Технологии машинного обучения помогают прогнозировать эффективность сезонных промоакций, анализируя большие объёмы данных и выявляя скрытые закономерности. 13

Некоторые способы, как это происходит:

• Линейная регрессия. 3 Помогает определить, как различные факторы (например, сезонность, маркетинговые кампании) влияют на объёмы продаж. 3
• Деревья решений. 3 Метод разбивает данные на более мелкие подмножества, что полезно при сложных и нелинейных зависимостях. 3 С его помощью можно выявить ключевые факторы, влияющие на продажи, и создать прогнозные модели. 3
• Временные ряды. 3 Используются для анализа данных, собранных в течение времени. 3 Такие методы учитывают сезонные колебания и долгосрочные тренды. 3
• Нейронные сети. 3 Способны выявлять скрытые закономерности в данных и учитывать нелинейные зависимости. 3

На основе прогнозов можно рассчитывать размер затрат на акцию и ожидаемый ROI. 2 Это позволяет промо-менеджеру выбирать товары для попадания в акцию в зависимости от имеющегося на неё бюджета. 2

Например, система GoodsForecast.Promo на основе машинного обучения позволяет получать стабильный и точный прогноз, из которого вытекают выполнение планов по продажам и маржинальности промоакций, а также сокращение списаний и избыточного запаса. 4