Kai AI patenkina jūsų apsipirkimo patirtį, jis žino, ką jūs perkate - ir ką turėtumėte nusipirkti

The Choice is Ours (2016) Official Full Version (Birželis 2019).

Anonim

Nesvarbu, ar jūs perkate internetu, ar parduotuvėje, jūsų mažmeninė patirtis yra naujausia dirbtinio intelekto (AI) ir mašinų mokymosi revoliucijos karo vieta.

Pagrindiniai Australijos mažmenininkai pradėjo suvokti, kad jie turi daug ką įgyti, kad galėtų gauti savo AI strategiją, o dabar ji įdarbinama DU ir mašinų mokymosi vadovui, kurį remia duomenų mokslininkų komanda.

Naujai sukurta "Woolworths" padalinys "WooliesX" siekia sutelkti įvairią komandų grupę, įskaitant technologijas, klientų skaitmeninę patirtį, elektroninę komerciją, finansines paslaugas ir skaitmeninių klientų patirtį.

Viskas apie duomenų sugadinimą

Norint suprasti galimybes ir grėsmes visiems dideliems mažmenininkams, naudinga suprasti, kodėl dirbtinio intelekto grįžta į darbotvarkę. Du svarbiausi dalykai pasikeitė nuo pradinių etapų iki AI dešimtmečių: duomenys ir skaičiavimo galia.

Kompiuterių galia yra lengva pamatyti. Jūsų rankoje esantis išmanusis telefonas turi milijonus kartų daugiau skaičiavimo galių nei prieš dešimtmečius dirbantys didžiuliai kompiuteriai. Įmonės turi beveik neribotą skaičiavimo galią, su kuria mokyti savo AI algoritmus.

Kitas svarbus ingredientas yra turimų duomenų mastas ir turtingumas, ypač mažmeninėje prekyboje.

Dirbtinio intelekto sistemos - ypač mokymosi metodai, tokie kaip mašinų mokymasis - klesti dėl didelių, turtingų duomenų rinkinių. Tinkamai šiems duomenims tiekiant šias sistemas atskleidžia tendencijas, modelius ir koreliacijos, kurių niekas žmogaus analitikas niekada negalėtų tikėtis atrasti rankiniu būdu.

Šie mašinų mokymosi metodai automatizuoja duomenų analizę, leidžiantys vartotojams kurti modelį, kuris vėliau gali padaryti naudingų prognozių apie kitus panašius duomenis.

Kodėl mažmeninė prekyba tinkama AI

AI diegimo greitis skirtingose ​​srityse priklauso nuo keleto svarbių veiksnių: mažmeninė prekyba yra ypač tinkama dėl kelių priežasčių.

Pirmasis yra gebėjimas išbandyti ir išmatuoti. Su atitinkamomis apsaugos priemonėmis mažmeninės prekybos gigantai gali įdiegti AI ir išbandyti bei išmatuoti vartotojų reakciją. Jie taip pat gali tiesiogiai įvertinti greitą poveikį jų apatinėje eilutėje.

Antrasis - santykinai mažos klaidos pasekmės. Keleivinio orlaivio nusileidimo agentas negali neteisėti klaidos, nes gali nužudyti žmones. AI agentas, dislokuotas mažmeninėje prekyboje, kuriame kasdien priimami milijonai sprendimų, gali sau leisti daryti kokias nors klaidas, jei bendras poveikis yra teigiamas.

Kai kurios pažangios robotų technologijos jau vyksta mažmeninėje prekyboje, o "Nuro.AI" bendradarbiauja su "Groger" prekybininku Krogeriu, kuris tiekia prekes į klientų slenkstį Jungtinėse Amerikos Valstijose.

Tačiau daugelis svarbiausių pokyčių atsiras dėl AI diegimo, o ne fizinių robočių ar autonominių transporto priemonių. Peržiūrėkime keletą AI scenarijų, kurie pakeis jūsų mažmeninės prekybos patirtį.

Jūsų apsipirkimo įpročiai

AI gali aptikti pirkimo elgsenos modelius, susijusius su jūsų įsigytais produktais ir pirkimo būdais.

Tai gali būti jūsų įprastų ryžių supirkimo iš prekybos centrų pirkimas, atsitiktinis vyno iš alkoholinių gėrimų parduotuvės pirkimas ir penktadienio vakaras, kai valgoma ant ledų vietos prekybos parduotuvėje.

Kadangi atsargų ir pardavimų duomenų bazių sistemos paprasčiausiai seka atskirų produktų pirkimus, kuriuose yra pakankamai duomenų, mašinos mokymosi sistemos gali nuspėti jūsų įprastus įpročius. Jis žino, kad norėtumėte ricotto gaminti kiekvieną pirmadienio vakarą, bet taip pat ir savo sudėtingesnį elgesį, pavyzdžiui, atsitiktinį ledų valgymą.

Didesniu mastu milijonų vartotojų elgesio analizė padėtų prekybos centrams prognozuoti, kiek Australijos šeimų kas rituos viršiuoja. Tai informuotų atsargų valdymo sistemas, automatiškai optimizuojančias Arborio ryžių atsargas, pavyzdžiui, parduotuvėse su daugybe risotto vartotojų.

Tada ši informacija būtų prieinama draugiškiems tiekėjams, leidžianti efektyviau tvarkyti atsargas ir taikyti logistiką.

Efektyvus rinkodara

Tradicinės lojalumo schemos duomenų bazės, pvz., "FlyBuys", leido prekybos centrams nustatyti jūsų konkretaus produkto pirkimo dažnumą (pvz., Kartą per savaitę perkate "Arborio" ryžius), o tada siųskite pasiūlymą vartotojų grupei, kuri buvo nustatyta kaip "Arborio ryžių pirkimas".

Nauji rinkodaros metodai neapsiribos tuo, kad skatins pardavimą klientams, kurie vis tiek gali pirkti tą produktą. Vietoj to, mašininio mokymosi rekomendatoriai skatins česnako duoną, tiramisu ar kitas individualizuotas produktų rekomendacijas, kurias tūkstančiai kitų vartotojų teigė, kad dažnai kartu.

Efektyvus rinkodara reiškia mažiau nuolaidų ir daugiau pelno.

Kainodaros dinamika

Prekybos centruose nustatytas kainų nustatymo iššūkis reiškia tinkamą kainą ir tinkamą reklamą tinkamam produktui.

Mažmeninių kainų optimizavimas yra sudėtinga įmonė, kuriai reikalinga duomenų analizė kiekvienam klientui, produktui ir sandoriui.

Kad būtų veiksminga, reikia ištirti begalę veiksnių, pavyzdžiui, kaip įtakoja pardavimus keičiantis kainų taškams laikui bėgant, sezoniškumui, oro sąlygoms ir konkurentų reklamoms.

Tinkamai parengta mašininio mokymo programa gali įtakoti visus šiuos variantus, kartu su papildoma informacija, tokia kaip pirkimo istorija, produktų preferencijos ir dar daugiau, kad būtų gilios įžvalgos ir kainodara, skirta maksimaliai padidinti pajamas ir pelną.

Klientų atsiliepimai

Istoriškai klientų atsiliepimai buvo pasiekti per atsiliepimų korteles, užpildytas ir pateiktas pasiūlymų laukelyje. Šį atsiliepimą reikėjo perskaityti ir veikti.

Didėjant socialinei žiniasklaidai, ji tapo platforma viešai pateikti atsiliepimus. Todėl mažmenininkai kreipėsi į socialinės žiniasklaidos grandymo programinę įrangą, siekdami atsakyti, išspręsti ir įtikinti klientus pokalbyje.

Šiame kontekste žingsnis į priekį, mašinų mokymasis vaidins svarbų vaidmenį. Mašininio mokymosi ir AI sistemos pirmą kartą leis atlikti daugybę netinkamų, nestruktūruotų duomenų šaltinių, pvz., Kliento įrašytų žodinių komentarų ar vaizdo įrašų duomenų, daugialypę analizę.

Vagystės mažinimas

Australijos mažmenininkai praranda apie 4, 5 milijardo dolerių per metus. Savitarnos registrų augimas prisideda prie tų nuostolių.

Mašininio mokymosi sistemos turi galimybę lengvai nuskaityti milijonus vaizdų, leidžiant protingas, su fotoaparatais sumontuotas prekybos vietas (POS) sistemas, siekiant nustatyti skirtingas vaisių ir daržovių veislių pirkėjų vietas registruojančiose skalėse.

Laikui bėgant sistemos taip pat pagerės, nustatant visus parduotuvėje parduodamus produktus, įskaitant užduotį, vadinamą smulkiagrūdžiu klasifikavimu, leidžiančią nustatyti skirtumą tarp Valencijos ir Navelio oranžo. Taigi, jei jūs iš tikrųjų perkate persikų, bulvių įvežimo metu nebus daugiau "klaidų".

Ilgainiui POS sistemos gali visiškai išnykti, kaip ir "Amazon Go" parduotuvėje.

Kompiuteriai, kurie jums užsako

Mašininio mokymosi sistemos greitai gerėja, kai natūralus balsas perskaičiuojamas į maisto produktų sąrašus.

Skaitmeniniai padėjėjai, tokie kaip "Google Duplex", netrukus gali sukurti pirkinių sąrašus ir pateikti užsakymus jums, Prancūzijos mažmenininkui Carrefour ir JAV gigantui "Walmart", kuris jau bendradarbiauja su "Google".

Besikeičianti AI mažmeninė patirtis

Kai perkeliate gyvenimo etapus, jūs senestate, kartais būkite blogai, galite susituokti, galbūt turėti vaikų ar pakeisti karjerą. Keičiant kliento gyvenimo aplinkybes ir išlaidų įpročius, modeliai automatiškai koreguos, nes jie jau atlieka tokias sritis kaip sukčiavimo aptikimas.

Dabartinė reaktyvioji sistema apima laukimą, kol klientas pradės pirkti sauskelnes, pvz., Tada, prieš nustatydamas reikiamas rekomendacijas gaminiui, identifikuos tą klientą kaip tik ką tik pradėjęs gyventi šeimą.

Vietoj to, mašininio mokymo algoritmai gali modeliuoti elgesį, pavyzdžiui, pirkti folatų vitaminus ir bioelektrą, tada numatyti, kada turėtų būti siunčiami pasiūlymai.

Šis poslinkis nuo reaktyviąja iki nuspėjamojo rinkodaros gali pakeisti pirkimo būdą, todėl pasiūlymus, kuriuos galbūt niekada net nenagrinėjote, yra įmanoma dėl to, kad tiek pardavėjai, tiek jų klientai gali naudotis AI.

menu
menu