運用AI啟動營運模式創新的關鍵

文 / 葉神丑

從快銷品需求預測談起

為了解消費性商品公司應用AI數據分析的價值與挑戰，2018年，BCG與Google公司共同進行一項研究：採訪了 25 家大中型快銷品公司、5 個利基型品牌，以及全球約 100 名行業專家，結果發現：通過大規模使用AI數據分析，可以讓企業透過更具預測性的需求預測、個人化的消費者服務體驗、優化營銷和促銷投資回報率等方式，讓營收增長超過10％。如下圖結果顯示，其中，需求預測(demand forecasting)對拉動企業業務增長的重要性排第一。

企業透過需求預測分析的數據來洞察銷售數據內的資訊，如：預測新產品的需求量、行銷活動的效果、品項銷售的消長趨勢，若能有有效的需求預測機制，門店可確保在任何時刻都有適當的庫存可供銷售。以避免庫存太多或不夠造成損失。
庫存太多，意味著大量的庫存金額浪費，資金成本的提升。而對於一些銷售期限嚴格的商品，如：鮮食、應季服裝，高庫存更是意味著直接的損失；庫存不夠，則會導致產品滯銷，一方面沒法做到銷售額最大化，另一方面還會因為消費者需求無法滿足，轉而去競爭對手那購買商品，導致客戶流失。
需求預測，就是使用數據和洞察來預測客戶在特定時間段內想要購買多少特定商品或服務的行為。一個好的需求預測算法和執行流程，將會幫助企業零售業務得到穩定、快速的可持續發展。據國際研究機構 Gartner 指出，企業以「需求導向」做決策，平均可降低 15 ~ 30% 的庫存成本、提升 15 ~ 30% 的現貨可用性，還可增加 1 ~ 3% 的毛利率。
優質的需求預測模型，是綜合運用內部數據、外部數據和行業別經驗，結合多種預測演算法，作出適當準確度要求的需求預測結果。需求預測模型可再透過不斷產生的實際銷售資訊，不斷修正模型以提升準確度。內部數據包括歷史銷售數據、促銷活動、廣告投入、人流數據等，外部數據包括行業趨勢、消費趨勢、地區消費力、天氣情況等因素。同時，銷售預測也可以用來做為人員配置參考，優化排班，以避免在顧客多的時候，卻由於店員配置不足，導致顧客消費體驗不佳，造成客戶流失。因此運用AI在商業模式的創新上，已不再是幾年前難以想像的工具，因為開源的工具、開放式的AI創新平台的興起，AI在商業模式的應用上，已逐步產生許多可供複製的應用典範。

AI的應用案例

隨著機器學習或深度學習的發展(或稱AI的應用)，預測分析已逐漸被應用在經營管理上，再透過經營可視化BI工具，讓企業使用者越來越方便使用。以下面提供三個AI預測分析的應用案例：

1.電子商務 

機器學習的預測分析可幫助零售商了解客戶的行為和偏好。通過研究特定產品的瀏覽模式和點擊率，電子商務公司可以有效地提出產品推薦並提供最大化的銷售。個性化的建議和提醒還可以幫助零售商留住客戶，從而幫助建立忠實的客戶群。機器學習預測分析還使管理供應鏈流程變得更加容易。使用預測運算，讓零售商可以更好地管理庫存，避免出現缺貨情況，並優化物流和倉儲。

2.顧客服務

預測分析的應用許多時候是為了提供更優質的顧客服務。透過預測分析的洞察有助於依不同維度將顧客分群。根據客戶的反應和購買方式對客戶進行分類，以進一步幫助企業製定針對每個細分市場特點的營銷策略，如：喚醒沉睡客、拓展忠誠客戶。基於機器學習的預測分析還可以幫助企業識別即將流失的顧客。這些洞察讓企業能夠設計適合客戶需求的包裝、內容，透過行銷策略來留住客戶並吸引新客戶。

3.銷售分析

無論是B2B或B2C的銷售上，都有許多機器學習的例子。最常見的用例之一是識別和獲取具有與現有客戶相似屬性的潛在客戶。基於ML的預測分析還可以根據已知的潛在客戶，潛在客戶和客戶採取行動的可能性來確定優先級。銷售預測是利用POS銷售資料或ERP出貨明細，並導入導入外部因子 ( 如：PMI、天氣、消費力、區位、時段等)，建立時間序列的AI模型 ( LSTM )，以進行分群、預測，作為庫存、生產、生產排程的參考。可透過建立趨勢性、季節性趨勢模型。

產業特性的商業模式創新

AI 人工智慧、大數據應用等新興應用的風潮帶動下，越來越多企業主開始關注如何利用更科學的方法對銷售或生產環節進行預測。以「時間序列」為基礎的「需求預測」技術：透過多維度的歷史資料分析並建立模型，藉此對未來可能的結果提出預測，是此技術的基本定義。最大的效果就是可以協助管理者在激烈的產業競爭下，做出以「需求導向（Demand-Driven）」的決策，達到更好的成本控管。

一場COVID-19(武漢肺炎)疫情爆發，影響路易莎咖啡全省500 家門市營業額由每日 11 萬杯瞬間滑落到 9 萬餘杯，當發現業績「跳水」時，路易莎透過「企業 BI 戰情室」、 「AI 銷售預測決策支援」，利用門市 POS 及黑卡會員蒐集的資料（包含購買品項、消費門市、購買單價、組合商品、單店來客等資訊）作為建立 AI 銷售預測的決策依據。經過需求分析、數據整理、預測分析及決策等階段， AI 模擬出「寄杯優惠，全員寄起來」的促銷活動，可以讓平均 200 元客單價提昇到 400 元。配合後端智慧工廠建置高效率、高品質、高彈性的生產線，搭配數據分析與 AI 技術保持機台最佳稼動率，即時判斷咖啡豆原料的市場波動，更進一步利用進貨條碼達成食材追溯追蹤，讓產能從 3.2 噸 / 月提升到 3.6 噸 / 月，達到最適化及最新鮮的原豆庫存。

中衛觀點：善用AI模型，創新顧客服務模式

AI的應用雖然充滿想像，其技術目前以機器與深度學習、語音處理、視覺處理、自然語言、專家系統、排程最佳化等領域為主，企業在應用上，建議以能創新營運、顧客服務、省人化來思考，中衛中心在輔導業者上，也聚焦在產企業的需求重點，作深入的輔導，下表即為在不同領域的應用，分生產製造端與行銷業務端的應用。

運用AI啟動商業模式創新的關鍵，提供以下建議：

AI應用從關鍵的小處開始，需要資料的累積來驗證合理性，時間序列數據量越多，模型建立越多元、越穩健。
多方觀察同業與異業應用案例，連結新應用情境，進而創新營運模式。
透過AI創新平台的案例分享，收集最先進、最佳的AI模型，減少入門障礙
依據產業的特性，聚焦AI應用重點：
製造業的AI應用：預知保養、瑕疵檢測、生產品質預測、需求預測、先進生產排程等
商業的AI應用：顧客分群、銷售預測、精準行銷、需求預測