Прогноз спроса и работа с товарным контентом
Контекст
Задача
Излишки по одним позициям и дефицит по другим, ручное заполнение карточек сдерживало вывод ассортимента.
Работа
Решение
Модель прогноза спроса на исторических данных с учётом сезонности и промо, генерация и обогащение карточек с проверкой человеком.
Проблема бизнеса
Что происходило до проекта
Ритейлер жил в классических ножницах товароведения: по одним позициям — излишки и замороженные деньги, по другим — дефицит и упущенные продажи. Заказы формировались опытом категорийных менеджеров, который не масштабировался на растущий ассортимент. Параллельно вторая рутина сдерживала рост: карточки товаров заполнялись вручную, и вывод новой позиции в продажу занимал недели.
Обе задачи упирались в одно и то же — данные о товарах и продажах, поэтому решались одним проектом.
Сдвиг
Как было — как стало
Как было
Как стало
Ход работы
Как решали
Подготовка данных
Собрали историю продаж, остатков, промо и сезонности в единый контур — без этого этапа любая модель прогнозирует шум.
Модель прогноза спроса
Прогноз по позициям с учётом сезонности, промо-активности и трендов; выход модели — рекомендации заказа, а не абстрактные кривые.
Рекомендации в учётной системе
Заказы формируются в привычном интерфейсе закупщика: модель предлагает, человек утверждает — и видит, почему предложено именно столько.
Генерация карточек с проверкой
По данным поставщика LLM собирает описание и характеристики карточки; контент-менеджер проверяет и публикует — не пишет с нуля.
Замер эффекта
Точность прогноза и скорость вывода позиций измеряются против зафиксированной базы «до» — по правилам сезонных сравнений.
Решение
Как устроено архитектурно
Витрина признаков
Продажи, остатки, промо и сезонность собраны в один контур: прогноз и отчётность считаются от одних данных.
Человек утверждает
Рекомендация превращается в заказ только после закупщика — с объяснением, почему предложено именно столько.
Модель не застывает
Факт продаж возвращается в витрину: следующий цикл прогноза учится на свежей реальности.
Продукт
Как это выглядит в работе
Закупщик видит прогноз и готовую рекомендацию заказа с объяснением, почему предложено именно столько. Модель предлагает — человек утверждает: доверие к системе выросло вместе с точностью.
Макет иллюстрирует механику интерфейса; данные на экране условные.
Границы решения
Что делает — и чего не делает
Честные рамки — часть архитектуры: они защищают результат не хуже кода.
Делает
- прогноз по позициям с сезонностью и промо
- рекомендации заказа в привычном интерфейсе
- объяснение каждой рекомендации
- генерация карточек с проверкой контент-менеджером
- замер точности против зафиксированной базы
Не делает
- автозаказа без человека на старте — доверие строится поэтапно
- сравнения с прошлым месяцем — только с сезонным аналогом
- публикации карточек без проверки
Итог
Результат
- Прогноз с учётом сезонности и промо
- Карточки — генерация с проверкой человеком
- Позиции выходят в продажу быстрее
Числовые показатели публикуются после сверки с заказчиком.
Передача
Что осталось у клиента
- Исходный код, модели и конфигурации — вместе с правами.
- Документация и описание архитектуры.
- Возможность развивать решение своей командой или любым другим подрядчиком.
Следующий шаг
Расскажите про задачу
Разберём, оценим сроки и стоимость. Если задача не наша — скажем прямо и подскажем, к кому обратиться.
Обсудить задачу →