Reagoidaan ostettuasi ja ennustetaan sitten, mitä haluat ostaa. Shutterstock / nmedia

Teetkö ostoksia verkossa tai myymälässä, vähittäiskauppakokemuksesi on viimeisin keinotekoisen älykkyyden (AI) ja koneoppimisvallankumouksen taistelukenttä.

Suurimmat australialaiset jälleenmyyjät ovat alkaneet ymmärtää, että heillä on paljon hyötyä siitä, että he saavat AI-strategiansa oikein, ja yksi heistä rekrytoi tällä hetkellä AI- ja koneoppimisjohtaja tuettu a tietojen tutkijoiden ryhmä.

Äskettäin kehitetty Woolworths-divisioona WooliesX tavoitteena on koota yhteen monipuolinen ryhmä joukkueita, mukaan lukien tekniikka, asiakkaiden digitaalinen kokemus, sähköinen kaupankäynti, rahoituspalvelut ja digitaalinen asiakaskokemus.

Kaikki tiedon purkamisesta

Kaikkien suurten vähittäiskauppiaiden mahdollisuuksien ja uhkien ymmärtämiseksi on hyödyllistä ymmärtää, miksi tekoäly on jälleen asialistalla. Kaksi ratkaisevaa asiaa on muuttunut alkuperäisistä keskusteluista AI-vuosikymmeniin sitten: data ja laskentateho.

Laskentateho on helppo nähdä. Kädessäsi olevassa älypuhelimessa on miljoonia kertoja enemmän laskentatehoa kuin vuosikymmenten takaavat suuret tietokoneet. Yrityksillä on pääsy lähes rajattomaan laskentatehoon, joiden avulla he voivat kouluttaa AI-algoritmeja.

Toinen kriittinen aineosa on saatavilla olevan tiedon laajuus ja rikkaus, etenkin vähittäiskaupassa.

Keinotekoiset älykkyysjärjestelmät - etenkin oppimistekniikat, kuten koneoppiminen - kukoistavat suurissa, rikas tietokokonaisuuksissa. Kun ruokitaan asianmukaisesti Tämän tiedon avulla nämä järjestelmät löytävät trendejä, malleja ja korrelaatioita, joita yksikään ihmisanalyytikko ei koskaan voinut toivoa löytävänsä manuaalisesti.

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

Miksi vähittäiskauppa sopii AI: lle

AI: n käyttöönoton nopeus eri aloilla riippuu muutamista kriittisistä tekijöistä: vähittäiskauppa on erityisen sopiva muutamista syistä.

Ensimmäinen on kyky testata ja mitata. Asianmukaisilla suojatoimilla vähittäiskaupan jättiläiset voivat ottaa käyttöön AI: n ja testata ja mitata kuluttajien reaktioita. Ne voivat myös melko nopeasti mitata vaikutuksen lopputulokseensa.

Toinen on virheen suhteellisen pieni seuraus. Matkustajakonetta laskeuttavalla AI-agentilla ei ole varaa tehdä virhe, koska se voi tappaa ihmisiä. Vähittäiskaupassa toimiva AI-agentti, jolla on päivittäin miljoonia päätöksiä, on varaa tehdä jonkin verran virheitä, kunhan kokonaisvaikutus on positiivinen.

Jotkut älykkäät robottiteknologiat tapahtuvat jo vähittäiskaupassa Nuro.AI yhteistyössä päivittäistavarakaupan behemoth Krogerin kanssa toimittaa päivittäistavaroita asiakkaiden kynnyksiin Yhdysvalloissa.

{vembed Y=0xZsvs8iG0Q}

Mutta monet merkittävimmistä muutoksista tulevat AI: n käyttöönottamisesta fyysisten robotien tai autonomisten ajoneuvojen sijasta. Tutkitaan muutamia AI-pohjaisia ​​skenaarioita, jotka muuttavat jälleenmyyntikokemustasi.

Ostotapasi

Voin havaita taustalla olevat kuviot ostettujen tuotteiden käyttäytymisessä ja tapa, jolla niitä ostat.

Tämä voi olla säännöllinen riisin osto supermarketista, satunnainen viinin hankinta viinakaupasta ja perjantai-iltana jäätelön pakkaukset paikallisessa lähikaupassa.

Kun taas varastotietojen ja myyntitietokantajärjestelmien avulla seurataan yksinkertaisesti yksittäisten tuotteiden ostoa riittävän datalla, koneoppimisjärjestelmät voivat ennustaa säännölliset tottumuksesi. Se tietää sinun pitävän risoton keittämisestä joka maanantai-ilta, mutta myös monimutkaisemmasta käyttäytymästäsi, kuten satunnainen jäätelöhön.

Laajassa mittakaavassa miljoonien kuluttajien käyttäytymisen analysointi antaisi supermarketeille mahdollisuuden ennustaa kuinka monta australialaista perhettä kokkii risottoa viikossa. Tämä antaisi tiedon varastonhallintajärjestelmistä, optimoi varastot automaattisesti Arborio-riisiä esimerkiksi myymälöihin, joissa on paljon risoto-kuluttajia.

Nämä tiedot olisivat sitten jaettu ystävällisten toimittajien kanssa, joka mahdollistaa entistä tehokkaamman varastonhallinnan ja laihan logistiikan.

Tehokas markkinointi

Perinteiset kanta-asiakasohjelmatietokannat, kuten FlyBuys, mahdollistivat supermarketit tunnistamaan ostotiheys tietystä tuotteesta - kuten ostat Arborio-riisiä kerran viikossa - ja lähetämme sitten tarjouksen kuluttajaryhmälle, jonka yksilöitiin ”aikeissa ostaa Arborion riisiä”.

Uudet markkinointitekniikat ulottuvat myynnin edistämisen ulkopuolelle asiakkaille, jotka jo todennäköisesti ostavat kyseisen tuotteen joka tapauksessa. Sen sijaan, koneoppiminen suosittelee mainostaa valkosipulileipää, tiramisua tai muita henkilökohtaisia ​​tuotesuosituksia, jotka tuhansien muiden kuluttajien tiedot ovat usein liittyneet yhteen.

Tehokas markkinointi tarkoittaa vähemmän diskonttausta ja enemmän voittoa.

Hinnoittelu dynamiikka

Supermarketien hintahaaste liittyy oikean hinnan ja oikean tarjouksen soveltaminen oikeaan tuotteeseen.

Vähittäismyyntihintojen optimointi on monimutkainen yritys, joka vaatii tietoanalyysin rakeisella tasolla jokaiselta asiakkaalta, tuotteelta ja tapahtumalta.

Ollakseen tehokas, on tutkittava loputtomia tekijöitä, kuten kuinka myyntitoimiin vaikuttavat ajan myötä muuttuvat hintapisteet, kausiluonteisuus, sää ja kilpailijoiden tarjoukset.

Hyvin muotoiltu koneoppimisohjelma voi vaikuttaa kaikkiin näihin muunnelmiin yhdistämällä ne lisätietoihin, kuten ostohistoriaan, tuotevalintoihin ja muuhun, jotta voidaan kehittää syviä oivalluksia ja hinnoittelua, joka on räätälöity tulojen ja voittojen maksimoimiseksi.

Asiakaspalaute

Aikaisemmin asiakaspalaute saatiin palautekorttien kautta, täytettiin ja sijoitettiin ehdotusruutuun. Tämä palaute piti lukea ja toimia sen perusteella.

As sosiaalinen media kasvoi, siitä tuli foorumi ilmaista palautetta julkisesti. Asianmukaisesti, vähittäiskauppiaat kääntyivät sosiaalisen median kaavintaohjelmistojen puoleen vastatakseen, ratkaisemaan ja ottamaan asiakkaat mukaan keskusteluun.

Koneoppimisella on tässä eteenpäin eteneminen. Koneoppimis- ja AI-järjestelmät mahdollistavat ensimmäistä kertaa joukkoanalyysin sotkuisen, jäsentämättömän tiedon lähteistä, kuten asiakas tallensi suullisia kommentteja tai videotietoja.

Varkauden väheneminen

Australialaiset jälleenmyyjät menettää arviolta 4.5 miljardin dollarin osakevakuudet vuosittain. Kasvu vuonna XNUMX itsepalvelurekisterit auttavat niihin tappioihin.

Koneoppimisjärjestelmillä on kyky skannaa vaivattomasti miljoonia kuvia, jonka avulla älykkäät, kameroilla varustetut myyntipistejärjestelmät (POS) voivat havaita hedelmä- ja vihannesalan tuotteiden eri lajikkeet rekisteröintiasteikkoon.

Ajan myötä järjestelmät paranevat myös paremmin kaikki kaupassa myytävät tuotteet, mukaan lukien tehtävä nimeltään hienorakeinen luokittelu, jotta se pystyy selvittämään eron Valencian ja napanoranssin välillä. Siksi perunoiden syöttämisessä ei olisi enää "virheitä", kun ostat persikoita.

Pidemmällä aikavälillä POS-järjestelmät saattavat kadota kokonaan, kuten Amazon Go -myymälä.

Tietokoneet, jotka tilaavat sinulle

Koneoppimisjärjestelmät ovat nopeasti paranee kääntämällä luonnollisen äänesi päivittäistavaraluetteloiksi.

{vembed Y=rgksCRiRlsI}

Digitaaliset avustajat, kuten Google Duplex voi pian luoda ostoslistoja ja tehdä tilauksia sinulle Ranskalainen vähittäiskauppias Carrefour ja Yhdysvaltain jättiläinen Walmart yhteistyökumppani jo Googlen kanssa.

Kehittyvä AI-vähittäiskaupan kokemus

Kun siirryt elämänvaiheiden läpi vanhetessasi, satunnaisesti pahoin, saatat mennä naimisiin, saada lapsia tai muuttaa uraa. Kun asiakkaan elämäolosuhteet ja kulutustottumukset muuttuvat, mallit mukautuvat automaattisesti, kuten he jo tekevät alueilla kuten petosten havaitseminen.

Nykyisen reagoiva Järjestelmään kuuluu odottaa asiakkaan aloittavan esimerkiksi vaippojen ostamisen, jotta asiakas voidaan sitten tunnistaa äskettäin perheen perustamisesta, ennen kuin se seuraa asianmukaisia ​​tuotesuosituksia.

Sen sijaan koneoppimisalgoritmit voivat malli käyttäytymistä, kuten folaatti-vitamiinien ja bioöljyjen ostot ennustaa milloin tarjoukset tulisi lähettää.

Tämä siirtyminen reaktiivisesta markkinoinnista ennakoivaan markkinointiin voi muuttaa ostoksesi tapaa, tuoden sinulle ehdotuksia, joita et ehkä edes harkitse, kaikki mahdollista, koska sekä kauppiaille että heidän asiakkailleen on tarjolla AI-mahdollisuuksia.

Tietoja kirjoittajista

Michael Milford, professori, Queenslandin teknillinen yliopisto ja markkinoinnin ja kansainvälisen liiketoiminnan apulaisprofessori Gary Mortimer, Queenslandin teknillinen yliopisto

Tämä artikkeli julkaistaan ​​uudelleen Conversation Creative Commons -lisenssin alla. Lue alkuperäinen artikkeli.