Kiedy sztuczna inteligencja spotyka Twoje doświadczenie zakupowe, wie, co kupujesz – i co powinieneś kupić Reagowanie na to, co kupujesz, a następnie przewidywanie, co chcesz kupić. Shutterstock/nmedia

Niezależnie od tego, czy robisz zakupy online, czy w sklepie, Twoje doświadczenie w handlu detalicznym jest najnowszym polem bitwy o rewolucję sztucznej inteligencji (AI) i uczenia maszynowego.

Główni australijscy detaliści zaczęli zdawać sobie sprawę, że mogą wiele zyskać na właściwej strategii AI, a jeden z nich obecnie rekrutuje Kierownik ds. sztucznej inteligencji i uczenia maszynowego obsługiwane przez zespół analityków danych.

Nowo opracowany oddział Woolworths WełnianeX ma na celu zjednoczenie zróżnicowana grupa zespołów, w tym ds. technologii, cyfrowych doświadczeń klientów, e-commerce, usług finansowych i cyfrowych doświadczeń klientów.

Wszystko o przetwarzaniu danych

Aby zrozumieć szanse i zagrożenia dla wszystkich głównych sprzedawców detalicznych, warto zrozumieć, dlaczego sztuczna inteligencja wróciła do porządku dziennego. Dwie kluczowe rzeczy zmieniły się od pierwszych dziesięcioleci w kierunku sztucznej inteligencji: dane i moc obliczeniowa.


wewnętrzna grafika subskrypcji


Łatwo zauważyć moc obliczeniową. Smartfon w twojej dłoni ma miliony razy więcej mocy obliczeniowej niż nieporęczne komputery sprzed dziesięcioleci. Firmy mają dostęp do niemal nieograniczonej mocy obliczeniowej, dzięki której mogą trenować swoje algorytmy AI.

Innym krytycznym składnikiem jest skala i bogactwo dostępnych danych, zwłaszcza w handlu detalicznym.

Systemy sztucznej inteligencji — zwłaszcza techniki uczenia się, takie jak uczenie maszynowe — rozwijają się na dużych, bogatych zestawach danych. Kiedy karmione odpowiednio dzięki tym danym systemy te odkrywają trendy, wzorce i korelacje, których żaden ludzki analityk nigdy nie mógłby mieć nadziei na odkrycie ręcznie.

Te podejścia do uczenia maszynowego automatyzują analizę danych, umożliwiając użytkownikom tworzenie modelu, który może następnie tworzyć przydatne prognozy dotyczące innych podobnych danych.

Dlaczego handel detaliczny jest odpowiedni dla AI

Szybkość wdrażania sztucznej inteligencji w różnych dziedzinach zależy od kilku krytycznych czynników: sprzedaż detaliczna jest szczególnie odpowiednia z kilku powodów.

Pierwsza to umiejętność testowania i mierzenia. Dzięki odpowiednim zabezpieczeniom giganci handlu detalicznego mogą wdrażać sztuczną inteligencję oraz testować i mierzyć reakcje konsumentów. Mogą również dość szybko zmierzyć wpływ na wynik finansowy.

Drugi to stosunkowo niewielkie konsekwencje błędu. Agent AI lądujący w samolocie pasażerskim nie może sobie pozwolić na popełnienie błędu, ponieważ może to spowodować śmierć ludzi. Agent AI wdrożony w handlu detalicznym, który każdego dnia podejmuje miliony decyzji, może sobie na to pozwolić kilka błędów, o ile ogólny efekt jest pozytywny.

Niektóre inteligentne technologie robotów pojawiają się już w handlu detalicznym z Partnerstwo Nuro.AI z gigantem spożywczym Kroger dostarczać artykuły spożywcze pod drzwi klientów w Stanach Zjednoczonych.

{vembed Y=0xZsvs8iG0Q}

Jednak wiele z najważniejszych zmian będzie wynikać z wdrożenia sztucznej inteligencji, a nie fizycznych robotów czy pojazdów autonomicznych. Przyjrzyjmy się kilku scenariuszom opartym na sztucznej inteligencji, które zmienią Twoje doświadczenie w handlu detalicznym.

Twoje nawyki zakupowe

AI może wykryć podstawowe wzorce w zachowaniach zakupowych na podstawie kupowanych produktów i sposobu, w jaki je kupujesz.

Mogą to być regularne zakupy ryżu w supermarkecie, sporadyczne zakupy wina w sklepie monopolowym i piątkowe wieczorne objadanie się lodami w lokalnym sklepie spożywczym.

Podczas gdy systemy baz danych zapasów i sprzedaży po prostu śledzą zakupy poszczególnych produktów, mając wystarczającą ilość danych, systemy uczenia maszynowego mogą: przewidzieć Twoje regularne nawyki. Wie, że lubisz gotować risotto w każdy poniedziałkowy wieczór, ale także bardziej złożone zachowania, takie jak okazjonalne objadanie się lodami.

Na większą skalę analiza zachowań milionów konsumentów pozwoliłaby supermarketom przewidzieć, ile australijskich rodzin gotuje risotto każdego tygodnia. Poinformuje to systemy zarządzania zapasami, automatyczna optymalizacja stanów magazynowych na przykład ryżu Arborio dla sklepów z wieloma konsumentami risotto.

Ta informacja byłaby wtedy udostępniane zaprzyjaźnionym dostawcom, umożliwiając bardziej efektywne zarządzanie zapasami i sprawną logistykę.

Skuteczny marketing

Tradycyjne bazy danych programów lojalnościowych, takie jak FlyBuys, umożliwiły supermarketom identyfikację Twojego częstotliwość zakupów konkretnego produktu – na przykład kupujesz ryż Arborio raz w tygodniu – a następnie wyślij ofertę do grupy konsumentów, którzy zostali zidentyfikowani jako „zamierzają kupić ryż Arborio”.

Nowe techniki marketingowe wyjdą poza promowanie sprzedaży klientom, którzy już i tak prawdopodobnie kupią ten produkt. W zamian, polecający uczenie maszynowe będzie promować pieczywo czosnkowe, tiramisu lub inne spersonalizowane rekomendacje produktów, które często sugerowały dane od tysięcy innych konsumentów.

Skuteczny marketing oznacza mniej rabatów i większy zysk.

Dynamika cen

Wyzwanie cenowe dla supermarketów obejmuje: zastosowanie odpowiedniej ceny i właściwej promocji do właściwego produktu.

Optymalizacja cen detalicznych to złożone przedsięwzięcie, wymagające szczegółowej analizy danych dla każdego klienta, produktu i transakcji.

Aby była skuteczna, należy przeanalizować nieskończone czynniki, takie jak wpływ na sprzedaż zmieniających się punktów cenowych w czasie, sezonowość, pogoda i promocje konkurencji.

Dobrze opracowany program uczenia maszynowego może uwzględniać wszystkie te odmiany, łącząc je z dodatkowymi szczegółami, takimi jak historie zakupów, preferencje dotyczące produktów i inne, w celu opracowania szczegółowych informacji i cen dostosowanych do maksymalizacji przychodów i zysków.

Opinie klientów

Historycznie informacje zwrotne od klientów były uzyskiwane za pomocą kart opinii, wypełnianych i umieszczanych w polu sugestii. Ta informacja zwrotna musiała zostać przeczytana i uwzględniona.

As media społecznościowe wzrosły, stał się platformą do publicznego wyrażania opinii. Odpowiednio, sprzedawcy zwrócili się w stronę oprogramowania do skrobania mediów społecznościowych w celu odpowiedzi, rozwiązania i zaangażowania klientów w rozmowę.

W przyszłości uczenie maszynowe będzie odgrywać w tym kontekście pewną rolę. Systemy uczenia maszynowego i sztucznej inteligencji po raz pierwszy umożliwią masową analizę wielu źródeł niechlujnych, nieustrukturyzowanych danych, takich jak klient nagrał komentarze ustne lub dane wideo.

Redukcja kradzieży

Sprzedawcy australijscy stracić około 4.5 miliarda dolarów rocznie na stratach akcji. Wzrost w wnoszą rejestry samoobsługowe do tych strat.

Systemy uczenia maszynowego mają możliwość bez wysiłku skanuj miliony obrazów, umożliwiając inteligentnym, wyposażonym w kamery systemom punktów sprzedaży (POS) wykrywanie różnych odmian owoców i warzyw umieszczanych na wagach kasowych.

Z biegiem czasu systemy będą również coraz lepiej wykrywać wszystkie produkty sprzedawane w sklepie, w tym zadanie o nazwie klasyfikacja drobnoziarnista, umożliwiając mu odróżnienie pomarańczy Valencia i Navel. Dlatego nie byłoby więcej „błędów” przy wprowadzaniu ziemniaków, gdy faktycznie kupujesz brzoskwinie.

W dłuższej perspektywie systemy POS mogą całkowicie zniknąć, jak w przypadku Sklep Amazon Go.

Komputery, które zamawiają dla Ciebie

Systemy uczenia maszynowego są szybko się poprawia w tłumaczeniu Twojego naturalnego głosu na listy zakupów.

{vembed Y=rgksCRiRlsI}

Asystenci cyfrowi, tacy jak Google Duplex może wkrótce tworzyć listy zakupów i składać dla Ciebie zamówienia, z Francuski sprzedawca Carrefour i Amerykański gigant Walmart już współpracuje z Google.

Ewoluująca sprzedaż detaliczna sztucznej inteligencji

Kiedy przechodzisz przez kolejne etapy życia, stajesz się starszy, czasami chorujesz, możesz wyjść za mąż, być może mieć dzieci lub zmienić karierę. W miarę jak zmieniają się okoliczności życiowe i nawyki związane z wydatkami klientów, modele dostosowują się automatycznie, tak jak ma to już miejsce w niektórych obszarach jak wykrywanie oszustw.

Prąd reaktywny System polega na oczekiwaniu, aż klient zacznie kupować pieluchy, na przykład, aby następnie zidentyfikować tego klienta jako właśnie założył rodzinę, zanim zastosuje się do odpowiednich rekomendacji produktów.

Zamiast tego algorytmy uczenia maszynowego mogą: zachowanie modelu, takich jak zakup witamin foliowych i bio olejków, a następnie przewidzieć kiedy należy wysyłać oferty.

To przejście od marketingu reaktywnego do predykcyjnego może zmienić sposób robienia zakupów, dostarczając Ci sugestii, których być może nigdy nawet nie brałeś pod uwagę, a wszystko to możliwe dzięki możliwościom związanym ze sztuczną inteligencją zarówno dla sprzedawców, jak i ich klientów.Konwersacje

O Autorach

Michael Milford, profesorze, Queensland University of Technology oraz Gary Mortimer, profesor nadzwyczajny w dziedzinie marketingu i biznesu międzynarodowego, Queensland University of Technology

Artykuł został opublikowany ponownie Konwersacje na licencji Creative Commons. Przeczytać oryginalny artykuł.