Розвиток інфраструктури підприємств роздрібної торгівлі на основі нейромережевих технологій

Размещено на http://www.allbest.ru/

РОЗВИТОК ІНФРАСТРУКТУРИ ПІДПРИЄМСТВ РОЗДРІБНОЇ ТОРГІВЛІ НА ОСНОВІ НЕЙРОМЕРЕЖЕВИХ ТЕХНОЛОГІЙ

Бугріменко Р.М.

АНОТАЦІЯ

У статті розкрито сучасні тенденції розвитку інфраструктури підприємств роздрібної торгівлі на основі нейромережевих технологій. Надано нейронні мережі як інструмент, що дозволяє фахівцям із маркетингу працювати більш ефективно. Визначено деякі проблеми і недоліки нейронних мереж в управлінні маркетингом, застосуванні нейромережевих технологій в інфраструктурі підприємств роздрібної торгівлі. Наведено приклади запровадження інновацій у сфері роздрібної торгівлі. Вивчено застосування нейронних мереж у маркетингу та розглянуті деякі перспективи для майбутніх досліджень. Виділено переваги нейромережних технологій у контексті оцінки вартості реінжинірингу бізнес-процесів на підприємствах роздрібної торгівлі. Представлено ствердження, що нейронна мережа є основною областю застосування інформаційних технологій.

Ключові слова: інфраструктура підприємств роздрібної торгівлі, нейромережеві технології, маркетинг інновацій, прогнозування, відеоаналітика, цифрові платформи, маркетингова стратегія, маркетингові рішення.

АННОТАЦИЯ

В статье раскрыты современные тенденции развития инфраструктуры предприятий розничной торговли на основе нейросетевых технологий. Представлены нейронные сети как инструмент, позволяющий специалистам по маркетингу работать более эффективно. Определены некоторые проблемы и недостатки нейронных сетей в управлении маркетингом, применении нейросетевых технологий в инфраструктуре предприятий розничной торговли. Приведены примеры внедрения инноваций в сфере розничной торговли. Изучено применение нейронных сетей в маркетинге и рассмотрены некоторые перспективы для будущих исследований. Выделены преимущества нейросетевых технологий в контексте оценки стоимости реинжиниринга бизнес-процессов на предприятиях розничной торговли. Представлено утверждение, что нейронная сеть является основной областью применения информационных технологий.

Ключевые слова: инфраструктура предприятий розничной торговли, нейросетевые технологии, маркетинг инноваций, прогнозирования, відеоаналітика, цифровые платформы, маркетинговая стратегия, маркетинговые решения.

Buhrimenko Roman

DEVELOPMENT OF RETAIL INFRASTRUCTURE BASED ON NEURAL NETWORK TECHNOLOGIES

ANNOTATION

інфраструктура нейромережевий роздрібна торгівля

Self-service technologies not only accelerate retail processes, but also become an important marketing tool for promoting company products, leading to increased consumer loyalty and sales growth. Retailing uses marketing approaches to formulate business models, but technological advances dictate to retailers the need to use innovative approaches based on marketing innovations based on modern neural network models. We have addressed the challenges and limitations that neural network applications face in marketing. In this regard, we hope that the article presented here will shed some light on how neural networks can be applied in marketing decision-making and how measures and model ambitions are taken. Due to the current availability of sophisticated computing power and almost fully automated software, it is quite easy to fall into the neural network trap. This can lead to blind submission of data to the neural network simulator without addressing some very important issues in networking and application building. In addition, to further develop the process of applying neural network technology in marketing, it is necessary to understand the characteristics that are applicable to the application and the potential benefits of neural networks. In the article the modern tendencies of development of infrastructure of the retail trade enterprises on the basis of neural network technologies are revealed. Neural networks are provided as a tool to enable marketing professionals to work more effectively. Some problems and disadvantages of neural networks in marketing management, application of neural network technologies in the infrastructure of retail enterprises are identified. The examples of introduction of innovations in the sphere of retail trade are given. The use of neural networks in marketing is examined and some perspectives for future research are considered. The advantages of neural network technologies in the context of estimating the cost of business process reengineering at retail enterprises are highlighted. The statement that neural network is the main area of application of information technologies is presented.

Key words: retail infrastructure, neural network technologies, innovation marketing, forecasting, video Analytics, digital platforms, marketing strategy, marketing solutions.

Постановка проблеми. У період євроінтеграції країни перед мережевими роздрібними торговельними підприємствами ще гостріше постають надзвичайно важливі питання щодо визначення стратегічних цілей діяльності, вибору стратегічних зон господарювання, формування стратегічного товарного портфеля, визначення політики ціноутворення, диверсифікації діяльності, доцільності кількісного розширення підлеглих торговельних об'єктів і забезпечення керованості ними, формування ефективних взаємовідносин партнерами, які б сприяли розвитку вітчизняного товаровиробника, а отже, створенню масового платоспроможного споживача [1, с. 509-514].

Нейромережеві технології позбавлені багатьох недоліків класичних методів передбачення, таких як -- монотонність чи періодичність майбутнього значення, яка властива для чисельних методів екстраполяції; усереднення прогнозованого значення, що притаманне методу найменших квадратів, середнього плинного чи регресійним моделям. Крім того, прогнозування на основі штучних нейронних мереж не допускає ніяких обмежень на характер вхідної інформації.

Аналіз останніх досліджень і публікацій. Щодо дослідження фундаментальних положень нейромережних технологій слід відмітити таких авторів: Н.А. Кузнецова, О.В. Воіщєва, А.П. Ротштейна, М.С. Сявавко, О.М. Рибицької, Т.Г. Васильціва, Л.О. Лігоненко, А.А. Мазаракі, Ю.М. Хом'як. Проблеми економічного прогнозування перебувають у сфері наукових інтересів саме на основі нейромережевих технологій таких учених, як В. Геєць, Т. Клебанова, О. Черняк, Б. Грабовецький, А. Єріна, М. Пашута тощо [2, с. 76--84].

Роботи таких авторів, як Р. Каренов, Є. Голубков, Р. Байсултанова, Г. Яловецький, С. Мукашева, Д. Данабаєва, С. Нюсупов, І. Нікітіна, Н. Урузбаєва, К. Сакібаєва, пов'язані в основному з маркетинговими дослідженнями інновацій саме в системі нейромережевих технологій.

Формулювання цілей статті. Метою статті є розкриття сучасних тенденцій розвитку інфраструктури підприємств роздрібної торгівлі на основі нейромережевих технологій, визначення переваг та недоліків застосування нейромережевих технологій в інфраструктурі підприємств роздрібної торгівлі, розгляд прикладів запровадження інновацій у сфері роздрібної торгівлі.

Виклад основного матеріалу дослідження. У системі роздрібної торгівлі на сучасному етапі розвитку сфери торгівлі використовуються такі види інновацій: упровадження сучасних форм торгівлі, технологій самообслуговування, нових методів просування і продажів товарів, нововведень у сфері закупівель і логістики; використання нових методів формування асортименту товарів і управління товарними запасами; вдосконалення функцій тактичного маркетингу; використання нових видів реклами, нових цінових стратегій; розроблення фірмового стилю.

Технології самообслуговування не тільки прискорюють процеси в роздрібній торгівлі, а й стають важливим маркетинговим інструментом для просування продукції компаній, що приводить до збільшення лояльності споживачів і зростання продажів [3, с. 78--85].

У роздрібній торгівлі використовуються маркетингові підходи під час формування бізнес-моделей, але технічний прогрес диктує підприємствам роздрібної торгівлі необхідність використання інноваційних підходів на основі маркетингу інновацій, заснованих на сучасних моделях нейромережевих технологій [4, с. 65--68].

Як показали дослідження фахівців Інституту реклами США, понад 70% споживачів схильні приймати остаточне рішення про придбання того чи іншого товару в місцях продажів. У такій ситуації важливо використовувати маркетингові інструменти, які впливають на відвідувачів у точках продажів, тобто забезпечують точне потрапляння безпосередньо в цільову аудиторію. Йдеться про застосування систем відеоаналітики, за допомогою яких можна вести підрахунок і аналіз цільової аудиторії, а також аудіовізуальних технологій -- аудіомаркетингу і систем Digital Signage, які впливають на емоції і поведінку споживачів. Як показує досвід, такий комплексний підхід дає максимальний ефект і призводить до зростання обсягу продажів до 65% (таблиця 1).

Цифрові трансляційні інтернет-платформи з функцією відеоаналітики функціонують на базі технології розпізнавання осіб, яка дозволяє вести збір і аналіз великих обсягів даних. Завдяки цьому система може не просто вести підрахунок трафіку, а визначати індивідуалізуючі ознаки будь-якого відвідувача, такі як стать, вік, зовнішній вигляд, потім отримані дані можна вивести в систему CRM, проаналізувати і використовувати для виділення цільових груп споживачів і подальшого планування процесу комунікацій з ними (таблиця 2) [5--6].

Одним із найбільш цікавих досягнень спільноти інформаційних технологій, що знайшли застосування в бізнесі, став розвиток нейронних мереж. В останні роки нейронні мережі переміщуються з дослідницьких лабораторій у світ бізнесу і вже працюють у світі банківської справи та фінансів та в інших місцях. Деякі вважають, що нейронні мережі є одним із найважливіших технологічних досягнень останніх десяти років, особливо застосовних до управління ризиками та прогнозування, де здатність ідентифікувати складні патерни має вирішальне значення для складання прогнозів.

Теоретична база нейромережних технологій -- це галузь штучного інтелекту. Її популярність пояснюється насамперед схожістю з роботою біологічних нейронних систем, зокрема головного мозку людини. Переваги нейромережних технологій зокрема полягають в тому, що вони не вимагають підвищених вимог до точності вхідних даних як на етапі навчання, так і під час їх застосування [7]. Фінансове моделювання на основі системи нейромережевого моделювання необхідне для вирішення складних проблем динаміки фінансової прибутковості [8, с. 44--63].

Таблиця 1

Сучасні маркетингові інструменти в роздрібній торгівлі

Таблиця 2

Класифікація цифрових інтернет-платформ в системі інформаційно-комунікаційних технологій в роздрібній торгівлі

Ентузіазм ділової спільноти, здається, пов'язаний з двома перспективами. По-перше, це підвищена доступність необхідної обчислювальної потужності і зручного програмного забезпечення, яке дозволяє спростити розроблення нейронних мереж окремими особами з мінімальними знаннями про складні процеси, пов'язані з ними. Швидкий аналіз мільйонів минулих ділових операцій насправді є ключем до багатьох зусиль з реінжинірингу в сьогоднішньому бізнес-середовищі. Компанії, починаючи від авіакомпаній і закінчуючи роздрібними торговцями, прагнуть до реорганізації на основі кращого розуміння купівельних моделей клієнтів. По-друге, нейронні мережі обіцяють прорив у тих областях, де традиційні комп'ютерні системи зазнають труднощів. Нейронні мережі являють собою радикальну спробу зламати логіку шляхом створення комп'ютерів, що імітують спосіб мислення людей.

Нейронна мережа з точки зору маркетингу являє собою програмний інструмент прийняття рішень, який допомагає особам, які приймають рішення, у виборі відповідної відповіді на конкретну ситуацію. По суті, нейронна мережа, як і інші інформаційні технології, струшує традиційні маркетингові методи. Через динамічний характер маркетингу видається, що ця дисципліна має хороші можливості для використання переваг нейронних мереж в різних нових додатках.

У статті досліджується сила нейронних мереж для прийняття маркетингових рішень. Загальні цілі цього документа полягають у такому:

— визначити нейронні мережі як інструмент, що дозволяє фахівцям з маркетингу працювати більш ефективно і досягати більш високих рівнів ефективності;

— визначити деякі проблеми і недоліки нейронних мереж в управлінні маркетингом.

Термін «нейронні мережі» використовується вже більше 40 років, але нещодавно нейронних мереж було дано формальне визначення: нейронна мережа--це система з безлічі простих обробних елементів, які зазвичай працюють паралельно, функція яких визначається структурою мережі, міцністю зв'язків і обробкою, виконуваної обчислювальними елементами або вузлами.

Концепція нейронних мереж заснована на тому, як ми розуміємо структуру людського мозку. Нейронні мережі -- це комп'ютерні системи, що зв'язують входи з виходами в мережевій структурі вузлів і дуг. Вони надихаються відтворенням частини того, що відомо про те, як функціонує людський мозок. У людському мозку нейрони з'єднані павутиною з мільйонів нейронних зв'язків у складну мережу, з активністю, що генерується імпульсами від одного нейрона до іншого.

Найпростіша форма нейронних мереж складається виключно з двох шарів нейронів, вхідного і вихідного шарів. Кожен вхід потенційно пов'язаний з кожним виходом. Між вхідним і вихідним шарами може бути встановлено додаткову кількість проміжних шарів. У формальних термінах модель нейронної мережі може бути виражена в термінах взаємозв'язку між її нейронами. Ці взаємозв'язки можна розглядати як вагові коефіцієнти. Таким чином, для конкретного шару над першим вхідним шаром кожен нейрон функціонально залежить від нейронів в шарі безпосередньо під ним.

На практиці замість того, щоб бути запрограмованою з явними інструкціями, нейронна мережа навчається виконувати завдання, навчаючись на реальних прикладах. Система навчається, регулюючи ваги відносного впливу вхідних даних на вихідні, пробуючи безліч комбінацій ваг, поки не буде отримано хорошу відповідність навчальним випадкам. Після цього отримана мережа може бути використана для оцінки майбутніх випадків, допомагаючи в класифікації, оцінці функцій, стисненні даних і аналогічних завданнях.

Маркетингові компанії використовують свої знання про поведінку споживачів для сегментування ринків, розробки маркетингових стратегій та оцінки ефективності маркетингу. Сьогодні ефективна маркетингова практика вимагає від компаній прийняття маркетингової концепції та ефективної маркетингової сегментації, яка включає в себе точну оцінку потреб і переваг сегмента ринку, що досягається даним продуктом, є його істотним елементом.

Насправді нейронні мережі успішно використовуються для аналізу прогнозу банкрутства, рейтингу облігацій та аналізу поточних проблем, для прогнозування виявлення шахрайства з кредитними картками, перевірки підписів. Багато підприємств починають використовувати нейронні мережі для підвищення точності, зниження витрат або і того, і іншого.

Визначення відповідних областей застосування, де нейронні мережі пропонують переваги, є важким завданням. Однак нейронні мережі пропонують новий підхід до вирішення завдань, коли відсутня інформація про припущення розподілів даних або відносин в дилемі категоризації. Все більше число фірм використовують програмне забезпечення нейронних мереж на базі ПК для вирішення завдань, які раніше вирішувалися за допомогою звичайного статистичного аналізу.

Статистичні методи та нейронні мережі є індуктивними методами. Іншими словами, співвідношення між вхідними та вихідними даними будується з набору даних. Це робить порівняння та синергію між ними майже неминучими. Для більшості маркетингових даних, які будуть складатися як з якісних, так і кількісних ознак, які ніколи не будуть точно відповідати припущенням звичайного статистичного

аналізу. Нейронні індуктивні класифікаційні підходи являють собою альтернативу. Вибірка рішень разом з набором атрибутів, на основі яких були прийняті рішення, передається в моделюючу систему, яка потім на основі вибіркових даних формує наближену модель експертної системи.

Можна виділити такі переваги нейромережних технологій у контексті оцінки вартості реінжинірингу бізнес-процесів на підприємствах роздрібної торгівлі, як:

— здатність навчатися на конкретній множині прикладів і таким чином пристосовуватися до поточної ситуації, до прикладів можуть належати бенчмаркингові дослідження підприємств лідерів, порівняння з підприємствами, які вже втілюють концепції РБП на практиці, SPACE-процедури;

— вміння стабільно розпізнавати, прогнозувати нові економічні ситуації з високим рівнем точності в умовах зовнішніх перешкод, наприклад появи неповних чи суперечливих значень в потоках інформації (неправдива чи застаріла економічна інформація) [9, С. 94--98].

У таблиці 3 представимо алгоритм застосування нейромережних технологій.

Маркетингові інформаційні системи складаються з людей, обладнання та процедур для збору, сортування, аналізу, оцінки та поширення необхідної, своєчасної та точної інформації особам, які приймають маркетингові рішення також представили модель для маркетингових інформаційних систем. Модель включає в себе чотири основні підсистеми: систему внутрішнього обліку, систему маркетингової розвідки, систему маркетингових досліджень і систему підтримки прийняття маркетингових рішень. З погляду управління маркетингом, систему маркетингової інформації можна розглядати по-різному.

Нейронні мережі змінюють спосіб використання інформації в маркетингу. З такою новою інформаційною технологією компанія, яка використовує нейронну мережу, в кінцевому підсумку матиме доступний, майже реальний доступ до всіх необроблених чисел, які вона хоче. Ці дані можуть бути отримані з заявок на споживчі кредитні картки, продажів кредитних карт в точках покупки і звітів кредитних агентств. Реальна різниця між конкурентами буде полягати в якості аналізу, який кожен виконує, і здатності рішень, що випливають з нього. Нейронні мережі допомагають менеджерам збирати та обробляти інформацію, таку як вік, дохід, кредитна історія та придбані продукти.

Нейронна мережа може бути розроблена, щоб пролити світло на те, як споживачі реагують на стимули, що містяться в рекламних повідомленнях. Значні дослідження показують, що рекламні виконавчі сигнали можуть впливати на ефективність комунікації. Рівні обробки рекламних форм впливають на результати, зазвичай пов'язані з ефективною рекламою. Вченими була розроблена структура, яка забезпечує зв'язок між виконавчими сигналами до ефективності комунікації через їх вплив на мотивацію споживачів, можливості та здібності, а рівні обробки реклами залежать від мотивації споживачів, здібності і можливості обробляти інформацію про бренд під час або відразу після впливу реклами.

Водночас, слід відзначити, що використання нейромережевих технологій в системі роздрібної торгівлі мають деякі переваги, але і недоліки.

Великі об'єкти роздрібної торгівлі для ідентифікації підозрюваних в крадіжці використовують технології розпізнавання облич з метою посилення безпеки в кожному магазині, що підняло ряд питань щодо конфіденційності життя населення.

Технологія розпізнавання облич порівнює обличчя з базою даних, що містить ряд передбачуваних злочинців. Якщо збіг знайдено, система оперативно повідомляє службу безпеки магазину, відправляючи на їх мобільні пристрої профіль підозрюваного і вказівки щодо заходів реагування.

Магазини, які використовують програмне забезпечення FaceFirst, не зберігають фотографії всіх облич людей, що входять у магазин, -- тільки фотографії раніше зазначених підозрюваних або людей, які нагадують цих підозрюваних. Використання біометричної технології в сфері роздрібної торгівлі підняло кілька проблем, наприклад, чи слід магазинам дотримуватися певних правил при використанні технології розпізнавання обличчя для того, щоб вони не порушували прав недоторканності приватного життя споживачів.

Таблиця

Алгоритм застосування нейромережних технологій

У червні Національна адміністрація електрозв'язку та інформації, підрозділ Міністерства торгівлі США, розпочала роботу над створенням набору правил для регулювання комерційного використання технології розпізнавання обличчя. Однак ця робота швидко припинилася, після того, як цей проект покинули дев'ять груп захисників прав конфіденційності [10].

Сучасний етап розвитку національної торгівлі дозволяє визначити основні шляхи підвищення ефективності інноваційної діяльності роздрібних підприємств на основі маркетингових інновацій: розробка цільових комплексних програм інноваційного розвитку торгівлі на національному, регіональному та мікрорівнях; удосконалення правового регулювання інновацій та інноваційної діяльності в торгівлі; розробка наукового та методичного супроводу інноваційних процесів у торгівлі, з урахуванням комплексного підходу до аналізу маркетингових інновацій; розвиток інноваційної інфраструктури; удосконалення механізму фінансування інноваційної діяльності в торгівлі; забезпечення інформованості фахівців організацій про інноваційні процеси в торгівлі та просуванні інноваційних проектів; підготовка фахівців для реалізації інноваційних проектів; створення в організаціях торгівлі структурних підрозділів з розробки інноваційної стратегії розвитку.

Висновки. Мета цієї статті полягала в тому, щоб розкрити сучасні тенденції розвитку інфраструктури підприємств роздрібної торгівлі на основі нейромережевих технологій, визначити переваги та недоліки застосування нейромережевих технологій в інфраструктурі підприємств роздрібної торгівлі, навести приклади запровадження інновацій в сфері роздрібної торгівлі, вивчити застосування нейронних мереж у маркетингу та розглянути деякі перспективи для майбутніх досліджень. Нами були розглянуті проблеми та обмеження, з якими стикаються додатки нейронних мереж до маркетингу. Таким чином, очевидно, що нейронна мережа є основною областю застосування інформаційних технологій.

Через поточну доступність складної обчислювальної потужності та майже повністю автоматизоване програмне забезпечення досить легко потрапити в пастку нейронної мережі. Це, однак, може призвести до сліпої подачі даних в імітатор нейронної мережі без урахування деяких дуже важливих питань в області побудови мереж і додатків. Крім того, для подальшого розвитку процесу застосування технології нейронних мереж у маркетингу необхідно зрозуміти характеристики, що піддаються застосуванню, і потенційні переваги нейронних мереж.

БІБЛІОГРАФІЧНИЙ СПИСОК:

1. Шкляєва Г.О. Інтерактивні маркетингові комунікації у менеджменті підприємства. Економічний Нобелівський вісник. 2014. № 1(7). С. 509-514.

2. Парасюк І. Нейромережеве прогнозування макроекономічних показників розвитку регіону. Вісник Львівського університету. Серія : Економіка. 2009. Вип. 42. С.76-84.

3. Пецольдт К. Инновации в розничной торговле: технологии самообслуживания как путь повышения конкурентоспособности компаний. Инновации. 2012. № 7(165). С.78-85.

4. Казаков С.П. Инновационные подходы к развитию торгового маркетинга в сетевой розничной торговле ювелирными изделиями. Научный журнал Сервис plus. 2009. С. 65-68.

5. Hopping Aboard the Sharing Economy. 2017. BCG : вебсайт. URL: https://www.bcg.com/publications/2017/strategyaccelerating-growth-consumer-products-hopping-aboar d-sharing-economy.aspx (дата звернення: 18.03.2020).

6. Месропян В. Цифровые платформы новая рыночная власть. ЭФ МГУ : веб-сайт. URL: https://www.econ.msu.ru/ sys/raw.php?o=46781&p=attachment (дата звернення: 24.03.2020).

7. Ротштейн А.П. Интелектуальные технологии идентификации: нечеткие множества, генетические алгоритмы, нейронные сети. Винница : Инверсум-Винница, 1999. 320 с.

8. Carlos Pedro GONQALVES. Financial Market Modeling with Quantum Neural Networks. Review of Business and Economics Studies, vol. 3, no. 4, 2015. P 44-63.

9. Таранюк Л.М., Мельник Л.Г. Система оцінювання вартості реінжинірингових заходів з використання м нейромережних технологій на підприємстві. Механізм регулювання економіки. 2009. № 3. Т. 1. С. 94-98.

10. Використання технологій розпізнавання облич в роздрібній торгівлі підняло проблему недоторканності приватного життя. Worldvision : веб-сайт. URL: https://worldvision. com.ua/ua/news/novosti-tehniki/ispolzovanie-tehnologiyraspoznavaniya-lits-v-roznichnoy-torgovle-podnyaloproblemu-neprikosnovennosti-chastnoy-zhizni-1113 (дата звернення: 25.03.2020).

Размещено на Allbest.ru