Když AI splňuje vaše nákupní zkušenosti, ví, co koupíte - a co byste měli koupit

EPA 608 Review Lecture PART 2 - Technician Certification For Refrigerants (Multilingual Subtitles) (Duben 2019).

Anonim

Ať už nakupujete online nebo v obchodě, vaše zkušenost s prodejem zboží je nejnovější bojiště pro revoluci umělé inteligence (AI) a strojního učení.

Velcí australští maloobchodníci si začínají uvědomovat, že mají hodně z toho, aby získali svou strategii AI v pořádku, přičemž v současné době získává nábor vedoucího AI a strojového učení podporovaného týmem vědců v oblasti dat.

Nově rozvinutá divize Woolworths WooliesX se snaží spojit různorodou skupinu týmů, včetně technologií, digitálních zkušeností zákazníků, elektronického obchodu, finančních služeb a zážitku z digitálních zákazníků.

Vše o chrastí dat

Chcete-li porozumět příležitostem a hrozbám pro všechny významné maloobchodníky, je užitečné pochopit, proč je umělá inteligence opět v pořadu jednání. Dvě zásadní věci se změnily od počátečních výpadů do AI desetiletí: data a výpočetní síla.

Výpočetní výkon je snadno viditelný. Smartphone v ruce má milionykrát více výpočetní síly než objemné počítače před desetiletími. Společnosti mají přístup k téměř neomezené výpočetní síle, s níž mají vycvičit své algoritmy AI.

Další kritickou složkou je rozsah a bohatost dostupných údajů, zejména v maloobchodě.

Systémy umělé inteligence - zejména učební techniky, jako je strojové učení - se daří na rozsáhlých, bohatých datových sadách. Při správném podávání s těmito daty tyto systémy objevují trendy, vzory a korelace, které žádný lidský analytik nikdy nedokázal ručně objevit.

Tyto přístupy k automatizovanému učení automatizují analýzu dat a umožňují uživatelům vytvořit model, který pak může poskytovat užitečné předpovědi o dalších podobných datech.

Proč je retail vhodný pro AI

Rychlost rozmístění AI v různých oblastech závisí na několika kritických faktorech: maloobchod je zvlášť vhodný z několika důvodů.

První je schopnost testovat a měřit. S vhodnými ochrannými opatřeními mohou maloobchodní giganti nasadit AI a testovat a měřit reakci spotřebitelů. Mohou také přímo měřit efekt na jejich spodku poměrně rychle.

Druhým je relativně malé důsledky chyby. Agent AI, který přistane na palubě letadla, nemůže dovolit chybu, protože by mohl zabít lidi. Agent AI nasazený v maloobchodě, který každodenně dělá miliony rozhodnutí, si může dovolit udělat nějaké chyby, pokud je celkový efekt pozitivní.

Některá inteligentní robotová technologie se již děje v maloobchodním prodeji s Nuro.AI partnerem s obchodníkem s potravinami Kroger, aby dodávali potraviny zákazníkům v USA.

Mnoho z nejvýznamnějších změn však přichází z rozmístění AI spíše než fyzických robotů nebo autonomních vozidel. Pojďme si projít několika scénáři založenými na AI, které změní vaše obchodní zkušenosti.

Vaše nákupní návyky

AI dokáže rozpoznat základní vzorce nákupního chování od produktů, které kupujete, a způsobu, jakým je nakupujete.

Mohlo by to být vaše pravidelné nákupy rýže z supermarketu, sporadické nákupy vína z prodejny alkoholických nápojů a pátek večer binges na zmrzlinu v místní prodejně.

Vzhledem k tomu, že inventarizační a prodejní databázové systémy prostě sledují nákupy jednotlivých produktů s dostatečnými daty, systémy strojového učení mohou předvídat vaše pravidelné návyky. Ví, že máte rád vaření risotto každou pondělí v noci, ale i vaše složitější chování jako příležitostná zmrzlina.

Ve větším měřítku analýza chování milionů spotřebitelů by umožnila supermarketem předvídat, kolik australských rodin připravuje risotto každý týden. To by informovalo o systémech řízení zásob, které by například automaticky optimalizovaly zásoby rýže Arborio pro obchody se spoustou spotřebitelů risotto.

Tyto informace by pak byly sdíleny s přátelskými dodavateli, což by umožnilo efektivnější správu zásob a chudou logistiku.

Efektivní marketing

Tradiční databáze věrnostních schémat, jako je FlyBuys, umožnily supermarketem identifikovat frekvenci nákupu určitého produktu - například koupíte rybízu Arborio jednou týdně - a poté poslat nabídku skupině spotřebitelů, kteří byli identifikováni jako "ochotní koupit rýži Arborio".

Nové marketingové techniky se budou pohybovat nad rámec podpory prodeje zákazníkům, kteří již takový výrobek pravděpodobně kupují. Namísto toho doporučení pro strojové učení propagují česnekový chléb, tiramisu nebo jiné osobní doporučení, které tisíce dalších spotřebitelů naznačují, že často společně procházejí.

Efektivní marketing znamená méně diskontování a větší zisk.

Dynamika cen

Cenová výzva pro supermarkety zahrnuje uplatnění správné ceny a správnou propagaci na správný produkt.

Optimalizace maloobchodních cen je komplexní záležitostí, která vyžaduje analýzu dat na granulované úrovni pro každého zákazníka, produkt a transakci.

Aby byly efektivní, je třeba zkoumat nekonečné faktory, jako například vliv prodeje na změny cenových bodů v čase, sezónnosti, počasí a propagace konkurentů.

Dobře vytvořený strojový učební program může ovlivňovat všechny tyto varianty a kombinovat je s dalšími podrobnostmi, jako jsou historie nákupů, preference produktů a další, a vyvíjet tak hluboké poznatky a ceny, které jsou přizpůsobeny tak, aby maximalizovaly výnosy a zisky.

Zákaznická zpětná vazba

Historicky byla zpětná vazba zákazníků dosažena pomocí karet zpětné vazby, vyplněna a umístěna do pole návrhů. Tato zpětná vazba se musela číst a jednat.

Jak sociální média rostla, stala se platformou k veřejnému vyjádření zpětné vazby. V souladu s tím se maloobchodníci obrátili na software pro škrábání sociálních médií, aby reagovali, řešili a angažovali zákazníky v konverzaci.

Pohybem dopředu bude v této souvislosti hrát roli strojní učení. Strojové učení a AI systémy umožní poprvé hromadnou analýzu více zdrojů neuspořádaných dat, jako jsou například zaznamenané slovní komentáře nebo video data.

Snížení krádeže

Australští maloobchodníci ztrácejí každoročně 4, 5 miliardy dolarů na ztrátách na akcii. Růst samoobslužných registrů přispívá k těmto ztrátám.

Strojové učení systémy mají schopnost bez námahy skenovat miliony obrázků, které umožňují inteligentním kamerám vybavené systémy prodeje (POS) detekovat různé odrůdy kupujících ovoce a zeleniny na regálové váhy.

Postupně se systémy budou lépe odhalovat všechny produkty prodávané v obchodě, včetně úkolu nazývaného jemnozrnná klasifikace, což jí umožní rozpoznat rozdíl mezi Valencií a Navel oranžovou. Protože při nákupu broskví nebude docházet k "chybám" při vkládání brambor.

V dlouhodobém horizontu mohou POS systémy úplně zmizet, jako v případě obchodu Amazon Go.

Počítače, které si objednají

Systémy strojového učení se rychle zlepšují při překladu svého přirozeného hlasu do seznamů s potravinami.

Digitální asistenti jako Google Duplex mohou brzy vytvořit nákupní seznamy a objednávky pro vás, francouzský maloobchodník Carrefour a americký gigant Walmart, který již spolupracuje se společností Google.

Vyvíjející se maloobchodní zkušenost s AI

Jak se pohybujete v životních stádiích, stárnete, příležitostně se necítíte dobře, můžete se oženit, možná mít děti nebo změnit kariéru. Vzhledem k tomu, že se životní situace a výdaje spotřebitelů změní, modely se automaticky přizpůsobí, stejně jako v oblasti detekce podvodů.

Současný reaktivní systém zahrnuje čekání na to, že zákazník začne kupovat pleny, například pro identifikaci tohoto zákazníka jako právě založeného rodiny, než bude pokračovat s odpovídajícími doporučeními k produktu.

Místo toho algoritmy strojového učení mohou modelovat chování, například nákup vitaminů folátů a bio-olejů, pak předpovídat, kdy mají být nabídky odeslány.

Tento přechod od reaktivního k prediktivnímu marketingu by mohl změnit způsob, jakým nakupujete, a přináší vám návrhy, které jste možná ani nepomysleli, a to vše možné z důvodu příležitostí souvisejících s AI jak pro maloobchodníky, tak pro jejich zákazníky.

menu
menu