Внедрение ИИ в розничной торговле: краткая история | Запутанный ИИ
#AI имеет долгую историю трансформации бизнеса независимо от его базовой отрасли. И влияние, создаваемое искусственным интеллектом, всегда было, мягко говоря, впечатляющим. Традиционные отрасли претерпевают серьезные цифровые преобразования, внедряя модели ИИ в свои бизнес-помещения. Розничная торговля — одна из таких отраслей, которая из года в год широко внедряет ИИ, чтобы не отставать от технологических тенденций.
От сбора рабочей силы до переключения внимания на оборудование, а теперь и на цифровые технологии, индустрия розничной торговли с годами постоянно перерастала сама себя. Исследование даже указывает на то, что к 2030 году произойдет огромный переворот в розничной торговле (ошеломляющие 230%!) из-за использования #машинного обучения.
Внедрение технологий в розничную торговлю на протяжении многих лет
Давайте теперь пройдемся по закоулкам памяти и посмотрим, как росла индустрия розничной торговли за эти годы благодаря внедрению технологий.
Первый крупный сдвиг в сфере розничной торговли с точки зрения внедрения технологий произошел в форме онлайн-покупок. Это было самое большое технологическое чудо 20-го века. Представьте, что вы можете покупать товары, не выходя из дома. Это было совершенно неслыханно до того, как Amazon начала эту революцию со своим веб-сайтом, на котором был размещен небольшой каталог продуктов в 1994 году. Вскоре она зарекомендовала себя благодаря возможности доставки в любую точку мира, что помогло развить близость к онлайн-покупкам в умы людей.
К 2000 году розничная торговля перешла от онлайн-покупок к полной автоматизации, приняв прорывные технологии, такие как искусственный интеллект. С тех пор искусственный интеллект играет ключевую роль в различных процессах розничной компании.
Устранение излишков продуктов
Без сомнения, это была одна из первых причин, по которой ИИ был принят в розничной торговле. Избыток запасов может напрямую повлиять на норму прибыли розничной компании и стоит около $1,1 трлн в год. Розничные компании часто покупают акции в огромных объемах, чтобы получить привлекательные скидки и избежать нехватки товара. Это приводит к затовариванию некоторых продуктов. Затоваривание привело к растрате доходов компании в течение многих лет, пока внедрение ИИ не помогло в этом процессе.
Использование ИИ оказалось плодотворным для большинства компаний, поскольку оно помогло им пополнить запасы только тех продуктов, которые пользовались повышенным спросом, и предотвратить перекупку других продуктов.
ИИ всегда умел определять спрос на продукты, отслеживая
- История продаж
- Акции
- Место расположения
- Текущие тренды
Категоризация продуктов
После управления запасами следующей серьезной причиной, по которой был принят ИИ, было управление категоризацией продуктов. С миллионами поступающих продуктов было необходимо разделить продукты по их типу, чтобы клиенты могли искать нужный продукт, используя правильное ключевое слово. Благодаря алгоритмам машинного обучения, таким как наивный байесовский алгоритм и алгоритм случайного леса, классификация продуктов автоматически обновлялась, помогая ритейлерам экономить часы ручного труда. В конечном итоге все сводилось к самообучающимся возможностям системы ИИ. Самообучающиеся модели были одной из первых моделей искусственного интеллекта, которые были реализованы в розничном бизнесе после перехода на онлайн-каналы.
Чат-боты с искусственным интеллектом
Чат-боты были впервые представлены в 1996 году. Однако чат-боты с искусственным интеллектом появились гораздо позже. Многие розничные компании работали круглосуточно, стремясь резко увеличить интерактивность со своими клиентами. Хотя было представлено много чат-ботов, ни один из них не был так популярен, как тот, который представила H&M. В 2016 году они представили чат-бота с искусственным интеллектом, который мог создавать профили моды для своих пользователей и обеспечивать им круглосуточную поддержку. По оценкам, к 2023 году #айчатботы могут ежегодно экономить до 1,1 миллиарда долларов США в розничном секторе.
Прогнозирование цен
Прогнозирование цен — это просто способность системы заранее прогнозировать цены на продукты на основе их спроса, сезонных тенденций, качества и других аспектов. Прогнозирование цен уже довольно давно является важным вариантом использования ИИ в розничном секторе. Хорошим примером является Mercari, крупнейший в Японии торговый сайт, созданный сообществом. Он использует алгоритмы регрессии машинного обучения для обеспечения объективных прогнозов продаж и снижения цен на основе рекламных акций и других сезонных предложений.
Отслеживание удовлетворенности клиентов
Отслеживание удовлетворенности клиентов, вероятно, может быть самой последней тенденцией ИИ в розничной торговле. Он был реализован только в нескольких розничных компаниях. Walmart, гигант розничной торговли, внедрил систему отслеживания настроения, которая использовала самообучающиеся модели искусственного интеллекта для распознавания лицевых эмоций, отображаемых покупателем в кассах офлайн-магазинов. Если клиент рассержен и недоволен, представитель узнает об этом заранее и попросит его оставить отзыв. Это одна из самых продвинутых реализаций ИИ за последние годы, и в большинстве компаний она все еще находится на экспериментальной стадии.
Последние мысли
KPMG заявляет, что около 85% инсайдеров розничной торговли считают, что ИИ может повысить эффективность их организации. Розничные компании имеют долгую историю внедрения ИИ, начиная с онлайн-покупок и заканчивая отслеживанием потребностей клиентов. ИИ в сфере розничной торговли постоянно развивается и играет ключевую роль в оптимизации различных процессов в ней.
Несмотря на проблемы с внедрением, предприятия розничной торговли прилагают все усилия для внедрения инициатив, основанных на ИИ, поскольку считают, что ИИ — это путь в будущее. Хотя сегодня только несколько крупных розничных предприятий используют ИИ в полной мере, ожидается, что внедрение ИИ на розничном рынке будет расти, поскольку все розничные предприятия стремятся оставаться конкурентоспособными с его помощью.
