Kun AI täyttää ostokokemuksesi, se tietää, mitä ostat - ja mitä sinun pitäisi ostaa

The incredible inventions of intuitive AI | Maurice Conti (Huhtikuu 2019).

Anonim

Olipa ostoksesi verkossa tai myymälässä, vähittäiskaupan kokemus on uusin taistelukenttä tekoälytykseen (AI) ja koneoppimiseen.

Suuret australialaiset vähittäiskauppiaat ovat alkaneet ymmärtää, että heillä on paljon hyötyä AI-strategiansa saamisesta, ja tällä hetkellä rekrytoidaan AI: n ja koneenopettajan päällikkö, jota tukevat tiedemiehet.

Äskettäin kehitetty Woolworths-divisioona WooliesX pyrkii yhdistämään monipuolisen joukon joukkueita, kuten teknologiaa, asiakaskokemusta, sähköistä kaupankäyntiä, rahoituspalveluja ja digitaalista asiakaskokemusta.

Kaikki tietojen kopioimisesta

Jotta ymmärtäisivät mahdollisuudet ja uhkat kaikille suurimmille vähittäiskauppiaille, on hyödyllistä ymmärtää, miksi tekoäly on palannut esityslistalle. Kaksi ratkaisevaa asiaa on muuttunut alkuvuosien alusta AI vuosikymmeniin sitten: datan ja laskentatehon.

Laskentatehoa on helppo nähdä. Kädessäsi oleva älypuhelin on miljoonasosa enemmän laskentatehoa kuin vuosikymmenien mittaisten tietokoneiden suuret tietokoneet. Yrityksillä on mahdollisuus lähes rajattomaan laskentatehoon, jolla he voivat kouluttaa AI-algoritmeja.

Toinen kriittinen aineosa on käytettävissä olevien tietojen laajuus ja rikkaus, erityisesti vähittäiskaupassa.

Keinotekoiset älykkyysjärjestelmät - erityisesti oppimistekniikat, kuten konekielten oppiminen - menestyvät suurissa ja rikkaissa tietojoukkoissa. Kun nämä tiedot syötetään asianmukaisesti, nämä järjestelmät löytävät trendejä, malleja ja korrelaatioita, joita ihmisen analyytikko ei koskaan halua löytää manuaalisesti.

Nämä konekielisen oppimisen lähestymistavat automatisoivat tietojen analysoinnin, jolloin käyttäjät voivat luoda mallin, joka voi sitten tehdä hyödyllisiä ennusteita muista vastaavista tiedoista.

Miksi vähittäiskauppa soveltuu AI: lle

AI: n käyttöönoton nopeus eri aloilla riippuu muutamasta kriittisestä tekijästä: vähittäiskauppa on erityisen sopiva muutamiin syihin.

Ensimmäinen on kyky testata ja mitata. Asianmukaisten suojatoimenpiteiden avulla vähittäiskaupan jättiläiset voivat ottaa käyttöön AI: n ja testata ja mitata kuluttajien vastauksia. Ne voivat myös suoraan mitata vaikutuksen niiden pohjaan melko nopeasti.

Toinen on virheen suhteellisen pieni seuraus. Matkustaja-alukselle laskeutuvalla AI-agentilla ei ole varaa tehdä virheitä, koska se saattaa tappaa ihmisiä. Vähittäiskaupassa toimiva AI-agentti, joka tekee miljoonien päätösten päivittäin, voi varautua virheisiin, kunhan kokonaisvaikutus on positiivinen.

Jotkut älykäs robottiteknologia käyvät jo vähittäiskaupassa Nuro.AI: n kanssa päivittäistavarakaupan behemoth Krogerin kanssa toimittamaan päivittäistavaroita asiakkaiden ovelle Yhdysvalloissa.

Monet merkittävimmistä muutoksista tulevat kuitenkin AI: n käytöstä fyysisten robottien tai autonomisten ajoneuvojen sijaan. Käy läpi muutamia AI-pohjaisia ​​skenaarioita, jotka muuttavat vähittäiskaupan kokemuksia.

Ostotottumukset

AI voi havaita taustalla olevat mallit ostokäyttäytymissään ostetuista tuotteista ja tavasta, jolla ne ostavat.

Tämä voisi olla teidän säännöllinen osto riisistä supermarketista, satunnaiset ostot viiniä viinakaupasta ja perjantai-iltana binges jäätelöä lähikauppa.

Vaikka inventaario- ja myyntitietokantajärjestelmät yksinkertaisesti seuraavat yksittäisten tuotteiden ostamista, riittävät tiedot, koneoppimisjärjestelmät voivat ennustaa tavanomaisia ​​tottumuksia. Se tietää, että pidät ruuanlaittoa joka maanantai-ilta, mutta myös monimutkaisempi käyttäytyminen, kuten satunnaista jäätelöä.

Suuremmassa mittakaavassa miljoonien kuluttajien käyttäytymisen analysointi mahdollistaisi supermarketeille mahdollisuuden ennustaa, kuinka monta australialaista perheessä ruokaa risottoa joka viikko. Tämä kertoisi varastonhallintajärjestelmistä, jotka optimoivat Arborio-riisin varastot automaattisesti esimerkiksi kauppoihin, joissa on paljon risotto kuluttajia.

Nämä tiedot jaetaan sitten ystävällisten toimittajien kanssa, mikä mahdollistaa tehokkaamman varastonhallinnan ja laihan logistiikan.

Tehokas markkinointi

Perinteiset uskollisuutta tukevat tietokannat, kuten FlyBuys, auttoivat supermarketteja tunnistamaan tietyn tuotteen ostotapahtuman - esimerkiksi Arborio-riisin ostaminen kerran viikossa - ja lähettämään tarjouksen kuluttajaryhmälle, joka tunnistettiin "ostamaan Arborio-riisiä".

Uudet markkinointitekniikat ylittävät myynnin edistämisen asiakkaille, jotka todennäköisesti ostavat kyseisen tuotteen. Sen sijaan koneoppimisen suositukset edistävät valkosipulin leipää, tiramisua tai muita henkilökohtaisia ​​tuotteita koskevia suosituksia, jotka tuhannen muun kuluttajan tiedot ovat usein ehdottaneet.

Tehokas markkinointi tarkoittaa vähemmän diskonttaamista ja enemmän voittoa.

Hinnoittelun dynamiikka

Valintamyymälöiden hinnoitteluhaasteeseen kuuluu oikean hinnan ja oikean myynnin edistäminen oikeaan tuotteeseen.

Vähittäiskaupan hinnoittelun optimointi on monimutkainen yritys, joka vaatii tietojen analysointia rajatulle tasolle jokaiselle asiakkaalle, tuotteelle ja tapahtumalle.

Jotta tehokkuutta voitaisiin tutkia, on tutkittava loputtomia tekijöitä, kuten myyntien vaikutusta muuttamalla hintapisteitä ajan myötä, kausivaihtelu, sää ja kilpailijoiden tarjoukset.

Hyvin suunniteltu koneoppimissuunnitelma voi ottaa huomioon kaikki nämä muunnelmat, yhdistämällä ne muihin yksityiskohtiin, kuten ostohistoriaan, tuotevalikoimaan ja enemmän, kehittääkseen syviä näkemyksiä ja hinnoittelua, joka on räätälöity tulojen ja voiton maksimoimiseksi.

Asiakaspalaute

Historiallisesti asiakaspalautetta saavutettiin palautekorttien kautta, täytettiin ja asetettiin ehdotusruutuun. Palautetta on luettava ja annettava.

Kun sosiaalinen media kasvoi, siitä tuli foorumi ilmaista palautetta julkisesti. Siksi jälleenmyyjät kääntyivät sosiaalisen median raaputusohjelmistoihin vastaamaan, ratkaisemaan ja sitouttamaan asiakkaita keskusteluun.

Siirtyminen eteenpäin koneoppimisella on tässä yhteydessä rooli. Koneen oppiminen ja AI-järjestelmät mahdollistavat ensimmäistä kertaa useiden häiritsevien ja rakenteettomien tietojen, kuten asiakaskirjoitettujen suullisten kommenttien tai videodatan, bulk-analyysin.

Varkauden vähentäminen

Australian vähittäiskauppiaat menettävät arviolta 4, 5 miljardia dollaria vuodessa varastojen menetyksistä. Itsepalvelurakenteiden kasvu edesauttaa näitä tappioita.

Koneen oppimisjärjestelmät kykenevät vaivattomasti skannaamaan miljoonia kuvia, mikä mahdollistaa älykkäiden, kameralla varustettujen myyntipisteiden (POS) järjestelmien havaitsemaan hedelmien ja vihannesten eri lajikkeiden löytämisen rekisterin asteikkoihin.

Ajan myötä järjestelmät pääsevät paremmin havaitsemaan kaikki myymälässä myytävät tuotteet, mukaan lukien hienorakeinen luokitus, jonka avulla se voi kertoa eron Valencian ja Navel-oranssin välillä. Siksi ei olisi enää "virheitä", kun perunat tulevat, kun itse osta persikat.

Pitkällä aikavälillä POS-järjestelmät voivat kadota kokonaan, kuten Amazon Go -myymälässä.

Tietokoneet, jotka tilaavat sinulle

Koneen oppimisjärjestelmät parantavat nopeasti luonnollisen äänesi kääntämistä päivittäistavaraluetteloihin.

Digitaaliset avustajat, kuten Google Duplex, voivat pian luoda ostoslistoja ja tehdä tilauksia sinulle. Ranskan vähittäiskauppias Carrefour ja USA: n jättiläinen Walmart ovat jo yhteistyössä Googlen kanssa.

Kehittyvä AI: n vähittäiskaupan kokemus

Kun siirryt läpi elämänvaiheet vanhenevat, joskus huonot, saatat mennä naimisiin, ehkä olla lapsia tai vaihtaa uraa. Asiakkaan elämäntilanteiden ja kulutustottumusten muuttuessa mallit muuttuvat automaattisesti, sillä he tekevät jo petosten havaitsemisen kaltaisilla aloilla.

Nykyinen reaktiivinen järjestelmä vaatii odottamaan asiakkaalta esimerkiksi vaippojen ostamista, jolloin hän tunnistaa kyseisen asiakkaan heti aloittavansa perheen ennen kuin hän seuraa asianmukaisia ​​tuotesuosituksia.

Sen sijaan koneoppimisen algoritmit voivat mallintaa käyttäytymistä, kuten folaatti- vitamiinien ja bioöljyjen ostot, ja ennustaa, milloin tarjoukset tulisi lähettää.

Tämä siirtyminen reaktiivisesta ennakoivaan markkinointiin voisi muuttaa tapaa, jolla voit tehdä ostoksia, jolloin ehdotukset, joita et kenties ole edes harkinnut, ovat mahdollisia, koska AI: n tarjoamat mahdollisuudet sekä vähittäiskauppiaille että heidän asiakkailleen.

menu
menu