Haben Sie sich jemals überlegt, wie anders Ihr Tag verlaufen würde, wenn Sie einen dedizierten persönlichen Assistenten besitzen würden? Jemand, der früh kommt und spät geht und die Verwaltungsarbeit erledigt, damit Sie Ihre Zeit optimal nutzen können. Die Lösung ist Machine Learning, eine neue Technologie, mit der Computer aus Daten lernen und auf dieser Basis Prognosen erstellen können, ohne ausdrückliche Anweisungen zu erhalten. Für Unternehmen in der Konsumgüterbranche kann Machine Learning beispielsweise sicherstellen, dass Vertriebsmitarbeiter ihre Besuche in Geschäften effizienter organisieren und ihre alltäglichen Aufgaben besser verwalten können. Stellen Sie sich beispielsweise vor, Sie könnten einen Roboter verwenden, um die Gänge auf Merchandising-Compliance zu überprüfen. Ihre Vertriebsmitarbeiter könnten sich auf höherwertige Aufgaben konzentrieren. Wenn Vertriebsmitarbeiter Zeit im Geschäft sparen, können sie mehr Besuche durchführen, was potenziell zu erheblichen Einsparungen führt. Machine Learning leistet jedoch mehr als nur die Optimierung von Besuchen in Geschäften – es handelt sich um eine effektive Möglichkeit, historische Daten auf ein Problem anzuwenden, indem ein Modell erstellt wird und dieses anschließend verwendet wird, um zukünftige Verhaltensweisen vorherzusagen. Mit der Zeit identifiziert Machine Learning Muster und Trends, beispielsweise, wann und mit welchen Parametern eine Werbeaktion erfolgreich ist. Stakeholder können dies nutzen, um die Strategie des Unternehmens zu verbessern. Lesen Sie weiter, um mehr darüber zu erfahren, wie Machine Learning Unternehmen in der Konsumgüterbranche helfen kann, Richtung und Aktionen festzulegen, mit weniger Dateneingaben mehr zu erledigen und die Datenanalysen zu vertiefen.

Automatisieren und Optimieren der Streckenplanung

Die Identifizierung der Verkaufsstellen, die besucht werden müssen, der Häufigkeit der Besuche und der erforderlichen Aktionen erfordert sehr viel Aufwand. Stellen Sie sich vor, Sie würden von Software unterstützt, die über die Geografie hinaus weitere Faktoren berücksichtigt, um automatisch die beste Zeit für den Besuch in einem bestimmten Geschäft vorherzusagen und die Effizienz der Streckenplanung insgesamt zu verbessern. Wenn ein Geschäft jeden Juli einen Umsatzrückgang erfährt, vor kurzem einen neuen Leiter eingestellt hat oder eine neue Werbeaktion startet, passt die Software die Streckenplanung an, um die Zeit der Mitarbeiter optimal zu nutzen. Machine Learning-Technologie generiert darüber hinaus angepasste Aufgabenlisten für Besuche in Geschäften, die auf dem basieren, was ein bestimmtes Geschäft benötigt. Bevor die Vertriebsmitarbeiter die Geschäft besuchen, sind ihnen Probleme wie beispielsweise fehlerhafte Geräte also bereits bekannt. Sie müssen daher keine Zeit darauf verwenden, die erforderlichen Aufgaben zu ermitteln. Sobald die Vertriebsmitarbeiter in einem Geschäft eintreffen, kann ihnen die Software auch helfen, die Überprüfungsaktivitäten zu optimieren.

Unterstützung für „perfekte“ Besuche in Geschäften

Stellen Sie sich vor, Vertriebsmitarbeitern würde eine Technologie zur Verfügung stehen, mit der sie ihre Zeit effizienter nutzen können, wenn sie in einem Geschäft ein Prüfung durchführen. Sie könnten nicht nur die Arbeit mit Stift und Papier vermeiden (64 % der Vertriebsmitarbeiter verwenden nach wie vor Stift und Papier[1], sondern sogar digitale Dateneingaben, indem sie Bilderkennungs- und Sprache-in-Text-Funktionen verwenden. Die digitale Bilderkennung ermöglicht Vertriebsmitarbeitern, Bilder von Produktdisplays im Geschäft zu erstellen, statt die Ergebnisse der Prüfung manuell aufzuzeichnen. Ein Modell kann anhand eines Bilds fehlende Bestände, Präsentation, Preise, Regalanteil und die Einhaltung von Planogrammen auswerten. Während ein Mensch jedes Detail visuell überprüfen müsste, um eine fehlerhafte Produktplatzierung zu erkennen, entdeckt die Software Fehler und Mängel innerhalb weniger Sekunden. Machine Learning ermöglicht Vertriebsmitarbeitern auch das Diktieren von Notizen und Befehlen sowie die mündliche Bestellung von Platzierungen über tragbare Geräte wie Smartwatches oder Headsets. Das System isoliert Schlüsselwörter in der mündlichen Eingabe, die Aktionen in der Vertriebssteuerungssoftware auslösen. Digital erfasste Daten reduzieren den Zeitaufwand für Vertriebsmitarbeiter und vermeiden Fehler, wie sie bei einer manuellen Datensammlung typischerweise vorkommen. Die bei den Besuchen erfassten Daten werden in Echtzeit verbreitet, sodass die Manager die Ergebnisse der Überprüfung sofort und nicht erst Monate später erhalten.

Vertiefen von Datenanalysen

Nachdem die Daten gesammelt wurden, bietet die Anwendung von Machine Learning in der Vertriebssteuerung letztendlich auch den Vorteil, dass sie Muster in den Daten erkennt. Dies hilft, vorherzusagen, welche Schritte als Nächstes unternommen werden sollten. Unternehmen in der Konsumgüterbranche müssen enorme Mengen von Daten zu Verkauf, Beständen in Geschäften, Lieferungen und Werbeaktionen in Tausenden von Einzelhandelsgeschäften bewältigen. Es ist zeitaufwändig, Tabellen für die Nachverfolgung und Analyse zu verwenden. Außerdem können Tabellen nur das leisten, was ihnen gesagt wird. Machine Learning hingegen identifiziert automatisch häufige Muster und Trends, die normalerweise nur schwer entdeckt werden könnten. Beispielsweise kann eine Machine Learning-Lösung Daten analysieren, um die genauen Auswirkungen einer Sonderaktion in einer großen Ladenkette zu prognostizieren oder den ROI eines Treueprogramms in einem bestimmten Geschäft zu ermitteln. Wenn Sie Daten auf einer granularen Ebene verstehen, ist es einfacher, die Produktleistung zu messen, Probleme zu erkennen und die Anwendung bewährter Verfahren zu erweitern.

Microsoft Machine Learning

Machine Learning kann einen großen Beitrag leisten, wenn es darum geht, Vertriebsmitarbeiter effizienter zu steuern, repetitive manuelle Prozesse zu automatisieren und Datenanalysen und Einsichten in der gesamten Organisation zu verbessern. Letzten Endes hilft Ihnen dies, mit dem Wachstum des Markts für Ihr Produkt Schritt zu halten und bessere Entscheidungen in Bezug auf Werbeaktionen, Kampagnen und Investitionen zu treffen. Microsoft und seine Partner werden weiter in Machine Learning und Vertriebssteuerung investieren, um Unternehmen in der Konsumgüterbranche dabei zu helfen, sich besser für ein immer digitaler werdendes Zeitalter zu positionieren. Besuchen Sie heute noch die Seiten für die Vertriebssteuerungslösung ADS POP und die Vertriebssteuerungslösung AFS auf AppSource, um mehr über unsere aktuellen Lösungen zu erfahren, die sich bereits auf dem Markt befinden. [1]EKN Outlook, 2016

 

Unser Retail and Consumer Goods Innovations Newsletter bringt Ihnen regelmäßig die wichtigsten Neuerungen aus dieser spannenden Branche direkt in Ihr Postfach. Melden Sie sich jetzt hier an und verpassen Sie keine News mehr.