Искусственный интеллект в розничной торговле

Искусственный интеллект в розничной торговле

Искусственный интеллект в розничной торговле используется по полной программе, начиная со сборки и транспортировки товара и заканчивая связью с покупателями после приобретения. Однако представители этой сферы нуждаются в ответах на важные вопросы.

  • Какие приложения искусственного интеллекта сыграют роль в автоматизации и продвижении розничного процесса?
  • Какие инновации ожидают эту сферу, и что можно использовать прямо сейчас для того, чтобы обойти своих конкурентов?

В этом материале мы собираемся рассмотреть 10 отличных примеров того, как искусственный интеллект внедряется в розничную торговлю. Все юзкейсы мы разобьем на следующие категории:

  • продажи и CRM-системы;
  • рекомендации клиентов;
  • производство;
  • логистика и доставка;
  • платежи и платежные услуги.

Инновации могут быть как хорошими и вести к увеличению продаж, так и плохими, демонстрируя слабые стороны технологии, которые нужно побороть. Иначе такие инновации не смогут стать двигателями сферы розничных продаж. Всё то, что мы привели ниже показывает, как технология искусственного интеллекта применяется сегодня, и какие технологии могут стать будущим электронной коммерции.

Продажи и CRM-системы

Итак, начнем с самого важного для розничной торговли – продаж и CRM-систем.

Pepper Robot

© SoftBank
© SoftBank

9 лет назад телекоммуникационная компания SoftBank из Японии вместе с французской компанией-производителем робототехники Aldebaran создали проект Pepper. Итоговый продукт представляет из себя человекоподобного робота, который способен на взаимодействие с клиентами и понимание человеческих эмоций. Pepper уже обрел популярность в Японии, где он взаимодействует с клиентами в качестве консультанта. На момент написания статьи этот робот присутствует в 140 торговых точках SoftBank. По данным Softbanks Robotics America – пилотный запуск этого робота в калифорнийских магазинах b88ta в Пало-Алто и Санта-Монике стал причиной 70% увеличения посетителей в Пало-Алто. Более того, были повышены продажи Neo-pen в Санта-Монике, что также связывают с Pepper.

Искусственный интеллект был также использован в магазине одежды Ave, где компания получила 98% улучшение качества взаимодействия с клиентами, 20% рост количества посетителей и 300% рост выручки. В январе 2016 года компания Nestle рассказала о том, что собирается приобрести роботов Pepper для того, чтобы разметить их в 1000 точках бренда NESCAFE на территории Японии.

Роботы-консультанты в магазинах способствуют росту заинтересованности. Но не возникнет ли у людей привыкание к технологическим новшествам? Это покажет время.

Conversica

© Conversica
© Conversica

Программное обеспечение Conversica представляет из себя ассистента по продажам. Нужен такой ассистент для автоматизации и улучшения процесса продаж. Компании, которые занимаются продажами и управлением, утверждают, что в результате отправки правильных предложений уровень вовлеченности составил 35%.

Вот, например, юзкейс от Star2Star Communications, которая создала своего торгового представителя, работающего на базе Conversica. Представитель получил имя Рэйчел. Запущен был он в 2016 году и стал причиной того, что на рассылку компании откликнулись 30% потенциальных клиентов всего за несколько часов. Также ассистент по продажам может использоваться для перекрестных продаж или повторного привлечения существующих клиентов. Компания Boch Automotive, расположенная в штате Новая Англия, применила разработку Conversica, которая увеличила средний показатель продаж в дилерском центре Toyota в 60 раз. И это за месяц.

Рекомендации клиентов

Когнитивные вычисления IBM Watson

© WRAL TechWIre
© WRAL TechWIre

Не секрет, что IBM Watson предоставляет кучу возможностей интернет-магазинам для взаимодействия с клиентами и управления заказами. В 2016 году 1-800-Flowers.com запустил GWYN.

Суть проста: покупатель предоставляет данные о получателе подарка, после чего программа изучает прошлые приобретения для схожих по описанию людей и выдает рекомендации. Сам GWYN пытается создать впечатление общения с реальным консультантом посредством подробного разговора с пользователям. В результате, всего лишь за два месяца 70% онлайн-заказов в 1-800-Flowers было обработано искусственным интеллектом GWYN.

Бренд North Face также внедрил технологию от IBM для того, чтобы помочь клиентам определить, какая одежда будет для них лучше. Система отталкивалась от данных о клиенте, среди которых – геолокация, пол, время года, род деятельности и т.д. К примеру, если человек путешествует по Исландии в октябре, то система подберет ему один набор одежды, если едет на работу в Торонто в январе, то комплект будет отличаться.

Исходя из опубликованной статистики было достигнуто 60% кликабельности и 75% общей конверсии продаж. Однако мы не можем сказать, являются ли эти результаты нормальными для компании, а также не можем определить, стабильны ли они, или такой ажиотаж был вызван новизной программы.

Northface XPS

© Mainet Sport Outfitters
© Mainet Sport Outfitters

Выше мы рассказали о разговорном интерфейсе North Face, который задает пользователям вопросы, связанные с приобретаемым товаром. Можно с полной уверенностью говорить о том, что подобные системы могут быть построены при помощи простых систем IFTTT. Поэтому машинное обучение здесь не нужно.

Преимущество применения машинного обучения в том, что North Face сможет пропускать огромный поток клиентов через эту программу. При достижении определенного объема заданных критериев искусственный интеллект может немного «подвиснуть», делая выводы и создавая предложение из заданных критериев.

Производство

Бережливое производство

© Malta
© Malta

Программное обеспечение для заводов General Electric должно сделать весь производственный процесс более эффективным, а также позволит экономить ресурсы. Программное обеспечение обладает целым набором инструментов, включающим в себя оперативную аналитику, которая подходит для многих типов производств.

WIP Manager – программное обеспечение, которое позволяет наблюдать за происходящем в цехах и предприятиях в целом. Оператор, который сидит за компьютером может в режиме реального времени обнаруживать проблемы и устранять их.

Toray Pastics – компания, которая использует софтверный продукт GE Plant Applications, который дает возможность руководству собирать данные на протяжении всего производственного процесса. Это позволит уменьшить количество дефектов и увеличить производительность.

Gakushu – программа для обучения

© Fanuc
© Fanuc

Программное обеспечение Gakushu от Fanuc предназначено для обучения и устанавливается в роботов для того, чтобы ускорить вычисления по определенной задаче. В 2016 году Fanuc сотрудничала с Nvidia для того, чтобы ускорить глубокое обучение роботов при помощи графических процессоров этой компании. Роботы Gakushu изучают процесс изготовления и собирают данные, применяемые для обучения.

Роботы способны приспосабливаться к условиям окружающей среды в реальном времени и изменять процесс производства, исходя из данных Fanuc. Процесс обучения робота при помощи программ Fanuc длится примерно 18 циклов. После этого датчик удаляется, и обученные роботы выполняют задачи самостоятельно.

Обучаемых роботов контролируют при помощи акселерометра, чтобы научить движениям и обеспечить их повышенную стабильность. Команда Tesla приобрела 600 роботов Fanuc для своего завода во Фримонте. И исходя из данных Bloomberg Businessweek, эта компания сделала ещё больший заказ в сентябре 2016 года, чтобы ускорить производство Tesla Model 3.

Логистика и доставка

Роботы от Domino (DRU)

© WTVOX
© WTVOX

Прототип этой разработки может поддерживать пищу и напитки в нужной температуре. Датчики DRU помогают ориентироваться и определять лучший путь для доставки. В этой разработке используются робототехнические технологии, которые ранее применялись в военных целях. В марте 2016 года DRU появились в Австралии, Новой Зеландии, Бельгии, Франции, Нидерландах, Японии и Германии. Однако компания не раскрывает дату, когда эта разработка сможет быть массово внедрена на коммерческой основе. Возможно, что в ближайшие 10 лет подобные технологии будут развиваться стремительными темпами.

Дроны Amazon

© Retail.ru
© Retail.ru

В июле 2016 года Amazon рассказала о том, что собирается сотрудничать с властями Великобритании для того, чтобы осуществлять доставку небольших посылок посредством дронов. Компания сотрудничает с авиакомпаниями по всему миру. Amazon Prime Air является системой доставки будущего, в котором пакеты до 2.27 кг будут доставляться в течение 30 минут.

Первый 13-минутный беспилотный полет устройства от Amazon состоялся в декабре 2016 года. В настоящее время Amazon занимается разработкой и улучшением безопасности и надежности этих устройств. Amazon отмечает, что они работают с регуляторами из разных стран, и пока массовое коммерческое использование «дронов-курьеров» не намечается. В компании Domino уверены, что автономная доставка товаров станет массовым явлением в течение 10 лет.

Платежи и платежные услуги

Amazon Go

© WTVOX
© WTVOX

Это магазины без кассиров. Покупатель просто регистрируется, берет товар, датчики в корзине узнают, что взял покупатель и снимают деньги сразу после выхода из магазина.

Однако массовый запуск был заторможен из-за обилия глюков и недоработок проекта.

PayPal

© PYMNTS
© PYMNTS

Начиная с 2013 года в PayPal используются алгоритмы, которые позволяют выявить мошенническую деятельность. За последние несколько лет было изучено множество шаблонных действий мошенников, которые моментально пресекаются платежной системой. Более того, она научилась отличать честную деятельность от мошеннической.

Исследователи из LexisNexis выяснили, что используемое PayPal глубокое обучение позволило обезопасить транзакции настолько, что риск мошенничества равен 0.32%. А это на 1% меньше среднего показателя.

Мошенничество

© Портал Северного Кавказа
© Портал Северного Кавказа

Безопасность транзакций – огромная область, которая нуждается в искусственном интеллекте. И сейчас существует множество компаний, которые пытаются побороть мошенничество. Например, Sift Science, которая применяет машинное обучение для выявления мошенничества с аккаунтами и платежами. Рост таких технологий, несомненно, продолжится благодаря тому, что электронная коммерция продолжает набирать обороты.

Заключение

Многие считают, что технологии искусственного интеллекта слишком медленно внедряются в розничную торговлю. Мы считаем, что «бум» искусственного интеллекта в торговле произойдет через 5 лет, когда большинство компаний создадут важные для бизнеса приложения, которые изменят представление о работе с клиентами и ведении бизнеса в целом. Наибольшее признание, вероятнее всего, получат технологии, меняющие взаимодействие с покупателями. Но «моду» на искусственный интеллект в розничной торговле будут диктовать крупные компании, которые найдут лучшие способы применения этих революционных идей.

Этот материал, а также другие статьи и обзоры по искусственному интеллекту и смежным технологиям можно прочитать на моем канале «Другая фаза» в Яндекс.Дзен.