跳到内容
微软行业博客 - 中国

你是否想过如果有一位专门的私人助手,你的生活会有哪些不同? 这个人早到晚退,做着管理性琐事,让你可以充分利用时间。 不妨尝试机器学习,这是一项新兴技术,可使计算机在没有明确指示下学习数据并对数据进行预测。 例如,对于消费品公司 (CPG),机器学习可以确保现场代表更高效地规划到店访问路线,并能够快速管理日常任务。 例如,想象你部署一个机器人检查过道以了解销售合规性情况,从而释放人力资本以关注附加值更高的任务。 节省在商店中的时间能让代表有机会完成更多访问,从而可能节省大量成本。 但是机器学习所做的不仅是简化到店访问,它还能通过创建模型并用于预测未来行为,以有效方式应用历史数据来解决问题。 一段时间后,机器学习可以确定利益相关者用以改进公司策略的模式和趋势,例如促销在何时有效,并且要具备哪些因素才有效。 继续阅读,详细了解机器学习如何帮助 CPG 公司规划发展方向和任务、通过较少数据输入完成更多事情并深化数据分析。

自动实现和优化路线规划

相关人员花费大量精力确定必须要访问的销售点、访问频率以及在现场开展的工作。 想象使用如下软件提升你的能力:它考虑到除地理以外的诸多因素,可以自动预测访问特定商店的最佳时机,并能提升整体路线规划效率。 如果某个商店通常在每年七月出现业绩下滑、最近雇佣了一个新经理,或者即将开展新促销活动,该软件将相应调整路线规划,以优化员工时间。 机器学习技术还会根据特定商店的需求为到店访问生成定制的待办事项列表。 因此,在客户代表到达该商店之前,他们就将意识到诸如设备故障等问题,并且无需花时间确定需要布置哪些任务。 在代表到达现场后,软件也可以帮助他们简化审核活动。

实现“完美”到店访问

当客户代表执行商店审核时,想象一项技术可以帮助他们有效地利用时间。 他们不仅可以避免使用笔和纸(64% 的零售执行专家仍在使用[1]),还可以使用数字图像识别和语音到文本转换功能跳过数字数据输入。 借助数字图像识别,代表可以拍摄商店中展示产品的照片,无需手动记录检查结果。 根据一张图像,模型可以评估缺货、饰面、价格、货架占有率和货架图合规性。 人工操作员需要视觉评估每个细节才能找到产品放置错误,而该软件几秒之内就能找到错误和不一致问题。 借助机器学习,代表还可以向可穿戴设备(例如智能手表或耳机)口述笔记、命令和下单。 这套系统将可以在零售执行软件中触发操作的关键词从口述中隔离。 以数字方式捕获的数据将节省零售执行专业人员的时间,并可避免手动数据收集固有的错误。 从访问中获取的数据将实时分发,以便管理人员立即收到审核结果,而不是在审核完成的几个月后才收到。

深化数据分析

收集数据后,在零售执行中应用机器学习的最终优势是,从数据中找到帮助预测接下来可以采取的最佳步骤的模式。 CPG 公司需要处理数千家零售店的销售、商店库存、送货和促销的大量数据。 使用电子表格进行跟踪和分析非常耗时,并且电子表格只能执行你指示的任务。 但机器学习可以自动确定一般难以发现的常用模式和趋势。 例如,ML 解决方案可以分析数据以预测促销给一家大型连锁店带来的确切影响,或者确定某个商店会员计划的 ROI。 详细了解数据可以更轻松地衡量产品性能、发现问题,并全面扩展最佳做法。

Microsoft 机器学习

机器学习可以显著帮助更高效地规划现场员工路线、自动执行重复性人工流程,并在组织中改进数据分析和见解。 最终,这些优势可以帮助你时刻关注产品市场增长,并制订更好的促销、市场活动和投资决策。 Microsoft 及其合作伙伴将继续加大对机器学习和零售执行的投资,以帮助在日益数字化的时代更好地为 CPG 公司找准定位。 要详细了解零售执行的当前市场内解决方案,请立即查看 AppSource 上的 AFS POP 零售执行AFS 零售执行[1]EKN Outlook, 2016