DEMO Система выявления упущенного спроса
Система выявления упущенного спроса

Система выявления упущенного спроса

ИИ-контур для автоматического обнаружения упущенного спроса в аптечной сети. Находит товары, которые клиенты хотели купить, но не купили, определяет причины и формирует рекомендации по возврату выручки.

0
Выявленный упущенный спрос / мес
0
SKU с потерянным спросом
0
Точность рекомендаций ИИ
0
ROI пилотного проекта

Как это работает

5 шагов от данных до действий по возврату выручки

01
Сбор данных
Продажи, остатки, заказы, отмены, поисковые запросы, обращения
02
Детектирование AI
ИИ находит случаи, когда клиент хотел купить, но не купил
03
Классификация AI
Определяет причину: нет в наличии, ошибка матрицы, нет аналога
04
Рекомендации AI
Формирует действия: дозаказ, перемещение, добавление аналогов
05
Мониторинг
Дашборд, алерты, отчёты, отслеживание ROI возвращённого спроса

Дашборд упущенного спроса AIИИ анализирует данные продаж и остатков

Аналитика по каналам, регионам и категориям за последние 30 дней

Канал:
Причины потери продаж
AIИИ классифицирует причины для каждого случая
Потери по категориям
AIИИ рассчитывает потенциал потери
Интенсивность потерь по дням
ПнВтСрЧтПтСбВс
Мало
Много
Потери по регионам
AIИИ определяет зоны с системным дефицитом
Топ-15 SKU с максимальным упущенным спросом
AIИИ ранжирует SKU по потенциалу возврата

Нажмите на строку для детального анализа ИИ

#SKU / ПрепаратКатегорияПричинаПотери, руб.СлучаевРекомендация
Анализ AI
Рекомендации ИИ

ИИ-ассистент по упущенному спросу AILLM-ассистент для анализа в диалоговом режиме

Задайте вопрос на естественном языке и получите мгновенный анализ с рекомендациями

Попробуйте:
Добрый день! Я ИИ-ассистент системы выявления упущенного спроса. Задайте вопрос о потерях, причинах дефицита или рекомендациях. Используйте кнопки выше для быстрого старта.

Результаты внедрения

Ожидаемый эффект от пилотного проекта

До внедрения

  • Упущенный спрос не отслеживается
  • Решения по ассортименту только по истории продаж
  • Ручной подбор аналогов фармацевтом
  • Реакция на дефицит постфактум
  • Нет связи между поиском и закупками

После внедрения

  • Автоматическое выявление потерь на 18+ млн / мес
  • Точечные рекомендации по каждому SKU и точке
  • Сокращение времени на анализ на 50-70%
  • Проактивное управление дефицитом
  • Единый контур: спрос - дефицит - замены - матрица
-50..70%
Время на поиск причин потери спроса
-30..50%
Время на формирование решений по ассортименту
≥ 70%
Доля полезных рекомендаций ИИ
5.2x
ROI пилотного проекта
Демо-прототип подготовлен компанией 7 КРАСНЫХ ЛИНИЙ