
พยากรณ์ จำนวนลูกค้า ต่างจากพยากรณ์ ยอดขายอย่างไร
| ตอบคำถาม | จะมีคนเข้ามากี่คน ช่วงไหน | จะขายได้เท่าไร |
| จำนวนคนเข้าจาก |
ยอดขายจากระบบขายหน้าร้าน | |
| ใช้วางแผน | คนที่ต้องดูแลลูกค้า งานบริการ ความปลอดภัย |
สินค้า งบประมาณ เป้ายอดขาย |
| ข้อดี | เห็นความต้องการบริการทั้งหมด รวมคนที่เข้ามาแล้วไม่ได้ซื้อ | เชื่อมกับรายได้โดยตรง |
สองอย่างนี้ใช้ร่วมกันได้ดี เพราะยอดขายเท่ากับจำนวนคนเข้า คูณ
ระบบพยากรณ์ ด้วย AI ทำงานอย่างไร
หลักการไม่ซับซ้อน ระบบเรียนรู้รูปแบบจากอดีต แล้วปรับด้วยสิ่งที่รู้ล่วงหน้าเกี่ยวกับอนาคต แบ่งได้เป็น 4 ส่วน
1. เรียนรู้รูปแบบประจำ
2. ใส่ปัจจัยที่รู้ล่วงหน้า
สิ่งที่ทำให้วันหนึ่งต่างจากรูปแบบปกติ เช่น วันหยุดนักขัตฤกษ์ วันหยุดยาว โปรโมชัน กิจกรรมใน
3. ปรับตามแต่ละสาขา
สาขาใน
4. เทียบกับของจริงแล้วปรับรอบถัดไป
เมื่อวันนั้นผ่านไป ระบบมีตัวเลขจริงจาก
หลักสำคัญ: AI ไม่ได้รู้อนาคต แต่ช่วยสรุปสิ่งที่เคยเกิดขึ้นจาก
ข้อมูล จำนวนมากให้เป็นตัวเลขที่ใช้วางแผนได้ คนที่รู้บริบทหน้างานยังต้องดูและแก้ตัวเลขเมื่อรู้ข้อมูล ที่ระบบไม่รู้
ข้อมูล ที่ใช้พยากรณ์ จำนวนลูกค้า
| มาจากไหน | ทำไมต้องใช้ | |
|---|---|---|
| จำนวนคนเข้าย้อนหลังรายชั่วโมง | เป็นฐานของการ |
|
| ยอดขายและจำนวนบิล | ระบบขายหน้าร้าน | ใช้ประกอบ และใช้แปลงจำนวนคนเป็นยอดขาย |
| ปฏิทินวันหยุดและฤดูกาล | ปฏิทินขององค์กร | อธิบายรูปแบบที่ขึ้นลงตามช่วงเวลา |
| สภาพอากาศ | ฝนหรืออากาศร้อนเปลี่ยนพฤติกรรมการออกจากบ้าน | |
| โปรโมชันและกิจกรรม | ฝ่ายการตลาดและฝ่ายจัดงาน | อธิบายวันที่คนเข้ามากผิดปกติ |
| เหตุการณ์ที่ไม่เกิดซ้ำ | บันทึกของสาขา | เช่น ปิดปรับปรุงบางส่วน |
คุณภาพของ
อ่านผลพยากรณ์ อย่างไร
ดูเป็นช่วง ไม่ใช่ตัวเลขเดียว
การ
วัดความคลาดเคลื่อนด้วยตัวเอง
วิธีที่เข้าใจง่ายคือเทียบ
ความคลาดเคลื่อนรายชั่วโมง (%) = |จำนวนจริง − จำนวนที่
พยากรณ์ | ÷ จำนวนจริง × 100
ตัวอย่าง (ตัวเลขสมมติ): ร้านหนึ่ง
ข้อควรรู้ในการวัด
- ดูรายชั่วโมงด้วย ไม่ใช่แค่รายวัน ยอดรวมทั้งวันอาจตรง เพราะช่วงเช้าเกินไปหักลบกับช่วงเย็นที่ขาด แต่ถ้าใช้วางกะรายชั่วโมง ความคลาดรายชั่วโมงสำคัญกว่า
- ระวังชั่วโมงที่คนน้อย ชั่วโมงที่มีคนเข้าไม่กี่คน คลาดไปนิดเดียวเปอร์เซ็นต์ก็สูงมาก ควรดูจำนวนคนที่คลาดประกอบด้วย
- ระวังตัวเลขความแม่นยำที่ไม่มีเงื่อนไข ความแม่นยำของการ
พยากรณ์ ขึ้นกับประเภทร้าน ความยาวข้อมูล ย้อนหลัง และระยะที่พยากรณ์ ล่วงหน้า ตัวเลขที่ดีควรบอกด้วยว่าวัดกับอะไร วัดอย่างไร และในช่วงเวลาไหน
ข้อจำกัดที่ควรรู้
- สาขาใหม่ยังไม่มีประวัติ ระบบต้องมี
ข้อมูล ย้อนหลังระยะหนึ่งก่อน ช่วงแรกอาจต้องอาศัยรูปแบบจากสาขาที่คล้ายกันและการปรับด้วยมือ - เหตุการณ์ที่ไม่เคยเกิด เช่น ร้านคู่แข่งเปิดข้าง ๆ ถนนหน้าห้างปิดซ่อม หรือเหตุการณ์ที่กระทบการเดินทางทั้งเมือง ระบบไม่รู้ล่วงหน้า คนต้องเป็นผู้ปรับ
- ผังหรือ
ทางเข้า เปลี่ยน เมื่อเปิดทางเข้า ใหม่หรือย้ายร้านข้อมูล ก่อนและหลังเปลี่ยนเทียบกันตรง ๆ ไม่ได้ ต้องบอกระบบหรือบันทึกไว้ ข้อมูล ภายนอกต้องมีจริง ถ้าฝ่ายการตลาดไม่ได้ส่งปฏิทินโปรโมชันเข้าระบบ การพยากรณ์ ก็ไม่รู้ว่าจะมีโปรโมชัน
ห้างและร้านค้านำผลพยากรณ์ ไปใช้ทำอะไรได้
| งาน | ใช้ผล |
ใครใช้ |
|---|---|---|
| จัดกะ |
วางชั่วโมงงานให้ตรงช่วงที่ลูกค้าแน่น | |
| งานบริการใน |
วางคนทำความสะอาด รักษาความปลอดภัย และจุดบริการลูกค้าตามช่วงที่คาดว่าคนจะมาก | ฝ่าย |
| ให้ทีมวิศวกรรมเตรียมการทำความเย็นสำหรับวันที่คาดว่าคนจะมาก | วิศวกร |
|
| วัดผลแคมเปญและอีเวนต์ | ใช้ตัวเลข |
ฝ่ายการตลาด |
| วางสินค้าและเติมของ | เตรียมสินค้าและคนเติมชั้นก่อนช่วงคนมาก | |
| ตั้งเป้าและติดตามผล | เทียบยอดจริงกับ |
ตัวอย่างการนำไปใช้ (สถานการณ์สมมติ)
เครือร้านค้าในวันฝนตก:
วัดผลอีเวนต์: ฝ่ายการตลาดใช้ตัวเลข
เรื่องการใช้จำนวนคนประกอบการ
เริ่มต้นใช้การพยากรณ์ อย่างไร
- ทำให้
ข้อมูล คนเข้าครบและเชื่อได้ก่อน นับครบทุกทางเข้า แยกพนักงาน ออก และตรวจความถูกต้อง - รวบรวมปฏิทิน วันหยุด โปรโมชัน และกิจกรรมของแต่ละสาขา ในรูปแบบที่ส่งเข้าระบบได้
- เริ่มจากสาขานำร่อง เลือกสาขาที่มีลักษณะต่างกัน เพื่อดูว่าการ
พยากรณ์ ใช้ได้กับร้านแบบไหน - ตกลงวิธีวัดผลก่อนเริ่ม จะวัดความคลาดเคลื่อนอย่างไร และจะเทียบกับวิธีวางแผนเดิมอย่างไร
- ให้
ผู้จัดการ แก้ตัวเลขได้ และบันทึกเหตุผล เพื่อให้รู้ว่าข้อมูล อะไรที่ระบบยังขาด
IMAS ช่วยพยากรณ์ จำนวนลูกค้าอย่างไร
IMAS ใช้แพลตฟอร์มของ Retail Insight จากนอร์เวย์ ทำการ
พยากรณ์ จำนวนลูกค้ารายชั่วโมง ล่วงหน้าได้ถึง 8 สัปดาห์ ตามข้อมูล ของ Retail Insight- ใช้
ข้อมูล หลายแหล่งร่วมกัน คือจำนวนคนเข้าย้อนหลัง ยอดขาย ฤดูกาล และสภาพอากาศ - เรียนรู้รูปแบบของแต่ละร้าน ด้วยการเรียนรู้ของเครื่อง และแนะนำว่าชั่วโมง
พนักงาน ควรอยู่ช่วงไหน ผู้จัดการ ร้านเป็นผู้ตัดสินสุดท้าย แก้ทุกคำแนะนำได้- เชื่อมกับระบบเดิม เช่น ระบบขายหน้าร้าน ระบบจัดกะ
พนักงาน ระบบนับคน และระบบบัญชีหรือบริหารทรัพยากรองค์กร (ERP)
คำถามที่พบบ่อย
−พยากรณ์ จำนวนลูกค้าคืออะไร
คือการคาดว่าในแต่ละวันและแต่ละชั่วโมงข้างหน้าจะมีคนเข้าห้างหรือเข้าร้านกี่คน ใช้วางแผน
+AI พยากรณ์ จำนวนลูกค้าจากข้อมูล อะไร
หลัก ๆ คือจำนวนคนเข้าย้อนหลังจาก
+ต้องมีระบบนับคน ก่อนไหม
ควรมี เพราะจำนวนคนเข้าย้อนหลังที่ถูกต้องเป็นฐานของการ
+การพยากรณ์ แม่นแค่ไหน
ขึ้นกับประเภทร้าน คุณภาพและความยาวของ
+AI ตัดสินใจ จัดกะแทนผู้จัดการ ได้ไหม
ไม่ได้ และไม่ควร ระบบให้ตัวเลขและคำแนะนำ
อยากรู้ล่วงหน้าว่าแต่ละสาขาจะมีลูกค้าเท่าไร
ทีม IMAS ช่วยวาง
แหล่งอ้างอิง
- Retail Insight AS (นอร์เวย์).
ข้อมูล แพลตฟอร์มพยากรณ์ จำนวนลูกค้าและการจัดชั่วโมงพนักงาน . เว็บไซต์ retailinsight.no - Retail Insight AS. Predictive staffing transforms store operations. เว็บไซต์ retailinsight.no
- IMAS Analytics AI. Our Solutions: Predictive Forecasting. เว็บไซต์ imas-analytics.ai
- Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice, 3rd edition. OTexts
