Prima della pandemia, i profitti medi dei generi alimentari si aggiravano intorno al 2%, principalmente a causa di inefficienze logistiche e di trasporto. Lo spostamento della domanda di prodotti e delle vendite ha aggravato questi problemi, con i negozi ora responsabili del 10% degli sprechi alimentari negli Stati Uniti. Questo ordine eccessivo non solo costa la redditività, ma costringe i rivenditori ad aumentare i prezzi per compensare le perdite. Nell’aprile 2020, i prezzi dei generi alimentari hanno mostrato il loro aumento mensile più vertiginoso in quasi 50 anni, guidato dall’aumento dei prezzi di prodotti deperibili come carne e uova.
Shelf Engine , una startup con sede a Seattle cofondata nel 2015, mira a fare un cambiamento sfruttando l’ intelligenza artificiale per aiutare i negozi ad aumentare i profitti riducendo allo stesso tempo gli sprechi di prodotto. La società ha annunciato oggi di aver raccolto 41 milioni di dollari in finanziamenti di serie B, portando il totale raccolto a 58 milioni di dollari man mano che la sua piattaforma si espande oltre 85 clienti e oltre 2.000 negozi a livello nazionale.
Secondo il cofondatore e CEO Stefan Kalb, i rivenditori di generi alimentari che non riescono a innovare oggi potrebbero mettere a rischio le loro aziende. Tradizionalmente, i gestori dell’inventario utilizzano soluzioni di ordinazione assistita da computer e software-as-a-service che richiedono investimenti hardware e software anticipati. Queste soluzioni spesso non riescono a tenere conto dei dati di inventario disponibili e dell’elevata volatilità nei modelli di vendita, come ad esempio in caso di acquisti dovuti a pandemia o condizioni meteorologiche. Un’analisi di Retail Insight ha rilevato che il 56% dei record di inventario perpetuo (PI), che determina la quantità di scorte che un negozio riceve a ogni consegna, sono incompleti e che il 15% delle vendite perse è il risultato di PI impreciso.
“[Durante la pandemia], i droghieri sono stati colpiti da nuovi modelli di domanda per i quali non erano pronti. Ciò ha creato un picco nelle scorte esaurite e negli sprechi. Ciò ha accelerato il numero di droghieri che ora vogliono che l’intelligenza artificiale si occupi dei loro ordini e riduca il loro profilo di rischio “, ha detto Kalb a VentureBeat via e-mail. “Stiamo per assistere a una massiccia trasformazione nello spazio della drogheria, ma non è quello che ti aspetti. Sì, la spesa online sta crescendo, ma non sarà nulla in confronto alle operazioni di negozio, agli acquisti e al merchandising. La drogheria diventerà un’attività molto efficiente e genererà molti più profitti che mai. “
Utilizzando l’apprendimento automatico, Shelf Engine prevede la domanda di alimenti altamente deperibili, riducendo gli sprechi e le scorte esaurite. Basandosi sui dati dei punti vendita insieme a considerazioni come orari scolastici, eventi locali, festività e condizioni meteorologiche, la piattaforma genera modelli probabilistici per ogni prodotto unico per ogni negozio, ogni giorno. Questi modelli vengono tradotti in modelli di massimizzazione del profitto per creare ordini, che vengono quindi alimentati da modelli di serie temporali insieme a modelli dipendenti dall’apprendimento automatico. Come ultimo passaggio, Shelf Engine invia gli ordini di un negozio ai fornitori.
Shelf Engine non fa pagare per gli articoli che non vengono venduti: i rivenditori pagano solo per gli articoli che lo fanno. Secondo Kalb, un droghiere nazionale ha aumentato il proprio margine di profitto del 63,7% utilizzando Shelf Engine per eliminare il costo delle differenze inventariali dovute a deterioramento, rottura e furto. I clienti di Shelf Engine in media riducono al minimo le scorte del 90% riducendo gli sprechi alimentari fino al 32%, afferma Kalb.
“Stiamo riducendo gli sprechi, aumentando allo stesso tempo le vendite, e questo va dritto ai profitti del droghiere”, ha aggiunto Kalb. “Stiamo aiutando i droghieri a fare molti più soldi, posizionandoli meglio per guadagnare quote di mercato e offrire prezzi competitivi, particolarmente importante quando i giganti della tecnologia e altri rivoluzionari stanno entrando nel mercato. Quest’ultimo round ci consentirà di soddisfare ulteriormente la richiesta dei nostri clienti di lanciarsi in migliaia di nuovi negozi nei prossimi 18 mesi “.
General Catalyst ha guidato il round di finanziamento annunciato oggi con investimenti successivi di GGV Capital, Foundation Capital, 1984 Ventures, Correlation Ventures, Founders ‘Co-op, Soma Capital, Firebolt Ventures e Initialized Capital. Oltre alla continua espansione, Shelf Engine da 145 dipendenti afferma che il round gli consentirà di investire ulteriormente nel suo team di ingegneri, data scientist e specialisti in automazione della catena di fornitura.
