Wie man KI in die direkte Lieferung an den Laden „backt“. 

Ein Bild von , News, How to 'Back' AI in Direct Store Delivery.

Für diejenigen außerhalb der Lebensmittelindustrie ist Direct Store Delivery (DSD) ein Vertriebsmodell, das von Herstellern/CPGs verwendet wird und bei dem Produkte direkt an die Regale der Einzelhandelsgeschäfte geliefert werden. Dieses Modell ist äußerst förderlich für verderbliche Lebensmittelkategorien. 

Während Ihres typischen Lebensmitteleinkaufs stellen Sie vielleicht fest, dass die Mitarbeiter heutzutage relativ wenig in den Gängen nachfüllen. Bei vielen Markenartikeln obliegt diese Aufgabe heute dem jeweiligen Zusteller des Herstellers oder CPG, der die Paletten vom Lieferwagen rollt und diese Artikel direkt selbst innerhalb der zwischen Unternehmen und Geschäft ausgehandelten ausgewiesenen Regalfläche wieder einlagert.

Dieser Fahrer oder Agent an vorderster Front verbringt den größten Teil seines Arbeitstages damit, in mehreren Geschäften entlang seiner regulären Lieferroute Halt zu machen. Angesichts des begrenzten Platzes auf dem LKW und unterschiedlicher Nachfragemuster, die verschiedene Geschäfte betreffen, müssen CPGs ihre Liefersysteme optimieren und sicherstellen, dass jedes Einzelhandelsgeschäft für jede SKU durchgehend die richtigen Mengen – oder was wir als optimale Lagerposition bezeichnen – vorhält, insbesondere für verderbliche Lebensmittel. 

Ein Paradebeispiel für eine DSD-Kategorie sind Brot und andere Backwaren. Als verderbliches Lebensmittel ist der Brotmarkt auf einzigartige Weise von drei Herausforderungen geprägt: 

1. Frisches Brot hat eine relativ kürzere Haltbarkeit. Große Brothersteller haben normalerweise eine intrinsische (oder wagen wir es zu sagen, eingebackene?) Rücklaufquote von 6-7 % ihres Produkts eingeräumt, wenn es sein Verfallsdatum in den Verkaufsregalen überschreitet. Angesichts der hauchdünnen Margen von Lebensmittelprodukten ist die Abfallreduzierung – durch Verringerung der Verderbrate, wie auch immer möglich – zu einem wichtigen KPI in diesem Bereich geworden. 

2. In diesem Zeitalter der sofortigen Befriedigung, in dem neue Produktkategorien den Markt schnell neu definieren, neigen insbesondere Brotkonsumenten dazu, sehr anspruchsvoll zu sein. Diejenigen, die nicht sehr markentreu sind, werden möglicherweise immer noch von gesundheitsorientierten Optionen motiviert – Vollkorn, Bio, Nicht-GVO und so weiter. Wenn ihre bevorzugte Auswahl bei einem Lebensmittelhändler chronisch unterbesetzt ist, werden sie sie schließlich bei der Konkurrenz suchen. Lebensmitteleinzelhändler verlassen sich auf die Effizienz von DSD CPGs, um sowohl Kunden als auch Einnahmen zu halten. 

3. Nachfragemuster für Backwaren sind hyperlokal und werden zu einem großen Teil von der Verbraucherdemographie und den Ladenattributen beeinflusst. Andere wichtige Variablen – Saisonalität, Feiertage, Veranstaltungen, Preisänderungen, Produktwechsel und neue Produkteinführungen – machen es noch schwieriger, die wahre, uneingeschränkte Verbrauchernachfrage vorherzusagen. 

Wo können bei so vielen Variablen im Spiel fortschrittliche künstliche Intelligenz und maschinelles Lernen (KI/ML) Data Science in ein vorausschauendes Bestelltool einfließen – indem eine Fülle von Datensätzen genutzt wird, um die Regalverfügbarkeit in jedem Einzelhandelsgeschäft zu optimieren und gleichzeitig Verschwendung zu minimieren? Eine ideale Lösung würde fünf Kernpunkte umfassen: 

• Generieren Sie eine uneingeschränkte statistische Prognose auf tages-/filialspezifischer Ebene, indem Sie statistische Basislinien mit aufkommenden Nachfragevariablen ergänzen AI kann in Echtzeit verfolgen – wie z 

Saisonabhängigkeit (im Fall von Brot, Nachfrage nach Sandwiches während des Schulanfangs), Aktionszeitpläne von Einzelhändlern, sogar lokale Wetterbedingungen. 

• Wandeln Sie diese Prognosen automatisch in optimale/vorgeschlagene Bestellmengen um, indem Sie Geschäftsregeln und inhärente DSD-Beschränkungen wie Trayrundung, Servicetage und Materialverfügbarkeit nutzen. 

• Führen Sie auf Ausnahmen basierende Überprüfungen durch, die verschiedene Dimensionen wie Kunde und Route umfassen, und fördern Sie die Leistung der Fahrer in Bezug auf Geschwindigkeit und Effizienz. 

• Schließen Sie Funktionen ein, um späte Anpassungen on-the-fly vorzunehmen, basierend auf fortwährenden Bestandsempfehlungen und im Außendienst in letzter Minute gewonnenen Erkenntnissen. 

• Steigern Sie die Geschäftsleistung, indem Sie KPIs während des gesamten Lebenszyklus des Produkts messen. Erleichtern Sie schnelle Korrekturmaßnahmen bei Geschäftsentscheidungen oder Modelloptimierungen. 

Die Technologie hinter DSD Predictive Ordering hat bereits große Fortschritte gemacht, vor allem dank modernster KI/ML-Innovationen. Insbesondere dynamische Aggregationsalgorithmen, die Rechenleistung im Cloud-Maßstab nutzen, verfeinern erfolgreich enorme Datenmengen auf Zeitreihenebene. Dies ergibt letztendlich die umsetzbarsten Datenpunkte für das, was wir die optimale Bestellung nennen – oder die richtigen Mengen für jede DSD-Lieferroute, angetrieben von KI-Prognosen und Einblick in Komponenten wie Basis, Werbung, Saisonalität und mehr. 

Auf diese Daten können Lieferfahrer und andere Mitarbeiter direkt über eine Tablet-basierte Benutzeroberfläche zugreifen, ein unverzichtbares Werkzeug für jeden Fahrer, der jeden Stopp auf seinen täglichen Lieferrouten effizient bedient. 

In den letzten Jahren haben wir die kontinuierliche Entwicklung von Lebensmittel-DSD aus erster Hand miterlebt, da antuit.ai-Kunden bereits eine überwältigende Mehrheit des Broteinzelhandelsmarktes in Nordamerika ausmachen und Kultmarken sowie beliebte Nischenprodukte umfassen. Die Innovation der KI-gestützten vorausschauenden Bestellung, die bereits dazu beigetragen hat, den Backwarenbereich neu zu definieren, kann auch erfolgreich auf mehrere andere Konsumgüterkategorien angewendet werden. Die Innovation der KI-gestützten vorausschauenden Bestellung, die bereits dazu beigetragen hat, den Backwarenbereich neu zu definieren, kann auch erfolgreich auf mehrere andere Konsumgüterkategorien angewendet werden.

Ein Bild von , News, How to 'Back' AI in Direct Store Delivery.

Jasneet Kohli

Leiter/VP der Lösungsberatung, antuit.ai

Erzielen Sie Produktivitäts- und Effizienzsteigerungen durch Datenmanagement

Russ Kennedy • 04. Juli 2023

Unternehmensdaten sind seit vielen Jahren eng mit Hardware verknüpft, doch jetzt ist ein spannender Wandel im Gange, da die Ära der Hardware-Unternehmen vorbei ist. Mit fortschrittlichen Datendiensten, die über die Cloud verfügbar sind, können Unternehmen auf Investitionen in Hardware verzichten und das Infrastrukturmanagement zugunsten des Datenmanagements aufgeben.