アリババ、全店舗チャネルで需要予測・在庫・価格設定を統合

アリババの事業はモバイルアプリから実店舗の食料品まで数十の小売モデルに及び、それぞれ需要パターン、賞味期限、在庫ルールが異なる。

従来の予測・在庫ツールは重要な相互作用を見逃す。豚肉の価格変動は牛肉の売上に影響し、チップスはサルサの売上に影響する。アリババは深層学習を用いてこれらの相互作用を捉え、シミュレーション最適化で顧客がどの在庫を選ぶかをモデル化し、最適化によって価格とレコメンド順位をリアルタイムに設定した。

その結果、予測精度の向上、棚卸減耗の削減、欠品の減少を実現し、小売事業全体で年間1億ドル以上のコスト削減とサービス向上につながった。この取り組みは2022年INFORMS Franz Edelman Awardの最終候補となった。

各チャネルの予測・在庫・価格を一つのシステムとして統合

共有された需要モデルにより、購買・価格設定・配置が三つの推測ではなく同じ予測に基づいて対応できる。

シミュレーションは、閉形式の在庫ルールを破綻させるFIFOとLIFOの混在を捉える。

リアルタイムの価格・レコメンド最適化により、短い賞味期限が損失ではなくレバーとなる。

予測の改善と欠品の減少が、同時に収益を高め廃棄を削減する。

小売は一つの意思決定問題であるため、共有された需要モデルは、分断された予測・発注・値下げツールに勝る。

このスイートはアリババのオムニチャネル小売子会社全体に展開され、同社によれば棚卸減耗率と欠品率の両方が着実に低下した。2022年Franz Edelmanの最終候補となり、基盤となる手法はINFORMS Journal on Applied Analyticsに掲載された。