašiu laikotarpiu: ta pati praėjusių metų savaitė, tos pačios dienos tipas (šeštadienis ir šeštadienis), ta pati kampanijos situacija. Palygindami AI nurodykite šį kontekstą: „lyginkite ne su praėjusią savaitę, o su ta pačia praėjusių metų savaite, nes šią savaitę yra šventė“.
LFL (Like-for-Like / palyginamų parduotuvių pardavimas): matas, palyginantis tik parduotuvių, kurios buvo atidarytos bent vienerius metus, pardavimą. Klaidina prie bendros sumos pridėti naujai atidarytų parduotuvių apyvartą ir sakyti „užaugome“; Tikroji problema yra ta, ar esamos parduotuvės auga ekologiškai. Grandinės valdymo srityje LFL yra vienas sąžiningiausių tikrojo veiklos rodiklių.
Patarimas: jei skaičius jums atrodo geras ar blogas, paklauskite „pagal ką? paklausti. Nė vienas KPI nėra prasmingas pats savaime be nuorodos (praėję metai, tikslas, panaši parduotuvė). Prašydami dirbtinio intelekto komentarų, pateikite nuorodą.
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas:
Interpretuokite šiuos pardavimo duomenis.
Klausimas neaiškus; paviršutiniškos, nepatikrinamos interpretacijos grįžta.
Galingas raginimas:
Jūsų vaidmuo: mažmeninės prekybos analitikas. Duomenys: žemiau pateikiamos kategorijų apyvartos, kiekis, marža ir grąžinimų skaičius per pastarąsias 8 savaites (anoniminis). Užduotis: (1) 3 geriausios ir silpniausios kategorijos, (2) 3 pastebimi pokyčiai, palyginti su praėjusia savaite, (3) ar yra kokių nors netikėtų nukrypimų (anomalijų), galimą priežastį pažymėti kaip HIPOTEzę, (4) po vieną sakinio veiksmą už kiekvieną radinį. Taisyklė: pasikliaukite tik skaičiumi duomenyse, nepridėkite informacijos iš išorės. Apskaičiuokite procentus. Parodyk man, kad galėčiau patikrinti. Formatas: straipsnis po straipsnio, ne daugiau kaip 250 žodžių. Duomenys: [įklijuoti]
Kopijuojami raginimo šablonai
1) Savaitės valdymo suvestinė
Iš šių anoniminių savaitinių pardavimo duomenų išveskite santrauką: geriausios / silpnos kategorijos, reikšmingi pakeitimai, 3 veiksmų rekomendacijos. Tiesiog naudokite skaičių duomenyse, parodykite procentus. Duomenys: [įklijuoti]
2) KPI skaičiavimas ir komentaras
Iš šių duomenų apskaičiuokite šiuos KPI: apyvarta, bendroji marža %, vidutinis krepšelis, grąžos norma. Palyginkite jį su paskutiniu laikotarpiu ir pakomentuokite, ką kiekvienas reiškia vienu sakiniu. Rodyti paskyrą. Duomenys: [įklijuoti]
3) Anomalijų aptikimas
Ar yra kokių nors netikėtų šuolių ar nuosmukių toliau pateiktose dienos / savaitės serijose? Pažymėkite kiekvieną anomaliją ir nurodykite GALIMĄ jos priežastį kaip hipotezę (ne įrodymą) ir užsirašykite, kokiais duomenimis ją reikia patikrinti. Duomenys: [įklijuoti]
4) Išvesties patikrinimas
Ką tik sudarytoje suvestinėje išvardykite visas skaitines pretenzijas. Kiekvienam iš jų parodykite, iš kurių eilučių / stulpelių jis gaunamas, kad galėčiau palyginti juos su šaltinio duomenimis. Pažymėkite, jei nesate tikri.
Dažnos klaidos
- Žvelgiant į vieną KPI: būtų klaidinga neskaityti apyvartos, maržos ir konversijos kartu.
- Nepatvirtina skaičiai: AI gali padaryti bendrų / procentinių klaidų.
- Hipotezės klaidingas faktas: „Kodėl“ dažnai yra prielaida; grįžti į šaltinį.
- Remiantis haliucinacijų tendencija: galima sugalvoti šuolį / modelį, kurio nėra duomenų.
- Apeiti anonimiškumą: ataskaitos duomenyse taip pat gali būti asmeninės informacijos.
- Pranešti be veiksmų: jei radinys nesusietas su veiksmu, analizė bus švaistoma.
Apibendrinant
Gera pardavimų analizė paverčia neapdorotus duomenis į atsakymus „kas atsitiko, kodėl, ką daryti“. Kartu skaitykite KPI; Pažiūrėkite į maržą, kai apyvarta didėja. AI pagreitina suvestinę, KPI interpretavimą ir anomalijų aptikimą, tačiau gali klaidingai apskaičiuoti skaičius ir nustatyti priežastis. Patvirtinkite kiekvieną skaičių ir komentarą naudodami šaltinio duomenis ir paverskite juos veiksmu.
Taikymo užduotis
Anoniminėje lentelėje gaukite paskutinių 8 savaičių apyvartos, maržos ir grąžos duomenis pagal kategorijas. Sudarykite suvestinę naudodami „1) Savaitės valdymo suvestinė“, raskite nuokrypius naudodami „3) Anomalijų aptikimas“, tada palyginkite skaičius su šaltinio duomenimis naudodami raginimą „4) Išvesties patvirtinimas“.
kontrolinis sąrašas
- [ ] Ataskaitos duomenis anonimizuojau.
- [ ] KPI skaitau kartu (apyvarta + marža + konversija).
- [ ] Patikrinau dirbtinio intelekto apskaičiuotus skaičius.
- [ ] Išbandžiau nukrypimų priežastį su šaltinio duomenimis.
- [ ] Atskyriau hipotezę nuo įrodymų.
- [ ] Kiekvieną radinį susiejau su veiksmu.