УДК 658.64
НЕЙРОСЕТИ ДЛЯ АВТОМАТИЗАЦИИ ПРОДАЖ
Галданова Ж. С.
Студентка 3 курса, факультета Экономики и финансов Северо-Западного института управления – филиал РАНХиГС, г. Санкт-Петербург
Арапова Л. А.
К. э. н., доцент кафедры УСТиГБ Северо-Западного института управления – филиал РАНХиГС, г. Санкт-Петербург
NEURAL NETWORKS FOR SALES AUTOMATION
Galdanova Z. S.
3rd year student, Faculty of Economics and Finance, Northwestern Institute of Management – branch of RANEPA, St. Peterburg
Arapova L. A.
Candidate of Economics Sciences, Associate Professor of the Department of Computer Science and State Security Northwestern Institute of Management – branch of RANEPA, St. Peterburg
Аннотация. В данной статье идет речь об автоматизации продаж с использованием нейросетей. Современная экономика характеризуется высокой степенью интеграции новейших информационных технологий, показывающих хорошую результативность. Нейросети – это ключ к оптимизации бизнес-процессов компании и роста ее конкурентоспособности на рынке. Мы проанализировали основные преимущества данного типа искусственного интеллекта, а также обосновали перспективность его использования для автоматизации продаж.
Abstract. This article is about sales automation using neural networks. The modern economy is characterized by a high level of development of the latest information technologies, demonstrating good performance. Neural networks are the key to optimizing a company’s business processes and increasing its competitiveness in the market. We analyzed the main advantages of this type of artificial intelligence and substantiated the prospect of its use for sales automation.
Ключевые слова: нейросети, искусственный интеллект, продажи, онлайн-продажи.
Keywords: neural networks, artificial intelligence, sales, online sales.
Ксенофонтов В. В. дает следующее определение понятия «нейронная сеть»: это компьютерная программа, работающая по принципу нейронной сети в мозгу [2]. Нейрон – это математическая единица, которая наподобие своего биологического аналога получает информацию, обрабатывает ее и передает на следующий вычислительный этап. Простая модель нейросети состоит из 3 структурных элементов (Рис. 1):
1. Входной слой. Распознавание получаемой извне информации разного формата (изображение, звук, текст и др.), ее анализ и классификация, отправка импульса далее.
2. Скрытый слой. Здесь реализуются основные процессы. В зависимости от сложности сети количество слоев, каждый из которых специализируется на одной задаче, увеличивается.
3. Выходной слой. Результат всех предыдущих аналитических операций.
Главное преимущество нейронных сетей – это не следование встроенным в программу директивам, а самостоятельное решение нестандартных задач и непрерывное обучение. На сегодняшний день сфера применения такого типа искусственного интеллекта довольно обширна. В данной статье мы рассмотрим как используются нейросети для автоматизации продаж.
Стремительные темпы коммерческой цифровизации обуславливают необходимость компаний в приобретении эффективного механизма по работе с информационными потоками данных. Как утверждает Масюк Н. Н., нейросети отличаются от ранее использовавшихся систем высокой вычислительной мощностью, возможностью хранить большой объем данных, а также продвинутыми алгоритмами машинного обучения [4]. Данные преимущества помогают при прогнозировании потребительского спроса, оптимизации работ по исследованию рынка, разработке действенных методов по продвижению и продаже товаров или услуг с наименьшими затратами и наилучшим обслуживанием покупателей. Согласно прогнозам американской консалтинговой корпорации Gartner [6], технологии на базе искусственного интеллекта к 2025 году будут использоваться 70% всех компаний рынке (Рис. 2).
Далее рассмотрим сферы применения нейросетей для автоматизации продаж.
1. Сбор и обработка данных.
Хранение нейросетью обширных баз сведений о продажах и покупателях помогают персонализировать подход к каждому клиенту за счет анализа информации о демографических показателях, среднем чеке, частоте покупок, в том числе конкретных видов продукции, маршрутах потенциальных покупателей в магазинах для эффективного мерчендайзинга, пиковых периодов клиентской активности. На основании полученной информации разрабатываются специализированные коммерческие предложения (акции), точно отвечающие потребностям покупателя, это повышает лояльность аудитории. Также с помощью получаемых данных нейросеть может разработать план по найму оптимального для конкретной торговой точки количества сотрудников и их перечень обязанностей; ранжировать продукцию по популярности приобретения, чтобы исключать из оборота невыгодные товарные позиции и эффективно распределять финансовые ресурсы; сформировать бизнес-план, разработать маркетинговую стратегию и др.
2. Автоматизация поставок.
Прогностическая способность нейросети используется с целью вычисления наилучших периодов для продажи. Как утверждают Маркатюк И. С. и Казанцев Л. В. внешние условия, например, плохая погода, статистически сказываются на понижении потребительского спроса [3]. Анализируя дни с отрицательными отклонениями от плана продаж и выявляя главные причины такого падения, нейронная сеть может спрогнозировать объем необходимого вида продукции и сделать заявку о поставке в конкретные место и время для его реализации, построить оптимальный маршрут доставки с минимальными логистическими издержками. Транспортные перевозки контролируются в онлайн-режиме.
3. Качественное улучшение работы сотрудников.
В настоящее время среди управляющего персонала высокой популярностью пользуются услуги «тайного покупателя» для контроля работы сотрудников, соответствия их работы качественному уровню обслуживающего сервиса. Однако на практике, пишет Хрищатый А. С., данный метод проверки показывает низкую результативность вследствие того, что опытные продавцы способны безошибочно определить тайного покупателя [5]. Полученные данные теряют объективность.
Сравнительно большим функционалом обладают нейронные сети. С их помощью можно проводить эмпирическое наблюдение: на основе анализа перемещения сотрудников высчитываются часы работы и отдыха, время начала и окончания рабочей смены. Системы видео- и аудиоконтроля в режиме реального времени позволяют получить беспристрастную оценку деятельности сотрудников. Анализ сведений о проценте покупок, количестве возражений (отношение решенных и неразрешенным), информирование продавцов о разработанной на базе этой информации стратегии продаж значительно повышают их качество клиентского обслуживания.
4. Распознавание эмоций и языка жестов.
Японская компания SoftBank поделилась интересным кейсом о создании нейросети, способной воспринимать и анализировать человеческие эмоции (мимика, язык тела, интонация) [7]. Согласно исследованиям маркетологов Московской бизнес-школы клиент принимает решение о покупке в течение первых 7–10 секунд. Если продавец, неспособный оценить эмоциональное состояние потенциального покупателя, производит на него отталкивающее впечатление, например, проявляет излишнюю настойчивость, то вероятность покупки снижается на 40%.
Нейросеть благодаря системе видеонаблюдения получает доступ к таким сведениям, как: время нахождения человека в магазине, на какую продукцию он обращает внимание, какие невербальные сигналы при этом показывает. В результате математической обработки искусственный интеллект выдвигает предположение о текущем настроении потенциального покупателя и предлагает оптимальную стратегию взаимодействия с ним, позволяющую с наибольшей вероятностью заключить сделку купли-продажи. Этот инструмент очень полезен в периоды высокой загруженности, когда у продавца нет времени предварительно
Таблица 1
Преимущества использования нейросетей в обработке заказов
Также отдельно стоит поговорить об автоматизации процессов обработки заказов. Современный цифровой рынок характеризуется повышенными требованиями к точности и скорости выполнения заказов, поскольку конкуренция в данном сегменте невероятно высока и даже малейший сбой в поставках может негативно сказаться на итоговой прибыли. Благодаря гибкости в обучении нейронные сети постоянно совершенствуются и могут стать полноценной заменой текущим механизмам обработки заказов с такими преимуществами, как интуитивность, отзывчивость и максимальная клиентоориентированность (Табл. 1).
Что касается окупаемости внедрения нейронных сетей, то этот процесс требует крупных первоначальных вложений: на технологическую инфраструктуру, покупку ПО и обучающие наборы данных. Однако со временем нейросеть приспосабливается к решению коммерческих задач и существенно снижает издержки на рабочую силу, исключает влияние человеческого фактора и ошибок, составляет оптимальное планирование запасов, обеспечивает высокий уровень удовлетворенности клиентов за счет оперативной бесперебойной работы. Адаптивное обучение нейросетей является залогом постоянного соответствия машинной системы актуальному настроению рынка, масштабирование производства при этом не требует пропорционального увеличения вложений.
Заключение
Стремительно изменяющиеся условия сегодняшней коммерции обуславливают необходимость перехода на новейшие способы хранения и обработки информационных потоков, чтобы обеспечить компании хорошую конкурентоспособность. Таким инструментом являются нейронные сети, предоставляющие пользователям обширный спектр возможностей в продажах. Благодаря механизму обучения, прогнозированию и адаптации они позволяют максимально персонализировать подход к каждому клиенту, разработать эффективные маркетинговые стратегии продвижения продукции, выбрать оптимальные каналы сбыта и контролировать все эти процессы без ошибок человеческого фактора.
Список использованных источников
1. Барсукова М. А. Нейронные сети в бизнесе // Форум молодых ученых. – 2021. – №3. – С. 16–22 / [Электронный ресурс]. – URL: https://cyberleninka.ru/article/n/neyronnye-seti-v-biznese/viewer (дата обращения: 05.04.2024).
2. Ксенофонтов В. В. Нейронные сети // Проблемы науки. – 2020. - №4. – С. 27–32 / [Электронный ресурс]. – URL: https://cyberleninka.ru/article/n/neyronnye-seti-1 (дата обращения: 04.05.2024).
3. Маркатюк И. С., Казанцев Л. В. Применение нейросети в ритейле для повышения качества продаж // GLOBAL AND REGIONAL RESEARCH. - 2021. – №2. – С. 108–115 / [Электронный ресурс]. – URL: https://elibrary.ru/item.asp?id=46319941 (дата обращения: 05.05.2024).
4. Масюк Н. Н. Нейросети как прорывная цифровая технология в инновационном бизнесе. – 2021. – №2. – С. 32–36 / [Электронный ресурс]. – URL: https://cyberleninka.ru/article/n/neyronye-seti-kak-proryvnaya-tsifrovaya-tehnologiya-v-innovatsionnom-biznese (дата обращения: 03.05.2024).
5. Хрищатый А. С. Нейронные сети в бизнесе: преимущества и практические рекомендации для обработки заказов // Universum: технические науки. – 2023. – №9–2(114). – С. 21–29 / [Электронный ресурс]. – URL: https://elibrary.ru/item.asp?id=54671563 (дата обращения: 03.05.2024).
6. Прогноз развития рынка ПО на базе ИИ // Omida URL: https://omdia.tech.informa.com/advance-your-business/ai (дата обращения: 10.05.2023).
7. Японцы показали робота, способного реагировать на эмоции // NEURONEWS. URL: https://neuronus.com/news-tech/214-yapontsy-pokazali-robota-sposobnogo-reagirovat-na-emotsii.html (дата обращения: 10.05.2023).