Quand l'IA rencontre votre expérience d'achat, elle sait ce que vous achetez - et ce que vous devez acheter

Quand l'IA rencontre votre expérience d'achat, elle sait ce que vous achetez - et ce que vous devez acheter Réagir à ce que vous achetez, puis prédire ce que vous voulez acheter. Shutterstock / nmedia

Que vous fassiez vos achats en ligne ou en magasin, votre expérience de vente au détail est le dernier champ de bataille pour la révolution de l'intelligence artificielle (IA) et de l'apprentissage automatique.

Les grands détaillants australiens ont commencé à se rendre compte qu'ils avaient beaucoup à gagner à adapter leur stratégie d'intelligence artificielle, l'un recrutant actuellement pour un Responsable AI et Machine Learning soutenu par un équipe de scientifiques des données.

La nouvelle division Woolworths WooliesX vise à rassembler un groupe diversifié d'équipes, y compris la technologie, l'expérience numérique client, le commerce électronique, les services financiers et l'expérience client numérique.

Tout sur le crunching des données

Pour comprendre les opportunités et les menaces pour tous les grands détaillants, il est utile de comprendre pourquoi l'intelligence artificielle est de retour à l'ordre du jour. Deux choses cruciales ont changé depuis les premières incursions dans l'IA il y a des décennies: les données et la puissance de calcul.

La puissance de calcul est facile à voir. Le smartphone dans votre main a des millions de fois plus de puissance de calcul que les ordinateurs encombrants d'il y a des décennies. Les entreprises ont accès à une puissance de calcul presque illimitée pour former leurs algorithmes d'IA.

L'autre ingrédient essentiel est l'échelle et la richesse des données disponibles, en particulier dans le commerce de détail.

Les systèmes d'intelligence artificielle - en particulier les techniques d'apprentissage telles que l'apprentissage automatique - prospèrent sur de grands ensembles de données riches. Quand nourris de manière appropriée avec ces données, ces systèmes découvrent des tendances, des modèles et des corrélations qu'aucun analyste humain ne pourrait jamais espérer découvrir manuellement.


Obtenez les dernières nouvelles d'InnerSelf


Ces approches d'apprentissage automatique automatisent l'analyse des données, permettant aux utilisateurs de créer un modèle qui peut ensuite faire des prédictions utiles sur d'autres données similaires.

Pourquoi la vente au détail convient à l'IA

La rapidité du déploiement de l'IA dans différents domaines dépend de quelques facteurs critiques: le commerce de détail est particulièrement adapté pour plusieurs raisons.

Le premier est la capacité de tester et de mesurer. Avec des protections appropriées, les géants de la vente au détail peuvent déployer l'IA et tester et mesurer la réponse des consommateurs. Ils peuvent également mesurer directement l'effet sur leur résultat net assez rapidement.

Le second est les conséquences relativement faibles d'une erreur. Un agent de l'IA qui fait atterrir un avion de passagers ne peut pas se permettre de faire une erreur car cela pourrait tuer des gens. Un agent IA déployé dans le commerce de détail qui prend des millions de décisions chaque jour peut se permettre de prendre certains erreurs, tant que l'effet global est positif.

Une technologie de robot intelligent est déjà en cours dans le commerce de détail avec Nuro.AI s'associe au géant de l'épicerie Kroger pour livrer des produits d'épicerie aux portes des clients aux États-Unis.

Mais bon nombre des changements les plus importants proviendront du déploiement de l'IA plutôt que des robots physiques ou des véhicules autonomes. Passons en revue quelques scénarios basés sur l'IA qui transformeront votre expérience de vente au détail.

Vos habitudes d'achat

L'IA peut détecter les modèles sous-jacents dans votre comportement d'achat à partir des produits que vous achetez et de la manière dont vous les achetez.

Cela pourrait être vos achats réguliers de riz au supermarché, les achats sporadiques de vin au magasin d'alcools et les fringales du vendredi soir sur la crème glacée au dépanneur local.

Alors que les systèmes de base de données d'inventaire et de vente suivent simplement les achats de produits individuels, avec suffisamment de données, les systèmes d'apprentissage automatique peuvent prévoir vos habitudes habituelles. Il sait que vous aimez cuisiner le risotto tous les lundis soirs, mais aussi votre comportement plus complexe comme la frénésie de glace occasionnelle.

À plus grande échelle, l'analyse du comportement de millions de consommateurs permettrait aux supermarchés de prédire combien de familles australiennes cuisinent le risotto chaque semaine. Cela informerait les systèmes de gestion des stocks, optimisation automatique des stocks de riz Arborio, par exemple, pour les magasins avec beaucoup de consommateurs de risotto.

Cette information serait alors partagé avec des fournisseurs sympathiques, permettant une gestion des stocks plus efficace et une logistique allégée.

Marketing efficace

Les bases de données traditionnelles des programmes de fidélité comme FlyBuys ont permis aux supermarchés d'identifier votre fréquence d'achat d'un produit particulier - tel que vous achetez du riz Arborio une fois par semaine - puis envoyez une offre à un groupe de consommateurs identifiés comme «sur le point d'acheter du riz Arborio».

Les nouvelles techniques de marketing iront au-delà de la promotion des ventes auprès de clients qui sont déjà susceptibles d'acheter ce produit de toute façon. Au lieu, recommandateurs d'apprentissage automatique fera la promotion du pain à l'ail, du tiramisu ou d'autres recommandations de produits personnalisées que les données de milliers d'autres consommateurs ont souvent suggérées.

Un marketing efficace signifie moins de rabais et plus de profit.

Dynamique de prix

Le défi des prix pour les supermarchés implique appliquer le bon prix et la bonne promotion au bon produit.

Optimisation des prix de détail est une entreprise complexe, nécessitant une analyse des données à un niveau granulaire pour chaque client, produit et transaction.

Pour être efficaces, des facteurs sans fin doivent être examinés, comme la façon dont les ventes sont affectées par les changements de prix au fil du temps, la saisonnalité, la météo et les promotions des concurrents.

Un programme d'apprentissage automatique bien conçu peut prendre en compte toutes ces variations, en les combinant avec des détails supplémentaires tels que les historiques d'achat, les préférences de produits et plus pour développer des informations approfondies et des prix adaptés pour maximiser les revenus et les bénéfices.

Commentaires des clients

Historiquement, les commentaires des clients étaient obtenus via des fiches de commentaires, remplis et placés dans une boîte à suggestions. Cette rétroaction devait être lue et mise en œuvre.

As les réseaux sociaux ont augmenté, il est devenu une plate-forme pour exprimer publiquement des commentaires. En conséquence, les détaillants se sont tournés vers les logiciels de grattage des médias sociaux afin de répondre, de résoudre et d'engager les clients dans la conversation.

À l'avenir, l'apprentissage automatique jouera un rôle dans ce contexte. L'apprentissage automatique et les systèmes d'IA permettront pour la première fois une analyse en masse de plusieurs sources de données désordonnées et non structurées, telles que le client a enregistré des commentaires verbaux ou des données vidéo.

Réduction du vol

Détaillants australiens perdre environ 4.5 milliards de dollars annuellement en pertes de stocks. La croissance de les registres libre-service contribuent à ces pertes.

Les systèmes d'apprentissage automatique ont la capacité de numérisez sans effort des millions d'images, permettant à des systèmes de point de vente (POS) intelligents et équipés de caméras de détecter les différentes variétés de consommateurs de fruits et légumes placés sur des échelles de registre.

Au fil du temps, les systèmes seront également mieux à même de détecter tous les produits vendus dans un magasin, y compris une tâche appelée classification à grains fins, lui permettant de faire la différence entre une orange Valence et une orange Navel. Par conséquent, il n'y aurait plus d'erreurs dans la saisie des pommes de terre lorsque vous achetez des pêches.

À plus long terme, les systèmes POS peuvent disparaître complètement, comme dans le Boutique Amazon Go.

Des ordinateurs qui commandent pour vous

Les systèmes d'apprentissage automatique sont s'améliore rapidement à traduire votre voix naturelle en listes d'épicerie.

Assistants numériques tels que Google Duplex peut bientôt créer des listes de courses et passer des commandes pour vous, avec Détaillant français Carrefour et Le géant américain Walmart déjà en partenariat avec Google.

Une expérience de vente au détail d'IA en évolution

Au fur et à mesure que vous traversez les étapes de la vie, vous vieillissez, vous vous sentez parfois mal, vous pouvez vous marier, avoir des enfants ou changer de carrière. À mesure que les circonstances de la vie et les habitudes de dépense d'un client changent, les modèles s'ajustent automatiquement, comme ils le font déjà dans les régions comme la détection de fraude.

Le courant réactif Le système implique d'attendre qu'un client commence à acheter des couches, par exemple, pour ensuite identifier ce client comme venant de fonder une famille, avant de suivre les recommandations de produits appropriées.

Au lieu de cela, les algorithmes d'apprentissage automatique peuvent comportement du modèle, comme les achats de vitamines folates et d'huiles bio, puis prévoir quand les offres doivent être envoyées.

Ce passage du marketing réactif au marketing prédictif pourrait changer la façon dont vous magasinez, vous apportant des suggestions que vous n'avez peut-être même jamais envisagées, toutes possibles en raison des opportunités liées à l'IA pour les détaillants et leurs clients.La Conversation

À propos des auteurs

Michael Milford, professeur, Queensland University of Technology et Gary Mortimer, professeur agrégé de marketing et de commerce international, Queensland University of Technology

Cet article est republié de La Conversation sous une licence Creative Commons. Lis le article original.

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

suivez InnerSelf sur

facebook-icontwitter-iconrss-icon

Recevez le dernier par courriel

{Emailcloak = off}

DES ÉDITEURS

InnerSelf Newsletter: Septembre 6, 2020
by Personnel InnerSelf
Nous voyons la vie à travers les lentilles de notre perception. Stephen R. Covey a écrit: «Nous voyons le monde, non pas tel qu’il est, mais tel que nous sommes - ou tel que nous sommes conditionnés à le voir.» Alors cette semaine, nous jetons un coup d'œil à certains…
Bulletin d’InnerSelf: Août 30, 2020
by Personnel InnerSelf
Les routes que nous parcourons ces jours-ci sont aussi vieilles que le temps, mais sont nouvelles pour nous. Les expériences que nous vivons sont aussi anciennes que le temps, mais elles sont aussi nouvelles pour nous. Il en va de même pour le…
Quand la vérité est si terrible que ça fait mal, agissez
by Marie T. Russell, InnerSelf.com
Au milieu de toutes les horreurs qui se déroulent ces jours-ci, je suis inspiré par les rayons d'espoir qui brillent à travers. Des gens ordinaires qui défendent ce qui est juste (et contre ce qui ne va pas). Joueurs de baseball,…
Quand ton dos est contre le mur
by Marie T. Russell, InnerSelf
J'adore l'Internet. Maintenant, je sais que beaucoup de gens ont beaucoup de mauvaises choses à dire à ce sujet, mais j'adore ça. Tout comme j'aime les gens de ma vie - ils ne sont pas parfaits, mais je les aime quand même.
Bulletin d’InnerSelf: Août 23, 2020
by Personnel InnerSelf
Tout le monde peut probablement convenir que nous vivons des temps étranges ... de nouvelles expériences, de nouvelles attitudes, de nouveaux défis. Mais nous pouvons être encouragés à nous souvenir que tout est toujours en mouvement,…