Детальная информация

Цель работы– на основе анализа текущего состояния технологий ИИ и реальных потребностей розничной отрасли разработать рекомендации по оптимизации применения ИИ в торговой деятельности (на примере компании MINISO). Методы: анализ литературы и отчётности MINISO (2023–2025), SWOT, сценарное моделирование. Результаты: Оборачиваемость запасов – 187 дней, доля коммерческих и управленческих расходов – 28,6 %. Предложена трёхмодульная модель ИИ (прогнозирование спроса, оптимизация запасов, точный маркетинг). В нейтральном сценарии: чистый эффект – 0,65 млрд юаней, ROI – 250 %, срок окупаемости – 1,2 года. Применение: для международных розничных сетей (FMCG). Вывод: внедрение ИИ экономически целесообразно, рост чистой прибыли до 23,9 % (от уровня 2024 г.). Научная новизна: 1. Впервые количественно оценены проблемы MINISO на этапе международной экспансии. 2. Разработана трёхмодульная рамочная модель. 3. Предложен метод оценки ROI и срока окупаемости при ограниченных данных.

Objective– to develop AI optimization recommendations for retail operations (MINISO case study). Methodology– literature and industry report analysis; MINISO financial/operational analysis (2023–2025, public data); SWOT; scenario modeling. Main results: 1. Key problems: inventory turnover – 187 days; SG&A expenses – 28.6 % (H1 2025). 2. Three module AI framework: demand forecasting, inventory optimization, precision marketing. 3. Neutral scenario: net effect – 0.65 bn yuan, ROI – 250 %, payback – 1.2 years. Application– for international FMCG retail chains to improve efficiency, supply chains, and customer experience. Conclusion– AI is economically viable; net profit growth up to 23.9 % (vs. 2024). Scientific novelty: 1. First quantitative assessment of MINISOs expansion stage inventory & cost issues. 2. Three module collaborative AI evaluation framework. 3. Scenario based ROI/payback method under limited data.