Retail AI которому доверяет
и мерчандайзер, и аудитор

Demand Forecasting

SKU-level прогноз спроса для закупок и мерчандайзинга.

• Иерархический прогноз (магазин / регион / национальный)
• MAPE / WAPE reported по категории
• Fusion внешних сигналов (погода, события, промо)
• Cold-start для новых SKU

Dynamic Pricing

Моделирование price elasticity с merchandiser-in-the-loop.

• Cross-elasticity внутри категории
• Атрибуция promo lift
• Guardrails: минимальная маржа, MAP
• A/B-tested до раскатки

Personalization and Recommendations

Сигнал per-shopper, не сегмент.

• Cold-start через item embedding
• Session-aware ranking
• Diversity + serendipity controls
• Multi-objective (CTR, AOV, маржа)

Inventory Optimization

Safety stock и пополнение с реалистичными lead-time distributions.

• Multi-echelon оптимизация
• Моделирование вариативности lead-time
• Trade-off stockout vs holding-cost явно
• Интеграция с WMS / ERP

Fraud Prevention

Account-takeover, промо-abuse, refund-fraud detection.

• Device fingerprinting + behavioral biometrics
• Velocity checks (по IP, по карте, по устройству)
• Graph analysis для колец
• Моделирование cost of false-positive

Model Governance

Документация, мониторинг и rollback каждой production-модели.

• Model registry с lineage
• Drift detection по ключевым features
• Champion / Challenger flow
• Воспроизводимый feature engineering

РФ: 152-ФЗ, требования Минцифры, ФЗ-381 (торговля)

152-ФЗ для данных покупателей, требования Минцифры по локализации, ФЗ-381 о торговле, ограничения на price discrimination.

ЕС: GDPR, EU AI Act, DSA

GDPR для shopper data, EU AI Act Article 6 / 9 / 10 (классификация рисков для recommender + price discrimination), Digital Services Act для marketplace платформ, P2B регулирование.

PCI-DSS scope reduction + segregation of duties

Токенизация, secret-management, segregation of duties между commerce + analytics workloads, полный audit trail - построено уменьшить PCI scope и пройти внешний аудит.

Точность прогноза спроса

Что показывает индустрия: Top-quartile retailers отчитываются о 15-25% MAPE reduction на SKU-week уровне vs naive baseline при комбинации hierarchical reconciliation + внешние сигналы (Gartner retail forecasting 2024).

Где входим мы: Иерархический прогноз (магазин / регион / национальный), fusion внешних сигналов (погода, события, промо), MAPE и WAPE reported по категории, не aggregate.

• MAPE / WAPE по категории, не aggregate
• Fusion внешних сигналов (погода, события, промо)
• Cold-start для новых SKU без bias к топ-продавцам
• Reconciled прогнозы через всю иерархию

Lift от динамического ценообразования

Что показывает индустрия: Retailers с моделированием price elasticity и merchandiser-in-the-loop показывают 2-5% margin lift в тестируемых категориях (McKinsey retail 2024).

Где входим мы: Cross-elasticity внутри категории, атрибуция promo lift, guardrails (min margin, MAP), A/B tested до раскатки - merchandiser остаётся в петле на каждой категории.

• Cross-elasticity captured (не single-SKU elasticity)
• Promo lift attribution отделён от baseline
• Guardrails по min margin и MAP
• A/B tested до category-wide раскатки

Recommender CTR

Что показывает индустрия: Per-shopper-signal recommenders показывают 18-30% CTR uplift над сегментными recommender'ами, с самыми большими выигрышами на cold-start сессиях (Bain digital retail 2024).

Где входим мы: Cold-start через item embedding, session-aware ranking, diversity / serendipity controls, multi-objective оптимизация (CTR, AOV, маржа) - не just last-click оптимизация.

• Cold-start через item embedding (обрабатывает новых shoppers)
• Multi-objective (CTR, AOV, маржа) не just last-click
• Diversity и serendipity controls
• Session-aware ranking