Реагируя на то, что вы покупаете, а затем предсказывая, что вы хотите купить. Shutterstock / Nmedia

Независимо от того, совершаете ли вы покупки в Интернете или в магазине, ваш опыт в розничной торговле - это новейшее поле битвы за революцию в области искусственного интеллекта (ИИ) и машинного обучения.

Крупные австралийские ритейлеры начали осознавать, что они могут извлечь большую выгоду из правильной стратегии ИИ, причем один из них в настоящее время набирает на Руководитель отдела искусственного интеллекта и машинного обучения поддерживается команда исследователей данных.

Недавно разработанное подразделение Woolworths ШерстьX стремится объединить разнообразная группа команд, в том числе технологии, клиентский цифровой опыт, электронная коммерция, финансовые услуги и цифровой клиентский опыт.

Все о хрусте данных

Чтобы понять возможности и угрозы для всех крупных компаний розничной торговли, полезно понять, почему искусственный интеллект снова стоит на повестке дня. Со времени первых набегов ИИ десятилетия назад изменились две важные вещи: данные и вычислительная мощность.

Вычислительная мощность легко увидеть. Смартфон в вашей руке имеет в миллионы раз больше вычислительной мощности чем громоздкие компьютеры десятилетий назад. Компании имеют доступ к практически неограниченным вычислительным мощностям, с помощью которых можно обучать свои алгоритмы ИИ.

Другим важным компонентом является масштаб и богатство доступных данных, особенно в розничной торговле.

Системы искусственного интеллекта - особенно методы обучения, такие как машинное обучение - процветают на больших, богатых наборах данных. когда кормили соответственно С помощью этих данных эти системы обнаруживают тенденции, закономерности и корреляции, которые ни один человеческий аналитик никогда не сможет обнаружить вручную.

Эти подходы машинного обучения автоматизируют анализ данных, позволяя пользователям создавать модели, которые затем могут делать полезные прогнозы относительно других подобных данных.

Почему розничная торговля подходит для AI

Скорость развертывания ИИ в разных областях зависит от нескольких критических факторов: розничная торговля особенно подходит по нескольким причинам.

Первое - это способность тестировать и измерять. С соответствующими мерами предосторожности розничные гиганты могут использовать ИИ, тестировать и измерять реакцию потребителей. Они также могут довольно быстро напрямую измерить эффект от своей прибыли.

Второе - это относительно небольшие последствия ошибки. Агент ИИ, садящийся на пассажирский самолет, не может допустить ошибки, потому что может убить людей. Агент ИИ, развернутый в розничной торговле, который ежедневно может принимать миллионы решений некоторые ошибки, пока общий эффект положительный.

Некоторые технологии интеллектуальных роботов уже происходят в розничной Nuro.AI сотрудничает с продуктовым бегемотом Крогером доставить продукты до порогов клиентов в Соединенных Штатах.

{vembed Y = 0xZsvs8iG0Q}

Но многие из наиболее значительных изменений будут связаны с использованием ИИ, а не физических роботов или автономных транспортных средств. Давайте рассмотрим несколько сценариев на основе искусственного интеллекта, которые преобразят ваш опыт работы в розничной торговле.

Ваши покупательские привычки

А я могу обнаружить основные шаблоны в покупательском поведении товаров, которые вы покупаете, и в том, как вы их покупаете.

Это могут быть ваши регулярные покупки риса в супермаркете, спорадические покупки вина в винном магазине, а в пятницу вечером выпивка с мороженым в местном магазине.

В то время как системы баз данных инвентаризации и продаж просто отслеживают покупки отдельных продуктов, с достаточным количеством данных, системы машинного обучения могут предсказывать ваши обычные привычки. Он знает, что вы любите готовить ризотто каждый вечер понедельника, а также ваше более сложное поведение, например, выпивку мороженого.

В более широком масштабе анализ поведения миллионов потребителей позволит супермаркетам предсказать, сколько австралийских семей готовит ризотто каждую неделю. Это будет информировать системы управления запасами, автоматическая оптимизация запасов риса Arborio, например, для магазинов с большим количеством потребителей ризотто.

Эта информация будет тогда поделился с дружественными поставщиками, обеспечивая более эффективное управление запасами и бережливую логистику.

Эффективный маркетинг

Традиционные базы данных схем лояльности, такие как FlyBuys, позволяют супермаркетам идентифицировать ваши частота покупки определенного продукта - например, вы покупаете рис Arborio один раз в неделю - и затем отправляете предложение группе потребителей, которые были определены как «собирающиеся купить рис Arborio».

Новые маркетинговые технологии выйдут за рамки стимулирования сбыта для клиентов, которые уже могут купить этот продукт. Вместо, рекомендации машинного обучения будет продвигать чесночный хлеб, тирамису или другие персонализированные рекомендации по продуктам, которые, как предлагали данные тысяч других потребителей, часто объединяются.

Эффективный маркетинг означает меньше скидок и больше прибыли.

Динамика цен

Задача ценообразования для супермаркетов включает применение правильной цены и правильной рекламы к нужному продукту.

Оптимизация розничных цен это сложное мероприятие, требующее детального анализа данных для каждого клиента, продукта и транзакции.

Чтобы быть эффективными, нужно исследовать бесконечные факторы, например, как на продажи влияют изменения ценовых периодов, сезонность, погода и рекламные акции конкурентов.

Хорошо разработанная программа машинного обучения может учитывать все эти вариации, сочетая их с дополнительными деталями, такими как история покупок, предпочтения продуктов и многое другое, для разработки глубокого понимания и ценообразования с учетом максимальной прибыли и прибыли.

Отзыв заказчика

Исторически обратная связь с клиентом осуществлялась через карточки обратной связи, заполнялась и помещалась в ящик для предложений. Этот отзыв должен был быть прочитан и обработан.

As социальные медиа увеличилисьстала платформой для публичного высказывания своего мнения. Соответственно, ритейлеры обратились к программному обеспечению по сбору в социальных сетях для того, чтобы ответить, решить и вовлечь клиентов в разговор.

Двигаясь вперед, машинное обучение будет играть роль в этом контексте. Системы машинного обучения и искусственного интеллекта впервые позволят проводить массовый анализ нескольких источников беспорядочных неструктурированных данных, таких как клиент записал устные комментарии или видео данные.

Уменьшение воровства

Австралийские ритейлеры потерять, по оценкам, 4.5 млрд. долл. США ежегодно потерь, Рост в Регистры самообслуживания способствуют к этим потерям.

Системы машинного обучения обладают способностью легко сканировать миллионы изображений, позволяя использовать интеллектуальные, POS-системы, оборудованные камерой, для обнаружения различных сортов покупателей фруктов и овощей, размещенных на регистрационных весах.

Со временем системы также будут лучше обнаруживать все товары, продаваемые в магазине, включая задачу под названием мелкозернистая классификация, позволяя ему понять разницу между валенсийским и пупочным апельсином. Следовательно, не будет больше «ошибок» при вводе картофеля, когда вы на самом деле покупаете персики.

В более долгосрочной перспективе системы POS могут полностью исчезнуть, как в случае Магазин Amazon Go.

Компьютеры, которые заказывают для вас

Системы машинного обучения быстро поправляется при переводе вашего естественного голоса в список покупок.

{vembed Y = rgksCRiRlsI}

Цифровые помощники, такие как Дуплекс Google может скоро создать списки покупок и разместить заказы для вас, с Французский ритейлер Carrefour и Американский гигант Walmart уже партнерские отношения с Google.

Развивающийся опыт AI-ритейла

По мере того, как вы проходите жизненные этапы, вы становитесь старше, иногда чувствуете себя плохо, вы можете жениться, возможно, иметь детей или сменить профессию. По мере того, как меняются жизненные обстоятельства и потребительские привычки покупателя, модели автоматически корректируются, как это уже происходит в областях. как обнаружение мошенничества.

В настоящее время реактивный Система включает ожидание, когда клиент начнет покупать подгузники, например, чтобы затем определить, что этот клиент только что создал семью, прежде чем следовать соответствующим рекомендациям по продукту.

Вместо этого алгоритмы машинного обучения могут модельное поведениетакие, как покупка фолиевой кислоты, витаминов и био масел, затем предсказывать когда предложения должны быть отправлены.

Этот переход от реактивного маркетинга к прогнозному может изменить способ совершения покупок, предлагая вам предложения, которые вы, возможно, даже никогда не рассматривали, и все это возможно благодаря возможностям, связанным с ИИ, как для розничных продавцов, так и для их клиентов.

Об авторах

Майкл Милфорд, профессор, Технологический университет Квинсленда и Гари Мортимер, доцент в области маркетинга и международного бизнеса, Технологический университет Квинсленда

Эта статья переиздана из Беседа под лицензией Creative Commons. Прочтите оригинал статьи.