求：基于增量评分、需求状态分析和同品类竞争建模的SKU层级优化。Southern Co-op利用这一能力实现了5.2%的品类销售额增长，这一同店销售额增长得益于将合适的SKU摆放在合适的货架上。“可移植需求人工智能”模型可在不同零售商之间直接应用，无需重新训练，这意味着在某个JBP项目中经过验证的工作成果，无需从头重建即可直接应用于下一个项目。

基于智能门店的聚类：基于门店层面的交易和销售模式进行门店聚类分析，从而构建高度精准且可扩展的模型，这些模型专为本地需求、消费者行为和运营动态量身定制。这一能力在批发环境以及客户级数据有限的市场中尤为宝贵，包括许多亚太地区和新兴市场——在这些地区，零售商的采用程度取决于实用且以门店为中心的智能分析。

基于陈列布局的商品组合 — 品类负责人工作流程：基于共享数据模型进行商品组合与陈列布局图规划，生成可供门店团队直接执行的“上架即用”成果。这些并不是需要手动转换后才能执行的分析性建议。PepsiCo已在英国各大食品杂货零售商中部署了该功能，用于品类负责人规划，从而缩短了商品组合审查周期，并在平台内生成零售商可直接使用的交付成果。

陈列布局图自动化 — 多品牌扩展：针对具体门店生成的陈列布局图，可在不同品牌、国家、语言和监管环境下大规模生成和维护，从而消除了在陈列调整期间消耗现场团队和品类团队精力的手动重建周期。一家总部位于欧洲的全球零售商在32个国家/地区和32个品牌中部署了CINDE陈列布局自动化系统，这是同类系统中规模最大的多品牌部署。


市场背景

根据《POI 2024年行业现状报告》，80%的快消品企业总部缺乏支持定价、促销和市场进入决策所需的能力。该行业历来依赖彼此割裂的点解决方案：聚类、陈列布局图和合规工具各自独立运行，每次都需要人工交接，这导致门店层面出现延迟和执行失误。此前，尚无任何供应商将这四大领域整合到一个采用共享数据模型的统一平台中。

三大因素的交汇，使得此次整合在技术上可行且在商业上迫在眉睫：随着零售商要求更具响应性的联合业务规划，商品品类审查频率不断加快；大规模计算机视觉技术已可用于店内合规性核查；以及大规模需求模型日趋成熟，能够在无需重新训练的情况
=*=*=*=*=*=
当前为第2/4页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页