ИИ-решения для роста продаж в ритейле

Ритейлер терял до 2,5–3% оборота: кражи, неверная выкладка, просрочки, нарушение FIFO, out-of-stock. Контроль выполнялся выборочно и вручную.

ИИ фиксирует попытки хищений, мониторит наличие товара на полке (OSA), определяет пустоты, ошибки выкладки, срок годности, соблюдение FIFO и нарушения процессов.

−35% потерь за 3 месяца; OSA вырос на +7%, просрочки в фреш-категориях упали в 2,2 раза; 95% точности контроля свежести и выкладки

Сбои поставщиков приводили к нарушениям SLA, задержкам разгрузки, потерям фреш-категорий и ошибкам в FIFO. Управление строилось по ручным журналам.

Видеоаналитика фиксирует время прибытия машины, номер поставщика, длительность разгрузки, повреждения грузов и соответствие стандартам. Все данные попадают в отчёты.

время разгрузки сократилось на 18%; нарушения SLA уменьшились на 42%; выявлены системные проблемы 3 поставщиков, приведшие к снижению списаний на 5–7%.

Ритейлер столкнулся с высокой трудоёмкостью маркировки по «Честному Знаку»: ручное сканирование Data Matrix и КИТУ на товаре, коробах и паллетах занимало слишком много времени и давало частые ошибки. Несоответствия в агрегации приводили к возвратам, штрафам и сбоям при отгрузках.

Мы внедрили модуль видеоаналитики, который автоматически распознаёт Data Matrix и КИТУ на всех уровнях упаковки: товар → групповая упаковка → транспортный короб → паллет. Видеоаналитика интегрирована с ERP и WMS: коды проверяются в реальном времени, сразу валидируются и отправляются в систему без ручного сканирования.

сокращение на 40% времени на маркировку за счёт отказа от ручного сканирования. 0 критичных ошибок агрегации: система проверяет соответствие Data Matrix → КИТУ автоматически. Устранены риски штрафов: корректные JSON-данные уходят в WMS X5 Axelot и ERP. Процесс устойчив к перегрузкам: 4 линии маркировки работают параллельно без остановок.

Склад сети ритейла ежемесячно терял время и деньги из-за ручной инвентаризации: пересчёты занимали 2–3 дня, давали погрешность 5–12%, а ошибки в учёте приводили к OOS, задержкам поставок и расхождению данных с «Честным знаком».

Мы внедрили систему автоматической инвентаризации: отслеживание движения паллет и коробов в реальном времени; автоматическое сопоставление марок, штрихкодов и GTIN; контроль FIFO и выявление нарушений размещения; фиксация аномалий (недостача, лишние единицы, пересортица).

Сокращение времени инвентаризации в 6 раз (с 48 часов до 8). Точность учёта выросла до 98,7% — ошибки человеческого фактора исключены. Снижение недостачи на 22% уже к третьему месяцу. Полная синхронизация с «Честным знаком» без участия человека.

Компания ежедневно обрабатывала до 800 заказов, распределяя их вручную. Маршруты строились «на глаз», что приводило к перегрузкам, перерасходу километража и росту затрат.

Разработан адаптивный ИИ-модуль маршрутизации с автоматическим распределением заказов, перестроением маршрутов и прогнозированием ETA.

−18% времени доставки; +27% заказов на 1 курьера; −22% пробега; −15% возвратов. Диспетчерская нагрузка снижена в 2 раза — 80% работы выполняет алгоритм.