Σημαντικά οφέλη για την πρόβλεψη των πωλήσεων προϊόντων στον κλάδο του ηλεκτρονικού εμπορίου μπορεί να προσφέρει σε επιχειρήσεις η χρήση μοντέλων τεχνητής νοημοσύνης, διασφαλίζοντας ακρίβεια, αξιοπιστία και ευελιξία.
Σε αυτή τη διαπίστωση καταλήγει πρωτότυπη εργασία που συνέταξε ομάδα εργασίας της DOTSOFT AE και του Εθνικού Κέντρου Έρευνας & Τεχνολογικής Ανάπτυξης (ΕΚΕΤΑ), στο πλαίσιο του έργου «Develοpment» (κωδικός KMP6-0078774).
Προβαίνοντας σε ολοκληρωμένη ανασκόπηση της υφιστάμενης βιβλιογραφίας σχετικά με τους αλγορίθμους πρόβλεψης πωλήσεων, οι συντάκτες της εργασίας παρουσίασαν τα ευρήματά τους στο 28ο Πανελλήνιο Συνέδριο για την Πρόοδο για την Πρόοδο στους Υπολογιστές και την Πληροφορική (PCI 2024), το οποίο διεξήχθη πρόσφατα στην Αθήνα με διεθνή συμμετοχή. To συνέδριο διοργάνωσαν η Ελληνική Εταιρία Επιστημόνων και Επαγγελματιών Πληροφορικής & Επικοινωνιών και το Πανεπιστήμιο Δυτικής Αττικής.
Αξιοποιώντας σύνολο δεδομένων από διακεκριμένο διαδικτυακό έμπορο στην Ελλάδα, οι συντελεστές της εργασίας εφάρμοσαν διάφορα μοντέλα, με βάση την τεχνητή νοημοσύνη, για την πρόβλεψη της απόδοσης των πωλήσεων.
Τα αποτελέσματα στα οποία κατέληξαν, κατέδειξαν την αποτελεσματικότητα των αλγορίθμων της τεχνητής νοημοσύνης, όσον αφορά στην καταγραφή σύνθετων προτύπων εντός του πεδίου των διαθέσιμων δεδομένων, οδηγώντας σε βελτιωμένη ακρίβεια πρόβλεψης σε σχέση με τις συμβατικές μεθόδους. Αυτό ισχύει πολύ περισσότερο, όπως διαπιστώθηκε, όταν διάφορα δεδομένα από εξωγενείς πηγές, όπως καιρικές συνθήκες και αναζητήσεις από τα Google Trends, ενσωματώνονται στο πεδίο ανάλυσης. Με τον τρόπο αυτό μπορούν να ενισχυθούν η ανταγωνιστικότητα και η αποδοτικότητα των επιχειρήσεων ηλεκτρονικού εμπορίου.
Όπως αναφέρθηκε, η μελλοντική έρευνα θα μπορούσε να επεκτείνει την αξία της εκπονηθείσας εργασίας με διάφορους τρόπους., όπως με την ενσωμάτωση ευρύτερου φάσματος εξωγενών χαρακτηριστικών (μακροοικονομικοί δείκτες, δεδομένα καταναλωτικών συναισθημάτων και τάσεις στα μέσα κοινωνικής δικτύωσης) και τη διερεύνηση αρχιτεκτονικών λύσεων βαθιάς μάθησης, όπως είναι η μακρά βραχυπρόθεσμη μνήμη (LSTM). Έτσι, μπορούν να βελτιωθούν ακόμη περισσότερο τα μοντέλα πρόβλεψης των πωλήσεων και να υποστηριχθούν στρατηγικές αποφάσεις, καθοδηγούμενες από δεδομένα, στο ταχέως εξελισσόμενο τοπίο του διαδικτυακού λιανικού εμπορίου.
Στην έρευνα συμμετείχαν εκ μέρους της DOTSOFT ΑΕ οι Α. Μάνος, Δ. Ε. Φιλιππίδου, Ν. Παυλίδης, Γ. Βαχτανίδης και Γ. Καρανάσιος, ενώ εκ μέρους του ΕΚΕΤΑ οι Ι. Μαλλίδης, Ο. Τσολάκης και Γ. Αϊφαντοπούλου.
Η έρευνα διεξήχθη στο πλαίσιο του έργου «Development» (κωδικός KMP6-0078774) στο πλαίσιο της δράσης «Επενδυτικά Σχέδια Καινοτομίας» του Επιχειρησιακού Προγράμματος «Κεντρική Μακεδονία 2014-2020», το οποίο συγχρηματοδοτείται από το Ευρωπαϊκό Ταμείο Περιφερειακής Ανάπτυξης και εθνικούς πόρους.
