Журнал / Кирилл Наумов
7-Eleven Japan и AI-заказ товаров: за полку по-прежнему отвечает человек
Что пример 7-Eleven Japan говорит об AI в заказе свежих продуктов: наличие, списания, время сотрудников и право управляющего поправить систему.
Автор: Кирилл Наумов ·
У магазина у дома задача с подвохом: к обеду сэндвич должен лежать на полке, но завтра он не должен отправиться в мусорное ведро. Это не соревнование прогнозов. Это ежедневное решение о заказе.
Seven & i Holdings описала систему заказа с применением AI в магазинах Seven-Eleven Japan в материалах 2024 года. По данным компании, при расчёте рекомендуемого количества учитываются прошлые продажи, прогноз погоды и день недели. В публикации на сайте группы говорится примерно о 30 минутах экономии на оформлении заказа и росте продаж около ¥2 000 в день в магазинах, использовавших систему. Это цифры самой компании за тот период, а не независимая проверка и не обещание такого же результата другому ритейлеру.
Нужен заказ, который можно проверить и изменить
Прогноз продаж — только один из входных сигналов. Сотруднику ещё нужно знать, что уже лежит на полке, что едет в поставке, когда истечёт срок годности, какие идут акции и что происходит рядом с магазином. Есть и неприятная ловушка: вчера товар не продавался, потому что закончился. Если система примет это за отсутствие спроса, она предложит заказать слишком мало и повторит ошибку.
Поэтому рекомендация должна объяснять себя. Это обычная картина для вторника, ожидаемая жара или акция, похожая на прошлую? Управляющий знает, что рядом перекрыли улицу, — значит, ему должно быть легко поправить число и коротко отметить причину. Если сотрудники регулярно исправляют прогноз, это полезный сигнал для улучшения системы, а не «сопротивление AI».
Считайте наличие и списания вместе
Первый показатель — нашёл ли покупатель нужный товар вовремя. Но повысить наличие можно и грубым способом: заказать всего побольше. Поэтому рядом смотрим просрочку и уценку, оценку упущенных продаж, валовую маржу, время на оформление заказа и долю рекомендаций, которые сотрудники изменили. Важны различия между товарами и магазинами, а не только красивая средняя цифра по сети.
Сэкономленные 30 минут тоже не стоит сразу записывать в прибыль. Это не обязательно сокращение расходов на персонал. Польза появляется, если время пошло на обслуживание покупателей, выкладку, проверку качества или обучение новичка. Сначала спросите управляющих, что на самом деле изменилось в их рабочем дне.
Как проверить идею без большой перестройки
Выберите одну категорию свежих товаров и несколько сопоставимых магазинов. Зафиксируйте исходные показатели: наличие, списания, маржу и время на заказы. Сначала показывайте рекомендации параллельно действующему способу заказа. Затем дайте управляющим возможность принять или изменить совет, указав короткую причину. Сравнивайте похожие периоды с поправкой на погоду и акции.
Если точность прогноза выросла, а списаний стало больше, бизнес-задача не решена. Если экран выглядит умным, но поставка всё равно опаздывает, проблема на следующем этапе процесса. Хороший результат — не «заказ без людей», а надёжная полка для покупателя и решение, за которое управляющий может спокойно отвечать.
Это независимый разбор открытых материалов Seven & i, а не проект Кирилла Наумова для 7-Eleven. Публичный пример помогает задать правильные вопросы, но не гарантирует такого же результата в другом магазине.
Англоязычный AI-воркшоп 7 ноября → · Обсудить AI-консалтинг для ритейла
Первоисточники: публикация Seven & i на сайте компании и презентация для инвесторов за 2024 год. Приведённые результаты опубликованы самой компанией и не подтверждены независимой проверкой.