По статистике Nielsen, на поиск нужного товара на полке покупатель тратит всего 15 секунд — а это значит, что за это время он находит нужный продукт или покидает торговую точку. Ассортимент должен отвечать спросу, а выкладка — способствовать продажам, но чтобы соблюсти эти на первый взгляд простые формулы, нужны новые способы автоматической обработки данных. На спрос и поведение потребителя влияет все: от погоды и времени суток до локации и площади магазина, и сейчас ритейлер должен знать мельчайшие подробности о своем покупателе в каждом конкретном месте. Это касается не только покупателя: сезонность агрикультур, таможенные нюансы, поведение поставщиков, состояние дорог — чтобы сформировать идеальную картину снабжения каждой локации на полке нужно учесть несколько десятков факторов. Если в магазине всегда берут бананы в феврале — значит, нужно сконструировать такую систему, которая обработала бы количество сезонных продаж и оптимизировала под него весь закупочно-логистический процесс. Когда магазинов в сети — несколько тысяч, а позиций в каждом еще больше, эта задача становится беспрецедентной. Прогнозировать ассортимент помогают машинное обучение и нейросети. Подстраиваются под покупателя и сами магазины как физические пространства: помимо ассортимента товаров меняется их расположение, подбираются формы полок и варианты подсветок.