Coca-ColaやP＆Gも実践　消費財メーカーの「AI」活用【後編】

巡回ロボットで店舗在庫を最適化　「AI」で物流はどう変わるのか

消費財メーカーでは、商品の需要に合わせた在庫の最適化が常に課題となっている。AI技術やロボットを使った物流の最適化について、事例を基に説明する。

公開 2019年07月02日 05時00分

著者

Kathleen Walch

[TechTarget]

印刷する連載新着通知を受け取る

　消費財メーカーは、適切な量の在庫を保持し、適切な場所に供給しなければならない。在庫切れは、顧客の信頼とブランドの知名度を失う原因の一つになる。こうした問題を回避して、需要に合わせて適切な供給量を確保するために、消費財メーカーは予測分析と在庫管理戦略に投資している。

　機械学習をはじめとする人工知能（AI）技術は、従来の予測分析アプローチでは見つからないパターンや異常を検出できる。小売り大手Walmartは機械学習によるパターン分析を利用して、消費者がハリケーンの前にKelloggの菓子「Pop-Tarts」（ポップタルト）のストロベリー味を購入することを発見した。人間の行動パターンを観察すると、こうした珍しい相関関係が見つかることがある。これが売上の増加へとつながる。本稿では前編「「Alexa、油汚れの落とし方を教えて」を実現　P＆Gも挑む“顧客とつながるAI”」に引き続き、AI技術を利用する消費財メーカーの取り組みについて説明する。

併せて読みたいお薦め記事

変わる消費財・小売業界

店舗と物流のIT化

在庫管理をAIで最適化

　売れ残りの商品と在庫切れの商品をAIシステムで把握することにより、小売店は顧客の購入行動の変化に素早く対処できる。その結果、在庫を最適化することが可能になる。小売店はAI技術やロボットを使用することで、単純な予測分析だけでなく、在庫管理のプロセスを支援したり、消費財メーカーにフィードバックを提供したりできるようになる。

　米国では、在庫、価格、間違った場所に置かれた商品などを確認するスキャンロボットが店舗に導入されていることもある。これらのロボットは店内を動き回りながら、その店舗や類似した条件の店舗に関する、全体的な効率を改善するためのデータを収集する。消費財メーカーはこうしたデータを利用することで、在庫管理、費用対効果（ROI）の見込み、予測プロセスの改善をさらに後押しする。

　売り場の最適化を目指す取り組みでは、画像認識技術を組み込んだシステムを使い、店舗の陳列棚で対象商品が占める割合を特定している。

　在庫の予測分析だけでなく、サプライチェーンの懸念事項の最適化にもAI技術を利用している消費財メーカーもある。倉庫用の作業用ロボットや、機械学習によって最適化された配送を利用して、業務効率をさらに高めている。

　消費財メーカーは、提供する商品が競合商品の売り上げを上回り、市場シェアを獲得することを目指している。こうした企業はさまざまなAI技術を使用して実際のデータを収集／分析する。感情の分析を通じて顧客を理解することで、個人に合わせてカスタマイズした体験を生み出している。

印刷する