Реагуючи на те, що ви купуєте, а потім передбачайте, що ви хочете купити. Shutterstock/nmedia

Незалежно від того, робите ви покупки в Інтернеті чи в магазині, ваш досвід роздрібної торгівлі - це останнє поле битви за штучний інтелект (ШІ) та революцію машинного навчання.

Великі австралійські роздрібні торговці почали усвідомлювати, що вони можуть багато виграти, якщо правильно розробити свою стратегію штучного інтелекту. Керівник ШІ та машинного навчання підтримується a команда дослідників даних.

Нещодавно розроблений підрозділ Вулворта WooliesX має на меті об’єднати різноманітна група команд, включаючи технології, цифровий досвід клієнтів, електронну комерцію, фінансові послуги та цифровий досвід клієнтів.

Все про стискання даних

Щоб зрозуміти можливості та загрози для всіх великих роздрібних торговців, корисно зрозуміти, чому штучний інтелект знову на порядку денному. З моменту перших вторгнень у ШІ десятиліття тому змінилися дві важливі речі: дані та обчислювальна потужність.

Обчислювальну потужність легко побачити. Смартфон у вас в руках в мільйони разів більше обчислювальної потужності ніж громіздкі комп’ютери десятиліття тому. Компанії мають доступ до майже необмежених обчислювальних можливостей, за допомогою яких можна навчати свої алгоритми штучного інтелекту.

Іншим важливим інгредієнтом є масштаб і багатство наявних даних, особливо в роздрібній торгівлі.

Системи штучного інтелекту - особливо такі методи навчання, як машинне навчання - процвітають у великих, багатих наборах даних. Коли годувати належним чином за допомогою цих даних ці системи виявляють тенденції, закономірності та кореляції, які жоден аналітик -людина ніколи не міг сподіватися відкрити вручну.

Ці підходи до машинного навчання автоматизують аналіз даних, дозволяючи користувачам створити модель, яка потім може зробити корисні прогнози щодо інших подібних даних.

Чому роздрібна торгівля підходить для штучного інтелекту

Швидкість розгортання ШІ в різних сферах залежить від кількох критичних факторів: роздрібна торгівля особливо підходить з кількох причин.

Перший - це здатність перевіряти та вимірювати. За допомогою відповідних гарантій роздрібні гіганти можуть розгортати ШІ, перевіряти та вимірювати реакцію споживачів. Вони також можуть досить швидко безпосередньо виміряти вплив на свою суть.

Друге - відносно невеликі наслідки помилки. Агент штучного інтелекту, який садить пасажирський літак, не може дозволити собі помилитися, оскільки це може вбити людей. Агент ШІ, розгорнутий в роздрібній торгівлі, щодня приймає мільйони рішень, які можуть собі дозволити деякі помилки, якщо загальний ефект позитивний.

Деякі технології розумних роботів вже з'являються в роздрібній торгівлі Nuro.AI співпрацює з продуктовим гігантом Крогером доставляти продукти до порогів клієнтів у США.

{vembed Y=0xZsvs8iG0Q}

Але багато найважливіших змін відбудеться внаслідок розгортання ШІ, а не фізичних роботів чи автономних транспортних засобів. Давайте розглянемо кілька сценаріїв на основі штучного інтелекту, які змінять ваш досвід роздрібної торгівлі.

Ваші торгові звички

ШІ може виявити основні закономірності у вашій торговій поведінці від продуктів, які ви купуєте, і способом їх придбання.

Це можуть бути ваші регулярні покупки рису в супермаркеті, епізодичні покупки вина з магазину алкогольних напоїв, а також п’ятничний вечір у морозиві в місцевому магазині.

Тоді як системи баз даних про запаси та продажі просто відстежують покупки окремих продуктів, за наявності достатніх даних системи машинного навчання можуть передбачати ваші постійні звички. Він знає, що вам подобається готувати різотто щопонеділка ввечері, але також і вашу більш складну поведінку, наприклад, час від часу випивку морозива.

У більш широкому масштабі аналіз поведінки мільйонів споживачів дозволив би супермаркетам передбачити, скільки австралійських сімей готують ризотто щотижня. Це буде інформувати системи управління запасами, автоматична оптимізація запасів рису арборіо, наприклад, для магазинів із великою кількістю споживачів різотто.

Тоді ця інформація буде поділився з дружніми постачальниками, що забезпечує більш ефективне управління запасами та економну логістику.

Ефективний маркетинг

Традиційні бази даних схеми лояльності, такі як FlyBuys, дозволили супермаркетам ідентифікувати вашу особу періодичність покупки певного продукту - наприклад, якщо ви купуєте рис Arborio раз на тиждень - і потім надсилаєте пропозицію групі споживачів, які були ідентифіковані як «збираються купити рис Arborio».

Нові маркетингові методи вийдуть за межі стимулювання продажів клієнтам, які в будь -якому випадку вже ймовірно придбають цей продукт. Натомість, Рекомендатори машинного навчання рекламуватиме часниковий хліб, тірамісу чи інші персоналізовані рекомендації щодо продуктів, які часто пропонують дані тисяч інших споживачів.

Ефективний маркетинг означає меншу знижку та більший прибуток.

Динаміка ціноутворення

Проблема ціноутворення для супермаркетів передбачає застосування відповідної ціни та правильного просування до правильного товару.

Оптимізація роздрібних цін - це складне підприємство, яке вимагає аналізу даних на детальному рівні для кожного клієнта, продукту та транзакції.

Щоб бути ефективним, необхідно вивчити нескінченні чинники, наприклад, як вплив на продажі впливає на зміну ціни протягом часу, сезонність, погоду та просування конкурентів.

Добре розроблена програма машинного навчання може враховувати всі ці варіації, поєднуючи їх з додатковими деталями, такими як історія покупок, уподобання продукту тощо, для розробки глибокої інформації та ціноутворення з урахуванням максимізації доходу та прибутку.

Відгуки клієнтів

Історично, відгуки клієнтів отримувалися за допомогою карт відгуків, заповнювалися та розміщувалися у вікні пропозицій. Цей відгук потрібно було прочитати і діяти.

As зросли соціальні медіа, це стало платформою для публічного висловлення зворотного зв'язку. Відповідно, роздрібні торговці звернулися до програмного забезпечення для вилучення соціальних мереж для того, щоб відповідати, вирішувати та залучати клієнтів до розмови.

Рухаючись вперед, машинне навчання буде грати роль у цьому контексті. Системи машинного навчання та штучного інтелекту дозволять уперше масовий аналіз кількох джерел безладних, неструктурованих даних, таких як клієнт записав усні коментарі або відеодані.

Скорочення крадіжок

Австралійські роздрібні торговці щорічно втрачати 4.5 мільярда доларів США на втратах запасів. Зростання в реєстри самообслуговування вносять свій внесок до цих втрат.

Системи машинного навчання мають здатність без зусиль скануйте мільйони зображень, що дозволяє розумним системам торгових точок (POS), обладнаним камерою, виявляти різні сорти фруктів та овочів, які покупці розміщують у шкалах реєстру.

З часом системи також стануть кращими у виявленні всіх продуктів, що продаються в магазині, включаючи завдання під назвою дрібнозерниста класифікація, що дозволяє йому розрізняти апельсин Valencia та Navel. Таким чином, більше не буде "помилок" при введенні картоплі, коли ви фактично купуєте персики.

У довгостроковій перспективі системи POS можуть повністю зникнути, як у випадку Магазин Amazon Go.

Комп’ютери, які замовляють для вас

Системи машинного навчання є швидко налагоджується при перекладі вашого природного голосу в списки продуктів.

{vembed Y=rgksCRiRlsI}

Цифрові помічники, такі як Google Дуплекс незабаром може створити для вас списки покупок і оформити замовлення разом з Французький рітейлер Carrefour та Американський гігант Walmart вже співпрацює з Google.

Розвивається досвід роздрібної торгівлі штучним інтелектом

По мірі проходження життєвих етапів ви старієте, час від часу погіршується самопочуття, ви можете одружитися, можливо, мати дітей або змінити професію. У міру зміни життєвих обставин та звичок витрат клієнта моделі автоматично коригуватимуться, як це вже відбувається в окремих районах як виявлення шахрайства.

В даний час реактивний Система передбачає, наприклад, чекати, поки клієнт почне купувати підгузки, щоб потім ідентифікувати цього клієнта як щойно створив сім’ю, перш ніж виконати відповідні рекомендації щодо продуктів.

Натомість алгоритми машинного навчання можуть модельна поведінка, наприклад, придбання вітамінів фолієвої кислоти та біомасел передбачати коли потрібно надсилати пропозиції.

Цей перехід від реактивного маркетингу до інтелектуального маркетингу може змінити ваш спосіб покупок, запропонувавши пропозиції, які ви, можливо, навіть ніколи не розглядали, все це можливо через можливості, пов'язані з штучним інтелектом, як для роздрібних торговців, так і для їх клієнтів.

Про авторів

Майкл Мілфорд, професор, Квінслендський технологічний університет та Гері Мортімер, доцент кафедри маркетингу та міжнародного бізнесу, Квінслендський технологічний університет

Ця стаття перевидана з Бесіда за ліцензією Creative Commons. Читати оригінал статті.