不准确的食品需求预测造成的浪费比想象中更为严重
根据相关数据显示,美国每年生产的约440亿磅食品中,有10%被杂货店丢弃。这不仅对环境造成了严重影响——食物浪费是碳排放的主要来源之一——而且对零售商的经济损失也相当可观。根据Retail Insights的研究,食品和杂货零售商因库存不足而损失的收入高达8%。
企业家欧罗·王(Euro Wang)和杰克·所罗门(Jack Solomon)在当地超市的亲身经历使他们意识到预测问题的微观影响,尤其是他们最喜欢的鳄梨酱经常售罄。王在接受TechCrunch采访时指出:“即使是最大的零售商也很难准确预测未来的需求,常常面临库存过剩和不足的问题。近年来,极端天气的频发使得新鲜食品的供应短缺愈发严重,这使得有效分配有限的供给变得更加重要。此外,通胀压力和劳动力成本的上升也在不断威胁食品杂货商的利润率。”
受到科技解决方案启发,王和所罗门共同创立了Guac平台,该平台利用人工智能技术预测杂货店在特定位置每天每件商品的销量。Guac最近获得了由1984 Ventures领投的230万美元种子轮融资,Y Combinator和Collaborative Fund也参与了此次融资。
王表示:“食物浪费和食品安全是我们非常关心的问题,我们很高兴有机会真正解决食物浪费的核心问题。”王曾在波士顿咨询集团工作,而所罗门则专注于人工智能在杂货物流中的应用。两人均为牛津大学的校友。
在Guac,王、所罗门及其团队的两名工程师共同开发了定制算法,预测食品杂货的订单数量,考虑天气、体育赛事、赔率甚至Spotify的收听数据等多种变量,以捕捉消费者的购买行为。Guac的客户可以将保质期、最低订货量、促销活动和供应商交货时间等建议集成到现有的库存订购软件和工作流程中。
王指出:“传统上,预测是通过Excel公式或简单的回归模型完成的。但对于快速过期的新鲜食品,需求更高效的解决方案。通过使用多种外部变量,我们能够识别出哪些现实世界的因素导致了需求的变化。”
鳄梨酱并不是唯一一家专注于食品需求预测的初创公司。例如,Crisp为食品杂货供应链的每个环节提供开放的数据平台,而Freshflow则正在开发一个人工智能预测工具,帮助零售商优化新鲜易腐商品的库存补充。
然而,王强调Guac的独特之处在于其对透明度和预测模型的严格微调。“我们的机器学习模型并不是一个黑匣子,神秘地预测需求增长20%。相反,我们会告诉客户,‘这20%的增长是因为附近正在举行会议。’即使零售商已经在使用机器学习,我们仍然能够改善他们的预测,因为我们可以访问更多的外部数据集。当我们仅使用基本数据集(如天气和公共假日)时,预测误差实际上会翻倍。”
一些早期客户对Guac的价值表示认可。该公司正在与包括北美、欧洲和中东的杂货配送公司在内的零售商合作,其中包括一家拥有约300家门店的未具名连锁超市。Guac已经开始创收,并预计明年将扩大其工程团队。
王补充道:“食品杂货行业对经济衰退的抵抗力相当强。每个人都需要吃饭,当经济放缓时,人们实际上会购买更多的食品杂货,因为他们在外就餐的次数减少了。大流行加速了杂货店的数字化,使我们能够更顺利地将我们的预测与客户的系统结合。在大流行期间,消费者的行为发生了显著变化,这使得零售商无法仅依靠过去三年的历史销售数据来预测未来的需求。通过我们的算法,我们能够调整2020年和2021年大流行对销售数据的影响,甚至是之后大流行的残余影响。”
本文来自作者[左岸]投稿,不代表顺荔号立场,如若转载,请注明出处:http://dazhongjiaotong.com/cshi/202409-655.html
评论列表(4条)
我是顺荔号的签约作者“左岸”!
希望本篇文章《Y Combinator助力的Guac算法:精准预测杂货需求》能对你有所帮助!
本站[顺荔号]内容主要涵盖:国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览:不准确的食品需求预测造成的浪费比想象中更为严重 根据相关数据显示,美国每年生产的约440亿磅食品中,有10%被杂货店丢弃。这不仅对环境造成了严重影响——食物浪费是碳排放的...