零售商正藉助人工智能優化庫存管理——《華爾街日報》

沃爾瑪等零售商正在運用能整合從天氣模式到社交媒體趨勢等一切數據的技術。圖片來源：Victor J. Blue/Bloomberg News零售商正藉助人工智能技術更精準預測消費需求，修復疫情期間因消費者購買模式劇烈波動而受創的供應鏈。

包括沃爾瑪、零售藥房巨頭沃爾格林和在線時尚零售商ASOS在內的商家，正在推廣這項日益複雜的技術，它能整合從天氣模式到社交媒體趨勢等各類數據，通過評估海量信息來指導庫存調配決策。

這些舉措旨在優化零售商長期沿用的做法——利用內部歷史銷售信息預測消費需求，確保在正確時間將合適商品擺上貨架。

在經歷了多年嚴重且代價高昂的庫存失衡後，零售商正努力實現供需更精準匹配。

疫情期間，隨着消費者購買偏好從清潔用品、家用健身器材快速轉向職業裝，繼而轉向旅遊等服務，預測模型基本失效。這種波動導致許多零售商積壓大量滯銷商品——他們匆忙將貨物運往門店和分銷中心，卻錯過了熱銷產品的銷售機會。

軟件巨頭SAP零售行業業務部門全球副總裁克里斯汀·豪厄爾表示：“疫情後僅以過往銷售為主要依據的預測方式顯然不夠準確。我們注意到許多零售商正嘗試拓展需求信號的數據維度，不再侷限於歷史銷售數據。”

疫情初期，手部清潔劑曾是需求激增的商品之一，隨後消費需求轉向其他領域。圖片來源：瑪爾塔·拉凡迪爾/美聯社2020至2021年間，那些遭遇商品斷貨的企業後期大量補單以應對供應鏈中斷，這種"以防萬一"的庫存策略導致當消費轉向時，許多企業積壓了大量滯銷商品。

據美國人口普查局數據，2022年8月零售商庫存規模達近7600億美元，較2019年8月增長30%，約為同期銷售額增速的兩倍**。**

豪厄爾指出：“精準的需求預測與盈利能力息息相關。若能洞察消費者行為、捕捉趨勢動向，就能優化當季採購決策，制定精準定價與促銷策略。”

零售商面臨的挑戰不僅限於需求評估。消費習慣的變化也使得庫存佈局決策更為複雜。

供應鏈軟件供應商o9 Solutions首席執行官查克里·戈特穆卡拉表示，如今更多消費者通過線上下單選擇送貨上門或到店自提，並要求快速履約，這意味着零售商必須科學規劃商品存放位置，確保貨品高效流轉。

戈特穆卡拉表示：“傳統零售商必須更加精明地應對這類新型消費者，他們希望隨時隨地購物，並期待獲得最高水平的服務。”

戈特穆卡拉指出，以往的預測工具難以全面評估諸如社交媒體病毒式傳播視頻和當地天氣模式等因素——這些因素會促使顧客前往實體店或在線購買特定商品。他表示，人工智能和機器學習技術的進步使得將這些數據納入預測變得更加容易。

他舉例説：“企業從經驗中深知，如果有網紅推薦某款產品，需求就會立即激增。他們現在的問題是：‘能否將這種效應納入預測模型？’”

沃爾瑪今年對其庫存管理系統進行了編程改造，使其能夠分析天氣預報數據，並追蹤其官網及谷歌等搜索引擎上的搜索趨勢。

這家總部位於阿肯色州本頓維爾的零售巨頭運用人工智能技術，例如判斷美國某地區是否在集中搜索芭比夢幻屋，而另一地區則在熱查Squishmallow毛絨玩具。據此，沃爾瑪可以將更多相關產品調往預期需求旺盛的區域。

沃爾瑪端到端履約高級副總裁帕爾韋茲·穆薩尼解釋道：“現在我們的AI能即時提示‘某款派類食品或玩具突然爆紅’，確保我們將對應商品精準調配至需求節點。通過動態再分配系統，我們可以即時將合適的產品部署到正確的門店。”

天氣預報還能幫助沃爾瑪預測顧客需求。

例如，若新澤西州即將遭遇暴風雪，沃爾瑪會提前向附近門店和配送中心調運雪鏟、掃雪機和融雪鹽等商品，並補充當地食品雜貨庫存。

該公司讓人工智能學會識別異常情況，以避免像亞利桑那州下雪這類罕見事件扭曲來年預測，導致零售商向該地區過量調撥冬裝。

沃爾格林正利用社交媒體數據和季節性流感報告等數據，通過人工智能預測零售業務需求。首席採購與供應鏈官拉吉尼什·卡普爾表示，這家總部位於伊利諾伊州迪爾菲爾德的公司運用這些洞察優化庫存佈局，將商品預先調配至消費者可能購物的區域附近。

卡普爾説：“我們分析了天氣事件、社交媒體動態、地方活動以及當地疾病趨勢，以瞭解消費者在沃爾格林購物的方式和動機。”

卡普爾稱，去年公司的人工智能預測模型成功預判了咳嗽感冒季的區域性趨勢，使沃爾格林能及時上架非處方藥品。該模型曾預測某些地區將出現高發熱率但低鼻塞咳嗽症狀，零售商便在這些預期需求旺盛的區域增加了兒童退燒藥的備貨。

英國時尚電商ASOS今年開始運用人工智能預測T恤、連衣裙和牛仔服飾等商品的需求。該零售商的模型基於歷史銷售數據、退貨記錄、產品熱度及潮流趨勢進行訓練，能對未來兩季各倉庫每款商品所有尺碼的周需求量做出預測。

ASOS的一位發言人表示：“這項AI技術為我們的商品採購員提供了前所未有的精細度和準確性的預測。”

聯繫莉茲·楊，郵箱：[email protected]