Wenn KI Ihr Einkaufserlebnis trifft, weiß es, was Sie kaufen - und was Sie kaufen sollten

Anonim

Egal, ob Sie online oder im Geschäft einkaufen, Ihre Einzelhandelserfahrung ist das neueste Schlachtfeld für die Revolution der künstlichen Intelligenz und des maschinellen Lernens.

Die großen australischen Einzelhändler haben erkannt, dass sie von ihrer KI-Strategie profitieren können, indem sie derzeit einen Leiter für KI und maschinelles Lernen rekrutieren, der von einem Team von Datenwissenschaftlern unterstützt wird.

Die neu entwickelte Woolworths-Division WooliesX zielt darauf ab, eine heterogene Gruppe von Teams zusammenzubringen, einschließlich Technologie, digitaler Kundendienste, E-Commerce, Finanzdienstleistungen und digitaler Kundenerfahrung.

Alles über das Knirschen der Daten

Um die Chancen und Risiken für alle großen Einzelhändler zu verstehen, ist es sinnvoll zu verstehen, warum künstliche Intelligenz wieder auf der Tagesordnung steht. Zwei entscheidende Dinge haben sich seit den ersten Vorstößen in die KI vor Jahrzehnten geändert: Daten und Rechenleistung.

Rechenleistung ist leicht zu sehen. Das Smartphone in der Hand hat millionenfach mehr Rechenleistung als die sperrigen Computer vor Jahrzehnten. Unternehmen haben Zugang zu nahezu unbegrenzter Rechenleistung, um ihre AI-Algorithmen zu trainieren.

Die andere wichtige Zutat ist der Umfang und die Fülle der verfügbaren Daten, insbesondere im Einzelhandel.

Künstliche Intelligenzsysteme - insbesondere Lerntechniken wie maschinelles Lernen - gedeihen auf großen, umfangreichen Datensätzen. Wenn diese Systeme angemessen mit diesen Daten versorgt werden, entdecken sie Trends, Muster und Korrelationen, die kein menschlicher Analytiker jemals manuell entdecken könnte.

Diese maschinellen Lernmethoden automatisieren die Datenanalyse und ermöglichen es den Benutzern, ein Modell zu erstellen, das dann nützliche Vorhersagen über andere ähnliche Daten treffen kann.

Warum ist der Einzelhandel für AI geeignet?

Die Schnelligkeit der KI-Bereitstellung in verschiedenen Bereichen hängt von einigen kritischen Faktoren ab: Einzelhandel ist aus mehreren Gründen besonders geeignet.

Die erste ist die Fähigkeit zu testen und zu messen. Mit entsprechenden Sicherheitsvorkehrungen können Einzelhandelsgiganten künstliche Intelligenz einsetzen und Verbraucherreaktionen testen und messen. Sie können auch den Effekt auf ihr Endergebnis ziemlich schnell direkt messen.

Das zweite sind die relativ kleinen Folgen eines Fehlers. Ein KI-Agent, der ein Passagierflugzeug landet, kann es sich nicht leisten, einen Fehler zu machen, weil er Menschen töten könnte. Ein KI-Agent, der im Einzelhandel eingesetzt wird und jeden Tag Millionen von Entscheidungen trifft, kann es sich leisten, Fehler zu machen, solange der Gesamteffekt positiv ist.

Einige intelligente Robotertechnologien finden bereits im Einzelhandel statt. Nuro.AI arbeitet mit dem Lebensmittelkonzern Kroger zusammen, um in den Vereinigten Staaten Lebensmittel an die Haustür zu liefern.

Viele der wichtigsten Änderungen werden jedoch eher durch den Einsatz von KI als durch physische Roboter oder autonome Fahrzeuge erreicht. Lassen Sie uns ein paar KI-basierte Szenarien durchgehen, die Ihr Einkaufserlebnis verändern werden.

Ihre Einkaufsgewohnheiten

AI kann grundlegende Muster in Ihrem Einkaufsverhalten anhand der Produkte, die Sie kaufen, und der Art und Weise, wie Sie sie kaufen, erkennen.

Das können regelmäßige Einkäufe von Reis aus dem Supermarkt sein, sporadische Einkäufe von Wein aus dem Spirituosengeschäft und Freitagabend auf Eis im örtlichen Supermarkt.

Während Inventory- und Sales-Database-Systeme einfach den Einkauf einzelner Produkte verfolgen, können maschinelle Lernsysteme mit genügend Daten Ihre regelmäßigen Gewohnheiten vorhersagen. Es weiß, dass Sie jeden Montagabend gerne Risotto kochen, aber auch Ihr komplexeres Verhalten wie die gelegentliche Eiscreme.

In einem größeren Maßstab würde eine Analyse des Verhaltens von Millionen von Verbrauchern es Supermärkten ermöglichen, vorherzusagen, wie viele australische Familien jede Woche Risotto kochen. Dies würde die Lagerverwaltungssysteme informieren und die Lagerbestände von Arborio-Reis automatisch optimieren, zum Beispiel für Geschäfte mit vielen Risotto-Konsumenten.

Diese Informationen würden dann an freundliche Lieferanten weitergegeben, was eine effizientere Bestandsverwaltung und eine schlanke Logistik ermöglicht.

Effizientes Marketing

Traditionelle Datenbanken für Kundenbindungsprogramme wie FlyBuys ermöglichen es den Supermärkten, Ihre Kaufhäufigkeit für ein bestimmtes Produkt zu ermitteln - wie zum Beispiel den Kauf von Arborio-Reis einmal pro Woche - und dann ein Angebot an eine Gruppe von Verbrauchern zu senden, die "Arborio-Reis kaufen". .

Neue Marketingtechniken werden über die Förderung von Verkäufen an Kunden hinausgehen, die ohnehin wahrscheinlich dieses Produkt kaufen werden. Stattdessen werden Empfehlungen für das maschinelle Lernen Knoblauchbrot, Tiramisu oder andere personalisierte Produktempfehlungen fördern, die von tausenden anderen Verbrauchern vorgeschlagen wurden.

Effizientes Marketing bedeutet weniger Diskontierung und mehr Profit.

Preisdynamik

Die Preisherausforderung für Supermärkte besteht darin, den richtigen Preis und die richtige Werbung auf das richtige Produkt anzuwenden.

Die Optimierung der Einzelhandelspreise ist ein komplexes Unterfangen, bei dem eine detaillierte Datenanalyse für jeden Kunden, jedes Produkt und jede Transaktion erforderlich ist.

Um effektiv zu sein, müssen endlose Faktoren untersucht werden, wie zum Beispiel, wie der Verkauf durch sich ändernde Preispunkte im Laufe der Zeit, der Saisonalität, des Wetters und der Werbeaktionen der Wettbewerber beeinflusst wird.

Ein ausgeklügeltes maschinelles Lernprogramm kann all diese Variationen berücksichtigen und sie mit zusätzlichen Details wie Kaufhistorie, Produktpräferenzen und mehr kombinieren, um tiefe Einblicke und Preise zu entwickeln, die maßgeschneidert sind, um Umsatz und Gewinn zu maximieren.

Kundenbewertung

In der Vergangenheit wurde das Kundenfeedback über Feedbackkarten erreicht, ausgefüllt und in einer Vorschlagsbox platziert. Dieses Feedback musste gelesen und umgesetzt werden.

Als die sozialen Medien zunahmen, wurde es zu einer Plattform, um Feedback öffentlich zu äußern. Dementsprechend wandten sich Einzelhändler an Social Media Scraping-Software, um Kunden in Gesprächen zu antworten, zu lösen und mit ihnen zu interagieren.

In Zukunft wird maschinelles Lernen eine Rolle spielen. Maschinelles Lernen und KI-Systeme ermöglichen erstmals die Massenanalyse mehrerer Quellen unordentlicher, unstrukturierter Daten, wie zum Beispiel von Kunden aufgezeichnete verbale Kommentare oder Videodaten.

Reduzierung des Diebstahls

Australische Einzelhändler verlieren geschätzte 4, 5 Milliarden Dollar jährlich an Lagerverlusten. Das Wachstum der Selbstbedienungsregister trägt zu diesen Verlusten bei.

Machine-Learning-Systeme sind in der Lage, mühelos Millionen von Bildern zu scannen. So können intelligente Point-of-Sale-Systeme (POS-Systeme) die verschiedenen Obst- und Gemüsesorten erkennen, die Käufer auf Registerskalen platzieren.

Im Laufe der Zeit werden Systeme auch besser in der Lage sein, alle in einem Geschäft verkauften Produkte zu erkennen, einschließlich einer Aufgabe, die als feinkörnige Klassifizierung bezeichnet wird und es ermöglicht, den Unterschied zwischen Valencia und Navel Orange zu erkennen. Daher würde es keine "Fehler" mehr geben, wenn man Kartoffeln kauft, wenn man tatsächlich Pfirsiche kauft.

Längerfristig können POS-Systeme komplett verschwinden, wie im Fall von Amazon Go.

Computer, die für Sie bestellen

Machine-Learning-Systeme werden immer besser darin, Ihre natürliche Stimme in Einkaufslisten zu übersetzen.

Digitale Assistenten wie Google Duplex können bald Einkaufslisten erstellen und Bestellungen für Sie tätigen. Der französische Einzelhändler Carrefour und der US-amerikanische Riese Walmart arbeiten bereits mit Google zusammen.

Eine sich entwickelnde AI-Einzelhandelserfahrung

Wenn Sie sich durch die Lebensphasen bewegen, werden Sie älter, gelegentlich unwohl, Sie heiraten vielleicht, haben Kinder oder wechseln Ihre Karriere. Wenn sich die Lebensumstände und Ausgabengewohnheiten eines Kunden ändern, passen sich die Modelle automatisch an, wie dies bereits in Bereichen wie der Betrugserkennung der Fall ist.

Das derzeitige reaktive System besteht darin, zu warten, bis ein Kunde zum Beispiel Windeln kauft, um dann festzustellen, dass der Kunde gerade eine Familie gegründet hat, bevor er mit entsprechenden Produktempfehlungen fortfährt.

Stattdessen können maschinelle Lernalgorithmen Verhalten modellieren, beispielsweise den Kauf von Folat-Vitaminen und Bioölen, und dann vorhersagen, wann Angebote verschickt werden sollten.

Dieser Wechsel von reaktivem zu prädiktivem Marketing könnte die Art und Weise, wie Sie einkaufen, verändern und Ihnen Anregungen geben, die Sie vielleicht nie in Erwägung gezogen haben, weil KI-bezogene Möglichkeiten sowohl für Einzelhändler als auch für deren Kunden möglich sind.

menu
menu