Velký autobazar vs. malý prodejce ojetin: Jaké jsou rozdíly ve fungování?

Základní pravidlo obchodu velí: koupit levně, prodat dráž. S rostoucí konkurencí na trhu a většími nároky zákazníků ale tato jednoduchá poučka už dávno nestačí. Zejména v obchodu s ojetinami je tak důraz na efektivitu a technologický pokrok čím dál silnější. Především pak velcí prodejci musejí hledat další cesty, jak se posunout vpřed.

Zatímco malému autobazaru stačí, když zajistí živobytí svému majiteli, případně několika zaměstnancům, velký hráč na trhu musí koukat dál, než je prodej vykoupeného vozu. Stále větší důležitost má sledování trendů, analýzy dat a následná predikce, což dělá z obchodu s ojetinami čím dál složitější matematický úkon. S tím ale může pomáhat umělá inteligence. Tvrdí to Stanislav Gálik, výkonný ředitel inovační laboratoře AuresLab, jež patří do skupiny AURES Holdings.

„Vzhledem k tomu, že holding loni prodal více než 83 000 vozů, je zapojení komplexního analytického aparátu naprostou nezbytností, jak z hlediska dalšího růstu, tak zajištění běžného provozu,“ říká Stanislav Gálik, pod nímž AuresLab vyvíjí aplikace a nástroje, které chod prodejního kolosu zefektivňují. Z těchto aplikací pak těží síť autocenter AAA AUTO.

Proměnných, jež musí prodejce zohledňovat, je podle Gálika celá řada a jejich vzájemné sladění je na celém obchodu nejnáročnější. „Začínáme hned u výkupu, kdy si kromě technického stavu ověřujeme, jak dlouho pravděpodobně bude trvat, než auto znovu prodáme, a jaká je jeho potenciální cena. Pomocí datové analytiky jsme schopni tyto hodnoty určit velmi přesně,“ říká Gálik.

Při výpočtu vycházejí z aktuální poptávky a nabídky daných modelů, ale zohledňují i potenciální zbytkovou hodnotu vozu, tedy za kolik jej zákazník může prodat po několika dalších letech provozu. „Pokud si hodnotu drží dobře, můžeme je prodat za vyšší cenu, protože zákazník je stejně dobře může zpeněžit později. To se týká třeba vozů Škoda, Volkswagen nebo Toyota,“ vysvětluje Petr Vaněček, provozní ředitel sítě autocenter AAA AUTO. Určit, jak bude vůz držet hodnotu, je podle něj přitom jeden z nejnáročnějších úkonů.

Do rovnice pak vstupují i náklady na údržbu naskladněných automobilů i náklady na jejich přípravu k prodeji. „Každé auto vychází co do nákladů na řádově desítky korun denně. Ovšem když máte na skladě tisíce aut, je to nezanedbatelná částka,“ říká Gálik. Proto s těmito úlohami již téměř rok pomáhá umělá inteligence vyvinutá v AuresLabu, která podle něj zefektivněním přinesla úspory v řádech několika procent.

Aplikace dokáže například v reálném čase zohledňovat zmiňované proměnné a porovnávat je s aktuální situací na trhu a následně dynamicky upravovat cenu jednotlivých vozů. „Pokud bychom na podobné množství operací měli najímat lidi, potřebovali bychom novou budovu plnou matematických expertů,“ říká Gálik. S pomocí moderní technologie přitom stačí menší tým IT specialistů. Umělá inteligence řídí i skladové zásoby, při čemž reaguje a předpovídá aktuální poptávku na jednotlivých pobočkách a podle toho přesunuje vozy.