Της Ξανθής Γούναρη
Σε μια αγορά όπου τα περιθώρια κέρδους παραμένουν πιεσμένα, οι τιμές βρίσκονται υπό διαρκή έλεγχο και ο καταναλωτής γίνεται ολοένα πιο απαιτητικός, η μάχη στη λιανική τροφίμων δεν δίνεται πλέον μόνο στο ράφι αλλά και στο cloud. Οι τεχνολογίες ανάλυσης μεγάλων δεδομένων (big data) και η τεχνητή νοημοσύνη (AI) μεταμορφώνουν τον τρόπο με τον οποίο οι αλυσίδες σούπερ μάρκετ και οι εταιρείες καταναλωτικών προϊόντων προβλέπουν τη ζήτηση, διαχειρίζονται τα αποθέματα, οργανώνουν τις προωθητικές ενέργειες και, τελικά, τιμολογούν.
Από το ιστορικό πωλήσεων στον αλγόριθμο
Η πρόβλεψη ζήτησης ήταν πάντα κρίσιμο πεδίο για τα σούπερ-μάρκετ. Παραδοσιακά βασιζόταν σε ιστορικά στοιχεία και εμπειρικές εκτιμήσεις. Σήμερα, οι αλγόριθμοι συνδυάζουν δεδομένα πωλήσεων ανά κωδικό, εποχικότητα, καιρικές συνθήκες, προωθητικές ενέργειες αλλά και τοπικά γεγονότα, παράγοντας δυναμικά μοντέλα αναπλήρωσης.
Διεθνώς, αλυσίδες όπως η Coles στην Αυστραλία χρησιμοποιούν machine learning για να περιορίζουν τα stock-outs, ενώ στην Ευρώπη retailers όπως η Albert Heijn επενδύουν σε συστήματα που μειώνουν τη σπατάλη τροφίμων μέσω καλύτερης διαχείρισης ημερομηνιών λήξης. Στην ελληνική αγορά, οι μεγάλες αλυσίδες, όπως Σκλαβενίτης, Μασούτης, Lidl, ΑΒ Βασιλόπουλος, έχουν ήδη ενσωματώσει εργαλεία advanced analytics και demand planning, επιτυγχάνοντας πιο “έξυπνες” παραγγελίες και μικρότερη δέσμευση κεφαλαίου σε αποθέματα.
Η εμπειρία του ομίλου Metro
“Ψάχνουμε τρόπους να αξιοποιήσουμε περισσότερο το AI, όπως όλες οι επιχειρήσεις διεθνώς”, σημειώνει ο πρόεδρος της Ένωσης Σούπερ-Μάρκετ Ελλάδος και επικεφαλής του ομίλου METRO ΑΕΒΕ, Αριστοτέλης Παντελιάδης, επισημαίνοντας ότι οι αρχικές προσδοκίες για γρήγορα και εύκολα κέρδη αποδείχθηκαν υπερβολικές. “Τα πράγματα δεν είναι τόσο απλά. Χρειάζεται προσαρμογή, εκπαίδευση και σημαντική επένδυση χρόνου”.
Στον όμιλο Metro, μία από τις βασικές εφαρμογές είναι ο “ψηφιακός πωλητής” στα καταστήματα cash & carry. Το εργαλείο αναλύει τις αγορές κάθε επαγγελματία πελάτη και εντοπίζει προϊόντα που προμηθεύονται άλλοι πελάτες της ίδιας κατηγορίας, αλλά δεν περιλαμβάνονται στο δικό του καλάθι. Η πληροφορία αξιοποιείται από τα στελέχη πωλήσεων για στοχευμένες προτάσεις, ενώ στο επόμενο στάδιο το σύστημα αναμένεται να ενσωματωθεί και στο e-shop.
Παράλληλα, ο όμιλος έχει αναπτύξει σύστημα αναπαραγγελίας προϊόντων από τα καταστήματα προς τις κεντρικές αποθήκες και τους προμηθευτές, σε συνεργασία με μικρή ελληνική startup από τη Θεσσαλονίκη. Το εργαλείο μηχανικής μάθησης έχει βελτιώσει την ακρίβεια των παραγγελιών, μειώσει τις ελλείψεις στα ράφια και περιορίσει το ύψος των αποθεμάτων, ενώ συνεχίζει να εξελίσσεται καθώς επεκτείνεται και στο δίκτυο cash & carry.
Στις επόμενες κινήσεις περιλαμβάνεται και η πιλοτική εφαρμογή εργαλείου AI για την πρώτη φάση των προσλήψεων. Το σύστημα θα μπορεί να πραγματοποιεί μια αρχική αξιολόγηση υποψηφίων, διευκολύνοντας το τμήμα ανθρώπινου δυναμικού και περιορίζοντας τον χρόνο που απαιτείται για τις πρώτες συνεντεύξεις, χωρίς ωστόσο να υποκαθιστά την τελική ανθρώπινη απόφαση. “Βλέπω το AI κυρίως ως βοηθό που αυξάνει την παραγωγικότητα. Απέχουμε ακόμη από το σημείο όπου θα αντικαταστήσει πλήρως τον ανθρώπινο παράγοντα”, τονίζει ο κ. Παντελιάδης.
Το συνολικό κόστος των σχετικών έργων την τελευταία τριετία ανήλθε σε περίπου 2,5-3 εκατ. ευρώ, ποσοστό που αντιστοιχεί σε μόλις 1%-1,5% του συνολικού επενδυτικού προγράμματος του ομίλου. Ωστόσο, όπως επισημαίνεται, πέρα από το άμεσο οικονομικό κόστος υπάρχει και το “κρυφό” κόστος σε εργατοώρες και εσωτερικούς πόρους, καθώς τέτοιου είδους έργα απαιτούν εκτεταμένη προσαρμογή και αλλαγή διαδικασιών.
“Ποιος ψωνίζει από πού”
Η αξιοποίηση δεδομένων δεν περιορίζεται στη διαχείριση αποθεμάτων. Επεκτείνεται και στη σχέση λιανέμπορου – προμηθευτή. Εταιρείες όπως η Coca-Cola HBC επενδύουν σε συστήματα που συνδυάζουν δεδομένα πωλήσεων και συμπεριφοράς καταναλωτών, για να κατανοήσουν “ποιος ψωνίζει από πού” και με ποιο προϊοντικό μείγμα.
Όπως αποκάλυψε ο CEO του ομίλου, Zoran Bogdanovic, κατά την παρουσίαση των οικονομικών αποτελεσμάτων του 2025, το πιλοτικό πρόγραμμα “Ignite Naija” στη Νιγηρία, που εφαρμόστηκε σε 4.000 σημεία πώλησης, οδήγησε σε υψηλότερο όγκο και έσοδα ανά κιβώτιο σε σύγκριση με τα control outlets. Για το 2026 ο όμιλος σχεδιάζει τον τριπλασιασμό των σημείων εφαρμογής, αξιοποιώντας τα δεδομένα και σε άλλες αγορές.
Ο ρόλος των δεδομένων στο online κανάλι
Η σημασία των δεδομένων αποτυπώνεται και στην πορεία του ηλεκτρονικού καναλιού. Σύμφωνα με στοιχεία των Circana και Convert Group, ο κύκλος εργασιών των online καταστημάτων έξι αλυσίδων διαμορφώθηκε στα 310 εκατ. ευρώ το 2025, καταγράφοντας ετήσια αύξηση 3%, ενώ ο αριθμός των παραγγελιών αυξήθηκε κατά 4%. Την ίδια στιγμή, η αξία του μέσου καλαθιού υποχώρησε κατά 1%, όπως και ο αριθμός των τεμαχίων ανά παραγγελία.
Η επεξεργασία αυτών των δεδομένων μέσω αλγορίθμων επιτρέπει πιο ακριβή πρόβλεψη ζήτησης, καλύτερη στόχευση προσφορών και προσαρμογή της εμπορικής πολιτικής σε ένα περιβάλλον όπου ο καταναλωτής συγκρίνει τιμές με ένα “κλικ”.
Η AI στο καλάθι των Ελλήνων
Η διείσδυση της τεχνητής νοημοσύνης αποτυπώνεται και στην καταναλωτική συμπεριφορά. Σύμφωνα με έρευνα του Ινστιτούτου Έρευνας Λιανεμπορίου Καταναλωτικών Αγαθών, ο ένας στους δύο Έλληνες έχει δοκιμάσει εφαρμογές AI, ενώ το ένα τρίτο του πληθυσμού κάνει συστηματική χρήση.
Το 43% των χρηστών έχει αναζητήσει προϊόντα ή υπηρεσίες μέσω AI και το 34% έχει συγκεντρώσει πληροφορίες πριν επισκεφθεί κατάστημα. Το 27% έχει συγκρίνει προϊόντα με τη βοήθεια τεχνητής νοημοσύνης, ενώ το 15% το έχει κάνει ενώ βρισκόταν ήδη μέσα στο κατάστημα. Επιπλέον, το 13% έχει φωτογραφίσει ή βιντεοσκοπήσει προϊόν για να ζητήσει πληροφορίες, ενώ το 6% έχει δημιουργήσει λίστα αγορών μέσω AI.
Το πιο κρίσιμο εύρημα είναι ότι για όλες αυτές τις ενέργειες, πάνω από 40%-50% των ερωτηθέντων δηλώνει ότι είναι πιθανό να τις υιοθετήσει στο μέλλον. Παράλληλα, το 26% των 500 συμμετεχόντων έχει λάβει προτάσεις προϊόντων κατόπιν αιτήματος προς την AI, ενώ το 14% έχει λάβει προτάσεις χωρίς να το ζητήσει.
Το ράφι παραμένει φυσικό. Όμως η απόφαση για το τι θα τοποθετηθεί σε αυτό, σε ποια τιμή και σε ποιον καταναλωτή θα προβληθεί λαμβάνεται ολοένα και περισσότερο σε περιβάλλον δεδομένων. Και εκεί ο ανταγωνισμός μεταφέρεται από τα τετραγωνικά μέτρα στα terabytes.
Πηγή: capital.gr
