Když půjdete nakoupit do supermarketu, je vysoká pravděpodobnost, že nakoupíte za ceny, které nestanovil obchodník, ale umělá inteligence. Na první pohled to zní trochu děsivě, ale věc je to vlastně velmi jednoduchá. Tuzemský startup Yieldigo už třetím rokem vyvíjí nástroj, se kterým obchodníkům pomáhá nastavovat optimální ceny tak, aby vyhovovaly zákazníkovi a zároveň se více prodávaly. Výsledek je pak jednoduchý: jakmile Yieldigo pošle na cenovky svou umělou inteligenci, takřka okamžitě se obchodníkovi zvýší zisky o pět až dvacet procent.

Jak přiznává jeden ze spoluzakladatelů Yieldiga a jeho CTO Jiří Psota, když se svými kolegy za supermarketem dorazí a řekne mu, že mu během pár týdnů významně zvedne zisky jen díky tomu, že mu přenastaví ceny, nechce se tomu obchodníkům věřit. Jenže výsledky má za sebou mladý český startup, který v loňském roce vyrostl o 300 procent, jednoznačné – zatím všude, kam přišel, se mu podařilo díky optimalizaci cen zvýšit i celkový zisk.

Vedle Jiřího Psoty, který na úvodní fotce pózuje úplně vpravo, za Yieldigem stojí ještě další dva spoluzakladatelé, David Klečka (druhý zleva) a Radim Dudek (druhý zprava). V rychlém růstu a expanzi do zahraničí jim pomáhají i zbylí dva pánové, Jonathan Smith a Jason Minnis, kteří přinášejí mnohaleté zkušenosti z retailu a věří, že ve využití umělé inteligence v cenotvorbě je budoucnost. A jak taková budoucnost vypadá, jsme se v našem rozhovoru ptali právě člověka, který odpovídá za technologickou stránku celé věci, Jiřího Psoty.

Když se podívám na váš web, píšete, že se zabýváte „Customer-Centric AI Price Optimization for Retailers“. To je hodně buzzwordů za sebou, ale co to přesně znamená?
Náš příběh je vlastně velmi jednoduchý. Pomáháme obchodníkům nastavit optimální ceny z pohledu jejich zákazníka a zvýšit jim díky tomu profit. To znamená, že optimální ceny pozitivně motivují zákazníky k většímu nákupu a zároveň přináší smysluplnější nastavení marže nad jednotlivými produkty.

Pro koho ty ceny nastavujete?
Naším typickým zákazníkem je velký řetězec, zpravidla drogerie, lékárna nebo supermarket. Cílíme na klienty, které mají minimálně miliardový obrat. Průměrně mají naši klienti obrat kolem 20 až 30 miliard korun, ti největší pak 50 miliard korun ročně. Pokud chodíte nakupovat do různých supermarketů, je velká šance že potkáváte naše ceny pravidelně.

Zákazníka tedy to, že ceny nastavuje umělá inteligence, nijak neovlivní?
Rozumíme tomu, že vysvětlit laikovi, že je cena tvořená umělou inteligencí, může být složité, ale věříme, že se to změní, ostatně sami v té hromadě buzzwordů říkáme, že jsme „customer centric“, to znamená, že se na zákazníka velmi soustředíme. V nastavování cen totiž existují zpravidla dva přístupy: buď obchodníci naceňují své zboží podle konkurence, nebo si hlídají vlastní marži. Nikde ale v celé rovnici nebyl zákazník, nikdo se ho nezeptal: zákazníku, dává ti tahle cena smysl?

Vy se jich tedy ptáte?
Už od pravěku šlo v obchodu o nějakou dohodu, například za kolik kůží se smění pazourek. Dnes ale na nějaké dohadování v obchodě pochopitelně není čas. Zákazník přijde do obchodu, vidí cenu a to je pro obchodníka jediná interakce a šance, aby mu dané zboží dobře prodal. A tady do toho vstupujeme my, kdy najdeme cenu, která dává smysl jak zákazníkovi, tak obchodníkovi, aby na zboží vydělal. Nejlépe to funguje ve chvíli, kdy řídíme celý sortiment, protože některé položky jsou provázané. Když zlevníte jedno mléko, tak se bude prodávat víc, ale hůře se budou prodávat další čtyři. Běžně pak nastavujeme desítky tisíc položek.

Takhle řečeno vše vypadá skutečně jednoduše, a tak mě napadá jednoduchá otázka, jestli někdo něco takového už nedělá?
Naše řešení je ve světě poměrně unikátní. Musíme obchodníky často přesvědčit a dokázat jim, že naše řešení skutečně funguje, protože firem, které tvrdí, že vám zanalyzují ceny, jsou na světě stovky. Jenže firem, které pak umí udělat i exekuci a zaručí vám konkrétní růst, těch je opravdu málo. Když bych měl spočítat naše konkurenty, bavíme se asi o pěti firmách na světě, co používají podobnou technologii jako my, víc jich není. Jde o využití umělé inteligence na určování cen a zaměření na zvýšení profitu nebo obratu.

Co to vlastně v praxi znamená – zvyšují se ceny?
Pokud by chtěl obchodník jen zvyšovat zisk bez obratu, tak je to snadné, protože by jen zvýšil ceny a měl by hotovo. Našim cílem je dát zákazníkům smysluplnou cenu, aby se do obchodu rádi vraceli. Některé ceny snížíme a jiné díky tomu můžeme zvýšit. Požadavkem našich klientů však často bývá, aby se nezměnila průměrná marže nad kategorií zboží.

Jak se dnes k vašim klientům dostanete? Jelikož to zatím dělá na světě jen málo firem, tak si dokážu představit, že přijít dnes za nadnárodním velkoobchodem, kterému nabídnete, že jim o 20 % zvýšíte tržby, tak vám asi nebude věřit. Čím se dostáváte do jejich dveří?
Říkáte to přesně. Nejčastěji nám říkají, že to zní až moc dobře na to, aby to byla pravda. To jsme slyšeli mnohokrát. Proto ani nemůžu sednout k počítači a poslat e-mail šéfovi Kauflandu nebo Tesca s tím, že mu zvednu zisky, protože takových zpráv dostává každý den stovky. Je to tedy celkem složitý proces, ale máme v zádech silné partnery, velké nadnárodní firmy jako například Diebold Nixdorf, který dodává do celého světa pokladny, nebo Nielsen, který je velkým hráčem v retailu. Partneři nám pomáhají otevírat ve firmách dveře, protože naše služba dokáže i těmto velkým hráčům zvyšovat hodnotu toho, co dělají. Udělají obchodníkům analýzy, doporučí jim strategie a my nad tím pak dokážeme udělat optimální exekuci a nastavit dobře ceny, aby to celé dobře fungovalo.

Dalším prodejním kanálem jsou pro nás oborové konference, které aktivně po celém světě objíždíme a nabíráme tam kontakty, a nakonec i přímý prodej. Velkou posilu jsme získali v Jonathanu Smithovi, který řídil 9 let ve střední a východní Evropě řetězec Marks & Spencer, a nyní nám pomáhá otevírat dveře, protože má velmi dobrou znalost trhu.

Pochopil jsem, že v drogeriích a supermarketech řešíte především rychloobrátkové zboží. Proč neřešíte i další oblasti?
Pro optimální řízení cen v kamenných obchodech je potřeba mít dostatek dat. Pokud prodáte jednu nebo dvě televize, žádná velká statistika se nad tím vytvářet nedá. Proto se zaměřujeme především na odvětví, kde je dat dostatek. V e-commerce je situace samozřejmě trošku jiná než v kamenných obchodech, protože si zde zákazník často vybírá zboží ve srovnávačích cen. Je zde tedy možné využít trošku jiný přístup a určovat optimální ceny i u odvětví, kde je obrátka zboží pomalejší. Pracujeme i s tím, ale na rychloobrátkovém zboží můžeme udělat rychlejší a viditelnější efekt.

Podle vás 95 % prodejců nedokáže identifikovat, která cena přináší nejvyšší zisky. Čemu to přisuzujete? Je to prostě o tom, že nemají systém, který by to za ně spočítal? Nebo se o to ani nesnaží?
Je to dané hlavně těmi dvěma metodami, které jsem už popisoval a ve kterých žádný zákazník není. Přinášíme trochu jiný pohled na věc a přestože si obchodníci nějakou elasticitu spočítají, tak analytik má jen omezený čas a především kapacitu. Dokáže sice stanovit cenu správně u několika desítek druhů zboží a ručně si ji ohlídá, ale už nedokáže zpracovat, jakou bude mít změna vazbu na dalších tisíc produktů. Umělá inteligence dokáže vzít v potaz podpůrné či kanibalizační efekty, trendovost, promo akce, chování konkurence a spoustu dalších faktorů, což člověk nedokáže.

Konkrétnímu supermarketu v konkrétní lokalitě dokážete říct, za kolik má prodávat třeba mrkev. Můžete popsat ten mechanismus, který stojí za tím, že nakonec prodejci řeknete, ať tady a teď prodává mrkev třeba za 4,90?
Je to relativně snadné. Abychom neměli velkou bariéru vstupu, nechceme žádná složitá data, ale stačí nám transakce, tedy kolik se prodalo v konkrétní den na konkrétní prodejně mrkví, za jakou cenu a jestli byla v akci. Data zanalyzujeme a najdeme v nich různé vzorce a efekty, jako je trendovost nebo sezonalita. Druhým vstupem je pak vedle dat strategie, kterou má každý obchodník, a může to být například cíl, že chce být průměrně o dvě procenta levnější než konkurence, nebo že chce na mase průměrnou marži X procent. V rámci těchto mantinelů pak nastavíme ceny jednotlivých produktů. Výsledkem může být relativně jednoduchá tabulka, která říká, že tento týden bude mrkev na tomto obchodě stát 4,90. A každý týden, nebo při zvolené periodě, vypadne nový ceník.

Fungují pořád baťovské ceny?
Jasně. I to může být strategií obchodníka a zároveň máme zaokrouhlovací schémata, kdy dokážeme ceny přizpůsobit tak, aby odpovídaly třeba baťovskému systému.

Když nastavujete ceny, řešíte nějak třeba i slevové akce?
Nastavujeme všechny běžné ceny, ale stále více se věnujeme také promo akcím, protože jsou vzájemně spjaty. Dokážeme tedy pomoci i s nastavením slev, protože to není tak jednoduchá záležitost. Promo akce jsou víc o marketingu a vyjednávání s dodavatelem a my do všeho dokážeme přidat matematickou predikci, kterou určíme, kolik kusů zboží se při dané akci prodá. Obchodník si pak jednodušeji spočítá, co pro něj dává smysl, a podle toho vyjednává s dodavatelem, aby se nakonec nedostal na cenu, u které by už celá sleva nedávala ekonomický smysl. Takže i tady umí matematika hodně pomoct.

Když už jsme na začátku nakousli ty buzzwordy, kolem jednoho se pořád točíme. Co je vlastně ta vaše umělá inteligence?
Je to matematický model chování koncového zákazníka, který natrénujeme a na jeho základě se dělá simulace, jaká je optimální cena daného produktu.

Dokážete podle vašich dat sestavit typického českého zákazníka? Co kupuje, kdy to kupuje, kolik to musí stát?
Z našich modelů nevychází ani tak typický český zákazník, ale spíše typický zákazník daného řetězce. Navíc se nemusí jednat o zákazníka celého řetězce, ale třeba jen konkrétní prodejny, protože jiné nákupní chování bude v Aši a jiné v Ostravě. Výsledkem našich algoritmů každopádně není jednoduše čitelný model, ale tisíce koeficientů.

Tvrdíte, že zvýšíte profit o 5 až 20 % bez počáteční investice. Jak to funguje?
Klientům nabízíme zdarma implementaci a pak zkušební dobu čtyři měsíce, během které mohou kdykoli odejít, pokud by se ukázalo, že služba nefunguje. Naše odměna vychází z kalkulace, o kolik obchodníkovi zvýšíme profit. Náš klient nás tedy prakticky platí až z nových peněz, co mu přineseme. Pokud bychom slíbený zisk nepřinesli, neplatí nic.

Můžete takto vydělávat obchodníkům peníze donekonečna?
Funguje to tak, že když naše řešení nasadíme, vidíme efekt už po prvních přeceněních a do dvou měsíců bývá zvýšení zisků už velmi signifikantní, třeba o 10 procent. Zisky pak kontinuálně držíme na stejné, zvýšené hladině. Nejde tedy o navyšování každý rok, ale udržení oné hladiny nad běžným růstem. Zároveň to ale funguje tak, že kdyby se naše řešení vypnulo, zisky se v několika týdnech vrátí zpět na předchozí hladinu. Mění se totiž trendy, sezóna, složení zboží a tím pádem má i optimální cena svou platnost. Řízení cen je potřeba chápat spíše jako kontinuální proces. Proto fungujeme jako Pricing-as-a-Service, protože nedodáváme pouze software (SaaS), ale výstupem naší služby je především optimální cena.

Kdo dnes Yieldigo používá a kolik máte celkem klientů?
Máme téměř 20 klientů. Velký obchod má třeba 20 tisíc produktů, což znamená, že naceňujeme zhruba sto tisíc produktů.

Máme za sebou rok 2018. To znamená, že Yieldigo je na trhu přes dva roky. Jak se vám v loňském roce dařilo finančně?
Vznikli jsme 31. října 2016 a trvalo nám zhruba rok dostat se do zisku. Rok 2018 už tedy byl celý ziskový a náš obrat se pohybuje v desítkách milionů korun. Všechno, co vyděláváme, nicméně vkládáme zpět do vývoje. Hned na začátku jsme si ověřili, že náš byznys funguje, a teď je to hlavně o škálování. Na rozdíl od většiny malých firem neřešíme nedostatek financí, ale naopak cesty, jak zisk nejlépe investovat do dalšího růstu.

Investory tedy nepotřebujete?
Finančního investora nehledáme, rozvoj si dokážeme zaplatit sami. Mnohem zajímavější by pro nás byl strategický partner a s několika nadnárodními hráči jsme již partnerství uzavřeli. Pokud pro nás bude někdo dostatečně relevantní, může se stát cokoliv, ale zatím aktivně nikoho nehledáme.

Do firmy jste tedy pustili jen v začátcích Logio a Bohemia Venture Capital. Oba mají shodně 17,5 %. Jaká vlastně byla, respektive je jejich role?
Bohemia Venture Capital byla čistě finanční záležitost. U Logia šlo jak o finance, tak také o know-how, protože jsou v českém retailu jednička v řízení dodavatelského řetězce, takže mají stejné zákazníky jako my. Zejména v první fázi nám tak Logio velmi pomohlo s jejich oslovováním. Dnes máme i další a větší partnery, ale kdybychom na začátku neměli Logio, měli bychom to mnohem těžší.