• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  • Quando l'intelligenza artificiale incontra la tua esperienza di acquisto, sa cosa acquisti e cosa dovresti comprare

    Reagendo a ciò che compri, quindi prevedere cosa si vuole acquistare. Credito:Shutterstock/nmedia

    Che tu faccia la spesa online o in negozio, la tua esperienza di vendita al dettaglio è l'ultimo campo di battaglia per l'intelligenza artificiale (AI) e la rivoluzione del machine learning.

    I principali rivenditori australiani hanno iniziato a rendersi conto che hanno molto da guadagnare dalla corretta strategia di intelligenza artificiale, con uno attualmente in reclutamento per un responsabile dell'intelligenza artificiale e dell'apprendimento automatico supportato da un team di scienziati dei dati.

    La nuova divisione Woolworths WooliesX mira a riunire un gruppo eterogeneo di team, compresa la tecnologia, esperienza digitale del cliente, commercio elettronico, servizi finanziari ed esperienza digitale del cliente.

    Tutto su come macinare i dati

    Per comprendere le opportunità e le minacce per tutti i principali rivenditori, è utile capire perché l'intelligenza artificiale è tornata all'ordine del giorno. Due cose cruciali sono cambiate dalle prime incursioni nell'IA decenni fa:dati e potenza di calcolo.

    La potenza di calcolo è facile da vedere. Lo smartphone che hai in mano ha una potenza di calcolo milioni di volte maggiore rispetto ai computer ingombranti di decenni fa. Le aziende hanno accesso a una potenza di calcolo quasi illimitata con cui addestrare i propri algoritmi di intelligenza artificiale.

    L'altro ingrediente critico è la scala e la ricchezza dei dati disponibili, soprattutto nella vendita al dettaglio.

    I sistemi di intelligenza artificiale, in particolare le tecniche di apprendimento come l'apprendimento automatico, prosperano su grandi, ricchi set di dati. Se alimentato in modo appropriato con questi dati, questi sistemi scoprono tendenze, modelli, e correlazioni che nessun analista umano potrebbe mai sperare di scoprire manualmente.

    Questi approcci di machine learning automatizzano l'analisi dei dati, consentendo agli utenti di creare un modello che può quindi fare previsioni utili su altri dati simili.

    Perché il retail è adatto all'IA

    La rapidità di implementazione dell'IA in diversi campi dipende da alcuni fattori critici:il retail è particolarmente adatto per alcuni motivi.

    Il primo è la capacità di testare e misurare. Con adeguate garanzie, i giganti della vendita al dettaglio possono implementare l'intelligenza artificiale e testare e misurare la risposta dei consumatori. Possono anche misurare direttamente l'effetto sulla loro linea di fondo abbastanza rapidamente.

    Il secondo sono le conseguenze relativamente piccole di un errore. Un agente di intelligenza artificiale che atterra su un aereo passeggeri non può permettersi di commettere un errore perché potrebbe uccidere le persone. Un agente di intelligenza artificiale distribuito nella vendita al dettaglio che prende milioni di decisioni ogni giorno può permettersi di prendere alcuni errori, purché l'effetto complessivo sia positivo.

    Alcuni robot intelligenti stanno già accadendo nella vendita al dettaglio con Nuro.AI che collabora con il colosso alimentare Kroger per consegnare generi alimentari alle porte dei clienti negli Stati Uniti.

    Ma molti dei cambiamenti più significativi verranno dall'implementazione dell'IA piuttosto che dai robot fisici o dai veicoli autonomi. Esaminiamo alcuni scenari basati sull'intelligenza artificiale che trasformeranno la tua esperienza di vendita al dettaglio.

    Le tue abitudini di acquisto

    L'intelligenza artificiale può rilevare i modelli sottostanti nel tuo comportamento di acquisto dai prodotti che acquisti e dal modo in cui li acquisti.

    Potrebbero essere i tuoi acquisti regolari di riso al supermercato, acquisti sporadici di vino dal negozio di liquori, e il venerdì sera si abbuffa di gelato al minimarket locale.

    Considerando che i sistemi di database di inventario e vendite semplicemente tengono traccia degli acquisti di singoli prodotti, con dati sufficienti, i sistemi di apprendimento automatico possono prevedere le tue abitudini normali. Sa che ti piace cucinare il risotto ogni lunedì sera, ma anche il tuo comportamento più complesso come l'occasionale abbuffata di gelato.

    Su scala più ampia, l'analisi del comportamento di milioni di consumatori consentirebbe ai supermercati di prevedere quante famiglie australiane cucinano il risotto ogni settimana. Ciò informerebbe i sistemi di gestione dell'inventario, ottimizzando automaticamente le scorte di riso Arborio, Per esempio, per i negozi con molti consumatori di risotti.

    Queste informazioni sarebbero poi condivise con fornitori amichevoli, consentendo una gestione dell'inventario più efficiente e una logistica snella.

    Marketing efficiente

    I tradizionali database dei programmi fedeltà come FlyBuys hanno consentito ai supermercati di identificare la frequenza di acquisto di un particolare prodotto, ad esempio l'acquisto di riso Arborio una volta alla settimana, e quindi di inviare un'offerta a un gruppo di consumatori identificati come "in procinto di acquistare riso Arborio" .

    Le nuove tecniche di marketing andranno oltre la promozione delle vendite ai clienti che sono già propensi ad acquistare comunque quel prodotto. Anziché, i consiglieri di machine learning promuoveranno il pane all'aglio, tiramisù o altri consigli di prodotti personalizzati che i dati di migliaia di altri consumatori hanno suggerito spesso vanno insieme.

    Marketing efficiente significa meno sconti, e più profitto.

    Dinamica dei prezzi

    La sfida dei prezzi per i supermercati consiste nell'applicare il prezzo giusto e la promozione giusta al prodotto giusto.

    L'ottimizzazione dei prezzi al dettaglio è un'impresa complessa, che richiedono analisi dei dati a livello granulare per ogni cliente, prodotto e transazione.

    Per essere efficace, infiniti fattori devono essere esaminati, come il modo in cui le vendite sono influenzate dalla variazione dei prezzi nel tempo, stagionalità, meteo e promozioni dei concorrenti.

    Un programma di apprendimento automatico ben realizzato può tenere conto di tutte queste variazioni, combinandoli con dettagli aggiuntivi come la cronologia degli acquisti, preferenze sui prodotti e altro ancora per sviluppare approfondimenti e prezzi personalizzati per massimizzare entrate e profitti.

    Opinione del cliente

    Storicamente, il feedback dei clienti è stato ottenuto tramite schede di feedback, compilato e inserito in una casella dei suggerimenti. Questo feedback doveva essere letto e seguito.

    Con l'aumento dei social media, è diventata una piattaforma per esprimere feedback pubblicamente. Di conseguenza, i rivenditori si sono rivolti al software di scraping dei social media per rispondere, risolvere e coinvolgere i clienti nella conversazione.

    Andando avanti, l'apprendimento automatico svolgerà un ruolo in questo contesto. I sistemi di apprendimento automatico e intelligenza artificiale consentiranno per la prima volta l'analisi di massa di più fonti di disordine, dati non strutturati, come commenti verbali registrati dal cliente o dati video.

    Riduzione dei furti

    I rivenditori australiani perdono annualmente circa 4,5 miliardi di dollari australiani in perdite di scorte. La crescita dei registri self-service sta contribuendo a tali perdite.

    I sistemi di apprendimento automatico hanno la capacità di scansionare senza sforzo milioni di immagini, abilitando intelligente, sistemi di punti vendita (POS) dotati di telecamera per rilevare le diverse varietà di frutta e verdura che gli acquirenti collocano sulle bilance del registro.

    Col tempo, i sistemi miglioreranno anche nel rilevare tutti i prodotti venduti in un negozio, compreso un compito chiamato classificazione a grana fine, permettendogli di distinguere tra un'arancia Valencia e una Navel. Quindi non ci sarebbero più "errori" nell'inserire le patate quando si acquistano effettivamente le pesche.

    A lungo termine, I sistemi POS potrebbero scomparire completamente, come nel caso del negozio Amazon Go.

    Computer che ordinano per te

    I sistemi di apprendimento automatico stanno rapidamente migliorando nel tradurre la tua voce naturale in liste della spesa.

    Gli assistenti digitali come Google Duplex potrebbero presto creare liste della spesa ed effettuare ordini per te, con il rivenditore francese Carrefour e il colosso statunitense Walmart che già collaborano con Google.

    Un'esperienza di vendita al dettaglio basata sull'intelligenza artificiale in continua evoluzione

    Mentre attraversi le fasi della vita, invecchi, ogni tanto si ammalano, potresti sposarti, forse avere figli, o cambiare lavoro. Poiché le circostanze della vita e le abitudini di spesa di un cliente cambiano, i modelli si adatteranno automaticamente, come già fanno in aree come il rilevamento delle frodi.

    Il corrente reattivo sistema prevede l'attesa che un cliente inizi ad acquistare i pannolini, Per esempio, per poi identificare quel cliente come se avesse appena messo su famiglia, prima di dare seguito a consigli sui prodotti appropriati.

    Anziché, gli algoritmi di apprendimento automatico possono modellare il comportamento, come gli acquisti di vitamine folate e oli bio, poi prevedere quando devono essere inviate le offerte.

    Questo passaggio dal marketing reattivo a quello predittivo potrebbe cambiare il modo in cui fai acquisti, portandoti suggerimenti che forse non hai mai nemmeno preso in considerazione, tutto possibile grazie alle opportunità legate all'intelligenza artificiale sia per i rivenditori che per i loro clienti.

    Questo articolo è stato originariamente pubblicato su The Conversation. Leggi l'articolo originale.




    © Scienza https://it.scienceaq.com