数字化运营标杆案例:便利蜂数字化人工智能运营系统-便利蜂

    |     2023年12月27日   |   2023年   |     评论已关闭   |    997

背景:便利蜂属于零售业,主营连锁便利店。于2016年12月21日成立,立足北京市场逐步走向全国。2017年2月14日份开出第一家门店。北京、天津、上海、南京、苏州、杭州、无锡等城市开店超2000家。数字化驱动、全供应链管理是其主要特色。

知名互联网团队创业,发展到现在,主要团队以互联网和便利店资深专业人士组成。

通过互联网的方式,改良现有的零售模式。使用大数据和智能软硬件,突破固有的便利店购物体验。系统监测,无限复制是其特色,中央控制每个店的运营元素,不依赖有经验的个体店长。自2017年开第一家店,在2019–2021年,新增2000家店。因进一步考虑节奏和风险控制,开店速度有所降低,但模式和方向没变,对经营便利店仍然抱有信心。

针对痛点:便利店是好生意,因过度依赖成熟的管理人,难以规模化

  • 便利店是市场前景很好的生意,应该做成规模化
  • 很多著名便利店品牌,10多年才开2000多个店,因为好店长难找,也难以复制。
  • 通过完善的数字化人工智能运营系统,解决快速复制,规模化发展,并保证质量及满足客户需求

思路:设计开发便利蜂数字化人工智能运营系统

便利蜂运营系统主要思路:核心数字化人工智能(AI)系统由一系列的AI模型和其支撑的子系统组成。系统集成遵循观测(Observe),导向(Orient),决策(Decide),行动(Act)和验证(Verify)的设计框架。在数字化的系统架构设计中充分考虑信息的共享并形成对现实世界的信息的可编程层。我们通过对便利蜂门店运营的一些关键指标,包括毛利,促销和废弃,以及员工成本的跟踪。

方案:

1 便利蜂数字化AI系统和OODA-V架构:

将各种人工智能算法、模型、子系统依据用观测、导向、决策、行动和验证的OODA-V框架有机的集成为一个完整的系统,如下图:

2 、计算机视觉的技术是将门店物理世界信息数字化的关键技术,系统大规模部署视觉采集装置(见下图)

这样设计的主要考虑因素:1) 商用摄像机的成本已经降到适合于大规模部署;2)摄像头适配先进的AI和计算机视觉算法具备很强的通用性;3)视频信号的特性便于构建人在回路的混合智能系统

3、 实现对现实世界进行编程,达到中央数据系统统一控制的目标,见下图

实体连锁店的零售运营是一个复杂的系统,需要做出许多复杂的运营决策。因此,它涉及各种人工智能算法、模型和子系统的设计,以协同工作,以实现整个供应链的最佳结果,以支持店面销售。在支持复杂的业务流程的过程中,构建了便利蜂数字化平台,对整个运营流程和物流供应链涉及的实体和属性进行建模,并在此基础上形成可编程的事件驱动层和可编程的工作流层,对于运营过程中实体和属性的建模和捕获构成了便利蜂数字化平台的基础数据层,根据业务实际需求,实时或定期捕获关键数据支持运营决策。在此基础上构建对运营现实世界的可编程性。

效果及特色:系统在收益上的体现

1、动态促销系统

便利蜂的动态促销系统充分的利用实时销售数据,采用先进的销量预测算法和价格弹性分析模型对滞销商品,特别是对日配商品进行动态定价和促销。在2018年3月该系统上线之前,废弃率大约是GMV的7%,在系统上线之后,系统经过长时间迭代,达成的收益为废弃后毛利增加了GMV的2%。

2、商品选品系统

日配选品:日配商品主要包括店内售卖的热餐、烘培和其他保质期按天计算的商品。日配选品的目标是在保证用户体验的情况下来达到考虑整个供应链的成本的情况下毛利的最大化。日配选品需要综合考虑全供应链成本,售价以及销售。便利蜂的日配选品系统依据一个综合全面的销量预测模型,在优化日商的同时平衡销售日配商品新品和多样化,确保用户的最佳体验。在便利蜂的门店销售中,40%的日配商品销售是完全被城市到店级别的商品选品决定的。剩余的由细分到店级别的选品算法决定。算法系统达成的收益为EBITDA绝对值增加2%。

非日配选品:非日配商品为日配商品之外保质期在按月计算的商品。非日配商品选品和陈列系统,包括商品选品和陈列两个模块,在商品的生命周期中有着关键的作用。 在便利蜂,利用先进的机器学习模型,结合时序分析算法,对每个商店的选品和陈列进行深入到单店级别的定制和优化来获取最大的销售额。根据选品系统的决策,平均每周由4%的商品会被替换,我们的量化评估表明通过选品系统的决策和店面执行,非日配选品和陈列算法达成的收益为EBITDA绝对值增加1.5%。

3、促销展示合同履行自动检查系统

便利蜂一直与供应商合作,提供收费商品陈列和收费POP促销。我们收取的这些展示费约占我们商品交易总额的3%,是一个重要的收入来源。合同履行的质量,是现有供应商继续与我们续签合同,以及签订新合同的关键因素。便利蜂开发了一个用于合同履行质量控制的端到端系统。该系统的核心是基于深度学习的计算机视觉技术和机器人技术。通过将该系统融入日常运营,产品展示合同履约率得到提升并保持在90%以上。因此,失去现有供应商合同的风险大大降低,模型预测可避免的毛利润泄漏约为 0.3% GMV。 POP 营销材料履约率显著提高,促销产品的销售额增加了毛利润约 0.4%。

4、员工工作调度系统

便利蜂推出了基于人工智能和运筹决策技术的便利蜂员工工作调度系统。该系统标准化了店面的工作和服务,通过发现、生成、调度、检查和奖励,确保我们所有商店的客户服务的一致性,并进一步确保销售目标的实现。通过人工智能系统奖励或者惩罚店面员工执行的店

面工作质量。通过计算机系统将任务分配给门店员工,员工的执行过程也被记录下来,降低了管理成本。目前,需要门店员工主动承担的常规工作已覆盖98%。提高了门店的任务执行效率和执行合格率(>90%)。现场顾问(督导管理团队)人数从每 4 家商店配备一名顾问减少到每 50 家商店配备一名顾问。内部质量控制费用较 2021 年 12 月的 单店1700元/月较少到2023 年 3 月的 约300 元/月。

总结:便利蜂的核心人工智能数字化运营系统寻求在毛利润量与营销成本和损耗成本之间找到最佳点,同时在保持运营质量不降低或者甚至改善的情况下降低员工成本,从而显着提高利润率。通过不断完善便利蜂人工智能数字化运营系统,将其贯穿于便利蜂端到端的运营流程中,不断提升运营质量。

过几年的运营实践,便利蜂通过人工智能数字化运营系统,运营便利店的前景明朗,相信经过不断优化完善,定能达成大规模复制的目标。

(文字整理:毕自力)

本文刊载于《客户世界》文集2023第四辑•数据与智能。

转载请注明来源:数字化运营标杆案例:便利蜂数字化人工智能运营系统-便利蜂

相关文章

噢!评论已关闭。