Use of machine learning to optimize the activities of freight forwarding companies
Use of machine learning to optimize the activities of freight forwarding companies
Abstract
Today, many companies operating in the transport industry are faced with the problem of customer retention. The issue is especially urgent for freight forwarding companies operating in a highly competitive environment. The author sees the solution to this situation in optimizing the activities of a transport enterprise through the use of machine learning, in particular, it is proposed to apply neural network technologies. This will make it possible to study the needs of customers in more detail and in real time, as well as to adjust the work of employees, optimizing individual business processes.
In order to prevent possible negative consequences of introducing machine learning tools, it is recommended to test personnel to determine their readiness to work in new conditions.
1. Введение
Современные реалии диктуют новые требования к организации ведения транспортно-экспедиторского бизнеса, нацеленные на обеспечение эффективности взаимодействия участников рынка посредством сбора, обработки и анализа значительного объема данных, что позволяет продавцам услуг завоевать и укрепить свои конкурентные преимущества. Вместе с тем, сегодня многие компании столкнулись с проблемой унификации действий по выполнению определенных операций, поскольку для максимального удовлетворения пожеланий клиентов они вынуждены адаптироваться под их индивидуальные запросы, что предполагает обработку существенного количества разнообразной информации, снижая производительность как отдельной категории сотрудников, так и эффективности деятельности компании.
Использование машинного обучения позволяет перестроить выполнение отдельных операций, что оказывает положительное влияние на результативность бизнес-процессов. В этой связи целью данной статьи является исследование перспективности и востребованности практического применения машинного обучения в деятельности транспортно-экспедиторской компании с позиции повышения ее эффективности.
Для детального изучения заявленной темы применялись методы кабинетного (обзор научной литературы) и полевого исследований (панельный метод опроса). Объектом исследования выступили транспортно-экспедиторские компании одного из крупнейших транспортных узлов Юга России (порт Новороссийск). На основе анализа и синтеза вторичной и первичной информации разработаны рекомендации, ориентированные на плодотворное развитие отношений с клиентами за счет стандартизации и оптимизации действий сотрудников компании. Исследование проводилось на принципах комплексности и системности, что обеспечило изучение объекта в контексте развития его отдельных элементов в тесной взаимосвязи с внешней средой.
2. Основные результаты
В ходе исследования научной литературы установлено, что морские порты представляют собой ключевые транспортные узлы, удовлетворяющие потребности народного хозяйства в перевозках грузов . Также определено, что особое место отводится разработке мер по обеспечению эффективности производственной деятельности предприятий транспорта, в том числе, в сфере морского судоходства, с позиции цифровизации отрасли , , , . В частности, стоит подчеркнуть заинтересованность современных ученых в применении нейронных сетей, раскрывающих новые возможности для оптимизации бизнес-процессов судоходной компании в контексте цифрового развития морского транспорта.
Выявлено, что на основе методов машинного обучения возможно решение разноплановых задач в различных сферах. Например, в работе Молчановой Р.В. рассмотрены вопросы применения методов машинного обучения в интернет-маркетинге . В работе показано, что с его помощью можно прогнозировать качество питьевой воды. Применяется машинное обучение и для бинарного прогнозирования динамических показателей, позволяя решать задачу транспортировки грузов на железнодорожном транспорте . Вместе с тем, научные труды в направлении внедрения алгоритмов и методов машинного обучения в деятельность компаний транспортно-экспедиторского сектора практически отсутствуют.
Учитывая вышесказанное, а также то, что машинное обучение ориентировано на поиск решений по оптимизации деятельности предприятия в результате анализа значительного объема информации на постоянной основе, актуальным и востребованным видится использование его методов для улучшения результативности развития взаимоотношений с деловыми партнерами транспортно-экспедиторской компании, что обеспечит рост объемов перевозимых грузов, улучшая показатели народного хозяйства страны.
Применение искусственного интеллекта и машинного обучения в деятельности предприятий транспортной отрасли актуально и перспективно, поскольку предлагает нестандартные решения по обеспечению эффективности логистических операций. Например, результатом нейросетевого обучения является уникальная возможность определения повреждений груза при его транспортировке в режиме реального времени . Учитывая, что машинное обучение может применяться с целью адаптации услуг под запросы покупателя, а также для анализа траектории его поведения и другой информации , представляется интересным определить перспективность внедрения нейросетевого обучения в процесс формирования единого цифрового профиля клиента транспортно-экспедиторской компании, что, по мнению автора, позволит обеспечить рост продаж за счет ее клиентоцентричности.
Практика показывает, что сегодня с целью привлечения и удержания клиента многие транспортно-экспедиторские компании делают акцент на необходимость составления цифрового профиля делового партнера. В обычном формате цифровой профиль содержит информацию о клиенте (наименование, контактные данные и др.), количестве заключенных сделок, его платежеспособности, нарушении сроков выполнения обязательств по договору, требования к качеству услуг и т.п. Вместе с тем, проведенные автором исследования показали, что около 15-20% клиентов оставались недовольны работой менеджеров, причем около 5% клиентов предпочитали уходить к конкурентам, не высказывая претензий. И только 10% сразу обращались к руководству, что позволяло исправить ситуацию на ранней стадии конфликта. Исследование проводилось панельным методом в течение трех лет. Респондентами выступили топ-менеджеры транспортно-экспедиторских компаний, имеющие опыт работы в сфере морского транспорта более 15-ти лет. Всего было опрошено 25 человек, которые являются генеральными и коммерческими директорами транспортно-экспедиторских компаний, оказывающих услуги в сфере морских грузоперевозок в рамках отдельно взятого регионального рынка. Компании-респонденты работают в жесткой конкурентной среде, не занимают монопольное положение на рынке, поэтому вопрос развития устойчивых отношений с клиентами для них является приоритетным. Совокупная рыночная доля компаний, сотрудники которых выступили в качестве респондентов составляет 65% емкости рынка, что обосновывает репрезентативность выборки.
Для выявления обстоятельств, способствующих появлению негатива у клиентов, безусловно, проводятся беседы, анкетирование, применяются иные методы. Тем не менее практика показывает, что деловые партнеры крайне неохотно проходят опросы, не желая тратить свое время. Они справедливо считают, что менеджеры должны обладать достаточной квалификацией, чтобы своевременно решить тот или иной вопрос, не допустив конфликта или погасив его в начале развития. Однако опрос респондентов также показал, что в соответствии с разными обстоятельствами даже компетентные менеджеры не всегда могут своевременно выбрать наиболее грамотную тактику поведения, что приводит к недопониманию. Особые трудности во время обслуживания клиента возникают у новичков, которым сложно выстроить оптимальную линию поведения ввиду своей неопытности.
В качестве одного из решений данной проблемы автору видится построение отдельных бизнес-процессов транспортно-экспедиторской компании на основе нейросетевых технологий, применение которых сегодня уже обеспечивает эффективность компаний разных сфер деятельности. В частности, следует обратить внимание на отечественный сервис Heedbook, который на базе обработки данных видео- и аудиопотока с веб-камеры, установленной на рабочем месте менеджера по продажам, позволяет не только оценить удовлетворенность клиента в режиме реального времени, но и определить степень привлекательности нового предложения, максимально повышая адаптивность оказываемых услуг . Использование такого сервиса также позволит собрать и проанализировать дополнительную информацию как о клиенте, так и о работе сотрудника на принципах объективности, комплексности и системности без отвлечения от процесса обслуживания клиента. Для практической реализации данного предложения рабочее место сотрудника должно быть оснащено компьютером, смартфоном или планшетом. Также понадобится веб-камера (возможна замена на медиаэкран) и программное обеспечение HeedBook (работает на основе облачной платформы). Таким образом, очевидно, что применение нейросетевых технологий в данном случае не требует особых финансовых вложений, раскрывая новые возможности ведения клиентоориентированного бизнеса.
Вместе с тем, в результате внедрения в процесс обслуживания клиента такого приложения возможно проявление проблемы в виде потери психологической устойчивости сотрудника , поскольку во время выполнения должностных обязанностей он будет находиться под постоянным наблюдением, а все его действия и разговоры будут записываться и отслеживаться. В дополнение к сказанному выше подчеркнем, что на основании полученных данных топ-менеджмент компании получает возможность оценивать не только клиента (что повышает адаптивность компании и, соответственно, лояльность покупателя), но и непосредственно сотрудника, что также может оказать негативное воздействие на его психологическую устойчивость.
Тем не менее в результате построения взаимодействия с клиентами на основе нейросетевых технологий компания получает множество преимуществ: от создания услуг, максимально адаптивных к требованиям контрагентов, до выявления и разработке мер по устранению проблемных точек в процессе подбора и отбора кадров, обучении новых сотрудников.
3. Заключение
Сегодня транспортно-экспедиторские компании работают в жесткой конкурентной среде, что актуализирует задачу удержания клиента. Применение нейросетевых технологий обеспечивает непрерывное изучение и анализ информации о клиенте без проведения устных опросов и заполнения анкет, что экономит время всех партнеров трансакции. В результате постоянного обновления информации компания-продавец получает уникальную возможность не только решать производственные задачи с минимальными временными затратами, но и прогнозировать пожелания клиента, создавая устойчивые конкурентные преимущества.
Для решения обозначенной выше проблемы нарушения психологической устойчивости сотрудников компании, что с высокой долей вероятности снизит продуктивность его работы, предлагается до принятия решения о внедрении таких технологий сделать специальный тест и, возможно, обратиться к психологу с целью получения рекомендаций касательно тактики разговора с персоналом. Предлагаемые меры позволят определить готовность работников к выполнению должностных обязанностей в новых условиях, обеспечивая грамотную расстановку кадров, что повысит результативность их работы.