Система обнаружения аномалий выявляет выбросы в данных с помощью математических моделей, сопоставляет их с различными влияющими факторами и предоставляет информацию лицам, принимающим бизнес-решения. Методы обнаружения аномалий в реальном времени находят применение в различных отраслях, таких как телекоммуникации, розничная торговля, финансовые технологии, производство, оборона, здравоохранение и другие.

Фрэнк Басс из Университета Пердью разработал простую модель (Management Science, 1969), описывающую процесс принятия населением нового продукта, представленного в розничной торговле. Эта модель, известная под названием модели Басса, широко используется при прогнозировании продаж. Эта модель классифицирует пользователей как новаторов или подражателей. Новаторы — это первые последователи, которые пробуют продукт, когда он выходит на рынок. Имитаторы наблюдают за рынком и покупают продукт, изучив отзывы новаторов.

Источник: Фрэнк М. Басс, Management Science, Vol. 15, №5, Theory Series (январь 1969 г.), стр. 215–227

Хотя эта модель дает гладкий прогноз, оригинальная статья профессора Басса ясно показывает, что фактические продажи не такие гладкие, как прогноз модели. Продажи проходят через корыто, прежде чем они поднимутся. Если компании смогут определить эту аномалию в данных временных рядов и использовать маркетинговые рычаги для увеличения продаж, то этот провал (красный кружок на картинке) не будет таким глубоким и приведет к увеличению продаж.

Одной из основных причин, по которой компании переживают этот провал до того, как захватят долю рынка (под влиянием имитаторов), является отслеживание средних KPI. Ключевые показатели эффективности обычно фиксируются на высоком уровне, из-за чего микротренды усредняются, а прибыльные микросегменты упускаются. А отследить KPI на детальном уровне невозможно по-человечески.

Другая проблема с определением этой впадины заключается в том, что аналитические механизмы обычно предоставляют информацию задним числом. Раньше отслеживать KPI в режиме реального времени было дорого из-за сложности вычислений.

Кроме того, конкуренция всегда бдительна, и когда продукт становится успешным, они захватывают долю потенциальных клиентов.

Эти вопросы могут быть решены путем

  • Отслеживание KPI на микроуровне, выявленных с помощью искусственного интеллекта
  • Защита менеджеров от ненужной информации и предоставление им действительных аномалий, чтобы они могли вкладывать свою энергию в нужное место в нужное время.
  • Использование новейших методов для выявления аномалий в режиме реального времени и получения предупреждений во время их возникновения.
  • Действовать на основе информации до того, как это сделают конкуренты, и захватить долю рынка в этих микросегментах.

Хотя существующие аналитические системы и продукты дают вам представление о новых тенденциях на рынке, они не сообщают вам об этом на детальном уровне. Давайте возьмем гипотетический пример сайта электронной коммерции, который продает модные товары. Представьте себе, что внезапно продажи футболок с причудливой надписью «старт-ап» неожиданно выросли в районе Корамангала в Бангалоре. И это коррелирует с тем, что в Корамангала в Бангалоре много технологических предпринимателей, а футболка нашла первых последователей среди тех, кто связан с технологическими стартапами. Если у розничного продавца есть эта информация, и он отправляет рассылку по электронной почте всем, кто занимается технологиями, продажи этого продукта увеличатся. Маркетинг будет действовать как катализатор и обеспечит плавный переход от новаторов к имитаторам продукта, в отличие от обычного падения. Из диаграммы видно, что обнаружение аномалии и выявление новой тенденции до появления конкурентов может привести к увеличению продаж примерно на 25–30 % в этой товарной категории.

Платформа обнаружения аномалий в розничной торговле от CrunchMetrics обладает искусственным интеллектом для детального наблюдения за каждым SKU, выявления аномалий и сопоставления с более широкой картиной, а также для предоставления информации в режиме реального времени. Когда менеджеры по маркетингу используют оповещения, доставляемые механизмом искусственного интеллекта на основе глубокого обучения, меняют свои кампании и нацеливаются на нужный сегмент рынка в нужное время, продажи, несомненно, увеличатся. Это увеличение продаж произойдет еще до того, как конкуренты получат хоть малейшую подсказку. Благодаря мощным методам обнаружения аномалий в режиме реального времени розничный продавец может увеличить продажи и победить в конкурентной борьбе.

использованная литература

  1. Рост нового продукта для моделей потребительских товаров длительного пользования Автор(ы): Фрэнк М. Басс, Management Science, Vol. 15, №5, Theory Series (январь 1969 г.), стр. 215–227.

Биография автора:

Кумар — главный консультант CrunchMetrics. Он выпускник IIT-Мадрас и IIM-Калькутта. Как предприниматель, он стал соучредителем аналитической компании, а затем розничной компании, работающей по всем каналам. Он работал консультантом в компаниях из списка Fortune 500, таких как Deloitte и Tesco, в различных многонациональных офисах. Он также работал на технологических должностях в таких ТНК, как Cognizant и Virtusa. Он является автором Good Reads под псевдонимом Кхун С. Кумар и опубликовал семь новелл на Amazon.

Первоначально опубликовано на сайте crunchmetrics.ai 9 января 2019 г.