Gdy AI spełnia twoje doświadczenie zakupowe, wie, co kupujesz - i co powinieneś kupić

Anonim

Niezależnie od tego, czy robisz zakupy online, czy w sklepie, twoje doświadczenie w handlu detalicznym jest najnowszym polem bitwy dla sztucznej inteligencji (AI) i rewolucji w zakresie uczenia maszynowego.

Wielcy australijscy sprzedawcy detaliczni zaczęli zdawać sobie sprawę, że mają wiele do zyskania dzięki właściwej strategii w zakresie sztucznej inteligencji, a jeden z nich rekrutuje obecnie na stanowisko kierownika ds. Sztucznej inteligencji i uczenia maszynowo-technicznego obsługiwanego przez zespół naukowców zajmujących się danymi.

Nowo utworzony oddział Woolworths WooliesX ma na celu zgromadzenie zróżnicowanej grupy zespołów, w tym technologii, doświadczeń cyfrowych klientów, e-handlu, usług finansowych i doświadczeń cyfrowych klientów.

Wszystko o chrupnięciu danych

Aby zrozumieć szanse i zagrożenia dla wszystkich dużych detalistów, warto zrozumieć, dlaczego sztuczny inteligencja powraca do porządku dziennego. Dwie kluczowe rzeczy zmieniły się od czasu początków ataków na AI sprzed dziesięcioleci: danych i mocy obliczeniowej.

Moc obliczeniowa jest łatwa do zauważenia. Smartfon w dłoni ma miliony razy więcej mocy obliczeniowej niż masywne komputery sprzed dekad. Firmy mają dostęp do niemal nieograniczonej mocy obliczeniowej, dzięki której mogą szkolić swoje algorytmy sztucznej inteligencji.

Drugim istotnym 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 zbiorach danych. Po odpowiednim karmieniu tymi danymi, systemy te odkrywają trendy, wzorce i korelacje, których żaden ludzki analityk nigdy nie miałby szansy odkryć ręcznie.

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

Dlaczego handel detaliczny jest przystosowany do sztucznej inteligencji?

Szybkość wdrażania sztucznej inteligencji w różnych dziedzinach zależy od kilku kluczowych czynników: handel detaliczny jest szczególnie odpowiedni z kilku powodów.

Pierwsza to umiejętność testowania i mierzenia. Przy odpowiednich zabezpieczeniach giganci detaliczni mogą wdrażać sztuczną inteligencję i testować oraz mierzyć reakcje konsumentów. Mogą też dość szybko zmierzyć wpływ na ich wyniki finansowe.

Drugi to stosunkowo niewielkie konsekwencje pomyłki. Agent AI lądujący samolot pasażerski nie może sobie pozwolić na błąd, ponieważ może zabić ludzi. Agent AI wdrożony w handlu detalicznym, który każdego dnia podejmuje miliony decyzji, aby popełnić błędy, o ile ogólny efekt jest pozytywny.

Pewna inteligentna technologia robotów działa już w handlu detalicznym, a Nuro.AI współpracuje z Behemothem Kroger z branży spożywczej, aby dostarczać artykuły spożywcze do klientów w Stanach Zjednoczonych.

Ale wiele z najbardziej znaczących zmian będzie wynikać z rozmieszczenia sztucznej inteligencji, a nie fizycznych robotów lub autonomicznych pojazdów. Przeanalizujmy kilka scenariuszy opartych na sztucznej inteligencji, które zmienią twoje doświadczenie w sprzedaży detalicznej.

Twoje nawyki zakupowe

Sztuczna inteligencja może wykrywać podstawowe wzorce zachowań zakupowych od kupowanych produktów i sposobu, w jaki je kupujesz.

To może być twój regularny zakup ryżu z supermarketu, sporadyczne zakupy wina z monopolowego sklepu i piątkowe wieczory na lody w lokalnym sklepie spożywczym.

Podczas gdy systemy baz danych inwentaryzacji i sprzedaży po prostu śledzą zakupy poszczególnych produktów, przy wystarczających 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 od czasu do czasu lody.

Na większą skalę analiza zachowań milionów konsumentów umożliwiłaby supermarketom przewidzenie, jak wiele australijskich rodzin gotuje risotto co tydzień. Poinformowałoby to systemy zarządzania zapasami, automatycznie optymalizując zapasy ryżu Arborio, na przykład w sklepach z dużą ilością konsumentów risotto.

Informacje te zostaną następnie udostępnione przyjaznym dostawcom, umożliwiając wydajniejsze zarządzanie zapasami i logistykę lean.

Skuteczny marketing

Tradycyjne bazy danych programów lojalnościowych, takie jak FlyBuys, umożliwiały supermarketom identyfikację częstotliwości zakupów określonego produktu - na przykład kupowanie ryżu Arborio raz w tygodniu - a następnie wysyłanie oferty do grupy konsumentów, którzy zostali zidentyfikowani jako "kupujący ryż Arborio"..

Nowe techniki marketingowe wykroczą poza promocję sprzedaży dla klientów, którzy i tak już mogą kupić ten produkt. Zamiast tego, uczniowie uczący się maszyn będą promować chleb czosnkowy, tiramisu lub inne spersonalizowane rekomendacje produktów, które sugerują dane od tysięcy innych konsumentów.

Efektywny marketing oznacza mniej dyskonta i większy zysk.

Dynamika cen

Wyzwanie cenowe dla supermarketów polega na zastosowaniu odpowiedniej ceny i odpowiedniej promocji do odpowiedniego produktu.

Optymalizacja cen detalicznych jest złożonym przedsięwzięciem, wymagającym analizy danych na poziomie szczegółowym dla każdego klienta, produktu i transakcji.

Aby być skutecznym, należy przeanalizować nieskończone czynniki, takie jak wpływ na sprzedaż wpływający na zmianę cen w czasie, sezonowość, pogoda i promocje konkurencji.

Dobrze zaprojektowany program uczenia maszynowego może uwzględniać wszystkie te warianty, łącząc je z dodatkowymi szczegółami, takimi jak historie zakupów, preferencje dotyczące produktów itp., Aby opracować szczegółowe analizy i ceny dostosowane do maksymalizacji przychodów i zysków.

Opinie klientów

Historycznie opinie klientów uzyskiwano za pomocą kart opinii, wypełniano i umieszczano w polu sugestii. Ta informacja zwrotna musiała zostać przeczytana i podjęta.

Wraz ze wzrostem mediów społecznościowych stała się platformą do wyrażania opinii publicznie. W związku z tym sprzedawcy zwrócili się do oprogramowania do zdrapywania mediów społecznościowych, aby odpowiadać, rozwiązywać i angażować klientów w rozmowę.

Idąc dalej, uczenie maszynowe będzie odgrywać rolę w tym kontekście. Systemy uczenia maszynowego i sztucznej inteligencji po raz pierwszy umożliwiają masową analizę wielu źródeł niechlujnych, nieustrukturyzowanych danych, takich jak nagrane przez klienta komentarze słowne lub dane wideo.

Ograniczenie kradzieży

Australijscy sprzedawcy detaliczni tracą szacunkowo 4, 5 mld USD rocznie na utracie zapasów. Wzrost liczby rejestrów samoobsługowych przyczynia się do tych strat.

Systemy uczenia maszynowego mają możliwość bez wysiłku skanować miliony obrazów, umożliwiając inteligentnym, wyposażonym w aparat systemom POS (POS) wykrywanie różnych odmian kupujących owoce i warzywa na wagach rejestrowych.

Z biegiem czasu, systemy będą również lepiej wykrywały wszystkie produkty sprzedawane w sklepie, w tym zadanie o nazwie drobnoziarnistej klasyfikacji, co pozwala odróżnić pomarańczę Walencji od pępka. W związku z tym nie byłoby więcej "błędów" przy wejściu do ziemniaków, gdy faktycznie kupujesz brzoskwinie.

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

Komputery, które zamawiają dla ciebie

Systemy uczenia maszynowego szybko stają się lepsze w tłumaczeniu twojego naturalnego głosu na listy zakupów.

Cyfrowe asystenty, takie jak Google Duplex, mogą wkrótce utworzyć listy zakupów i złożyć zamówienie dla ciebie, z francuskim sprzedawcą Carrefour i amerykańskim gigantem Walmart, który już współpracuje z Google.

Zmieniające się doświadczenie w handlu sztuczną inteligencją

Gdy przechodzisz etapy życia, starzejesz się, czasami źle się czujesz, możesz wyjść za mąż, mieć dzieci lub zmienić karierę. Ponieważ zmieniają się okoliczności życiowe i nawyki zakupowe klienta, modele automatycznie dostosowują się, tak jak już to robią w obszarach takich jak wykrywanie oszustw.

Obecny system reaktywny polega na czekaniu, aż klient rozpocznie np. Zakup pieluszek, aby następnie zidentyfikować klienta, który właśnie założył rodzinę, zanim podejmie właściwe zalecenia dotyczące produktu.

Zamiast tego algorytmy uczenia maszynowego mogą modelować zachowania, takie jak zakupy witamin z kwasu foliowego i bioolejów, a następnie przewidywać, kiedy oferty powinny być wysyłane.

Ta zmiana z reaktywnego na predykcyjny marketing może zmienić sposób dokonywania zakupów, dostarczając sugestii, których być może nigdy nawet nie rozważałeś, a wszystko to ze względu na możliwości związane z sztuczną inteligencją zarówno dla sprzedawców detalicznych, jak i ich klientów.

menu
menu