Искусственный интеллект увеличил продажи ритейлеров на eBay


Содержание материала:

Искусственный интеллект позволил eBay нарастить продажи на 11%

Искусственный интеллект позволил eBay нарастить продажи на 11%

Преодоление языкового барьера с помощью искусственного интеллекта увеличило продажи eBay на 10,9%, сообщает The Verge со ссылкой на исследование экономистов Массачусетского технологического института и Университета Вашингтона в Сент-Луисе. Эксперты анализировали торговлю США и Латинской Америки.

eBay начал использовать технологию в 2014 году. ИИ переводит названия товаров и запросов на русский, испанский и французский языки. Аннотации к продуктам остаются на языке оригинала. eBay и раньше предлагал автоматический перевод, но ИИ значительно улучшило точность сервиса, отмечает издание.

Авторы исследования считают, что на рост продаж могли повлиять и другие факторы. Чтобы исключить их, эксперты сравнили полученные результаты с объемом торговли между США и странами, языки которых не включены в инструменты перевода eBay. Также ученые учитывали расходы компании на маркетинг.

Для подтверждения своей теории, ученые провели аналогичное исследование для русского, итальянского и французского языков. После того, как eBay добавила для них машинный перевод, объем торговли со странами, говорящими на этих языках, также вырос.

«Эти сравнения позволяют предположить, что препятствующий торговле эффект языковых барьеров имеет первостепенное значение, — говорится в исследовании. — Усовершенствованный машинный перевод сделал мир eBay значительно более связанным».

Routes to finance

7 лёгких способов как поднять продажи на ебей ebay. (none 2020).

Продавцы eBay постоянно устраивают свой бизнес и спрашивают себя, как они могут улучшить продажи. Продажа на eBay — это больше, чем просто щелчок нескольких фотографий и составление краткого описания. Многие детали связаны с улучшением SEO (поисковая оптимизация), написанием дружественных и приемлемых политик клиентов и пониманием интернет-розничной торговли. Ежедневно перечисляя миллионы предметов, продавцы предпринимают дополнительные шаги, чтобы превзойти конкуренцию.

Вот несколько способов тонкой настройки ваших списков и учетной записи eBay, чтобы помочь подняться на вершину поиска, чтобы покупатели могли найти ваши товары, а затем закрыть продажу, как только покупатели найдут ваши товары ,

Улучшение SEO на eBay

SEO означает поисковую оптимизацию, а поисковая система eBay, Cassini, имеет определенный алгоритм. Некоторые аспекты листинга выше в поиске, в то время как другие листы списывают. Например, eBay вознаграждает 30-дневную политику возврата, помещая эти списки выше в поиске, потому что eBay считает этот критерий удобным для клиента и хорошим сервисом. Все, что меньше 30 дней или нет политики возврата вообще, и листинг подталкивается в поиске. Еще один стандарт SEO — 200 слов в области описания. В политике eBay указано следующее:

«Описание листинга: Включить в описание списка как минимум 200 слов видимой копии с наиболее важными ключевыми фразами, упомянутыми в начале и в конце. Не забудьте использовать другие рекомендации, например, частое использование ключевых слов, где это необходимо, и форматирование (например, выделение жирным шрифтом, использование размера шрифта для важных заголовков и ключевых слов).

Ознакомьтесь с политикой SEO eBay.

Оптимизация для мобильных устройств

eBay оценивает 50 процентов всех продаж на мобильных устройствах. Их точная формулировка заключается в том, что «50% всех транзакций eBay затронуты мобильными». Это включает мобильные телефоны, iPad и планшеты.

Мобильные устройства отображают информацию, отличную от настольного или портативного компьютера.

Один из самых простых способов увеличить продажи eBay на мобильных устройствах — это оптимизация фотографий. Обрезайте фотографии плотно, чтобы продукт занимал большую часть пространства, от края до края, на фотографии. При перечислении лотов выберите наилучшую фотографию одного предмета в партии как фото галереи. Покупатели могут испытывать трудности с просмотром фотографии 30 предметов детской одежды. Возьмите внимание покупателя с чистой, незагроможденной фотографией для галереи, а затем включите в нее больше фотографий. eBay предлагает 12 бесплатных фотографий, поэтому нет причин не использовать все 12 при листинге лотов.

eBay предоставил инструмент для проверки доступности мобильных телефонов. Он специально проверяет код, который делает загрузку данных медленно, или приводит к неправильному отображению листинга. Ничто не усугубляет клиента больше, чем поиск предмета, который они хотят, а затем не может видеть фотографии или читать больше информации.В некоторых списках содержится текст, который заставляет покупателя прокручивать по горизонтали, что является проблемой. Проверьте свои списки на eBay Mobile Friendly и убедитесь, что все совместимо.

Убедитесь, что вы используете размер шрифта 12 или больше и упорядочиваете текст в коротких фразах или маркерах, а не в формате абзаца. Фразы и пули легче читать на мобильных устройствах.

Белое пространство между текстом проще на глазу (веб-дизайнеры согласятся) и менее подавляющим для чтения. Посмотрите, как крупные розничные продавцы форматируют текст на своих мобильных сайтах. Компании, такие как LL Bean, Nordstrom и Walmart, имеют миллионные рекламные и информационные бюджеты; Они знают, что делают. Следуйте их примеру для форматирования списков. Прочитайте все советы eBay по оптимизации мобильных объявлений.

Создание благоприятных для клиента политик

Вы выполнили всю работу, чтобы получить покупателя в своем списке. Удостоверьтесь, что вы не потеряете этого человека, выкраив правила возврата, такие как сержант-сержант. Напишите все политики с дружелюбным, гостеприимным отношением. Помните, что конкурс — всего лишь один клик. Ваша задача — сохранить внимание покупателя, получить доверие и закрыть продажу. Например, вместо того, чтобы говорить: «Мы отправляем только по вторникам и пятницам», лучше сказать: «Из-за нашего штатного расписания работы мы отправляем один раз в неделю.

Если вам нужен товар раньше, пожалуйста, свяжитесь с нами нас, и мы приложим все усилия, чтобы удовлетворить ваш запрос ».

Отношение — это все, особенно когда все, что находится между вами и покупателем, — это экран компьютера или смартфон. Покупатели не хотят слышать то, что вы не будете делать, только то, что вы будете делать. Не давайте покупателям повода зайти, потому что вам не нравится ваше отношение. Опять же, посмотрите, что делают крупные ритейлеры и как они излагают свою политику.

Опишите и объясните

Интернет-магазин отличается от розничных покупок в личных целях. Покупатель не может видеть, прикасаться или проверять предмет вверх. Они не могут попробовать одежду или обувь. Они не могут почувствовать ткань или измерить, насколько тяжело что-то. Используйте фотографии и слова, чтобы подробно описать деталь и точно. Возьмите фотографии, как нет описания, и опишите, как будто фотографий нет. Всегда включайте измерения и показывайте все стороны трехмерных элементов. Если это применимо, сделайте снимок окна или торговых тегов. Объясните текстуры предметов и включите материалы, из которых сделан элемент. Предположите, что покупатель может запросить и включить эту информацию в листинг. Часть этого приходит с опытом. Поскольку покупатели задают вам одни и те же вопросы снова и снова, вы поймете, какие детали следует добавить в листинг.

eBay цикличен, и иногда продажи происходят медленно, так же, как и в розничной торговле. Держите объявление, и покупатели придут. И как только покупатели дойдут до вашего списка, относитесь к ним как к золоту.

Обновлено Сюзанной А. Уэллсом 21 октября 2020.

Как искусственный интеллект помогает ритейлу

Юлия Садовникова, глава практики «Розница» SpencerStuart, рассказала, как искусственный интеллект развивает розничную торговлю.

В ритейле наиболее распространены две технологии на основе искусственного интеллекта: компьютерное зрение и когнитивные обучающиеся системы.

Компьютерное зрение отслеживает изменения процессов в режиме реального времени. С его помощью можно на ходу корректировать работу каждого бизнес-цикла. Это ускоряет динамику бизнес-процессов и позволяет компании опережать конкурентов.

Когнитивные обучающиеся системы анализируют большие объемы данных и на их основе могут создавать персонализированные предложения для потребителей. Обучающиеся системы понимают, что, когда и как нужно рекомендовать конкретному покупателю. В коммерции они эффективно корректируют закупочную стратегию, а в логистике рассчитывают оптимальные маршруты в зависимости от срока годности продукта.

Нейронные самообучающиеся сети увеличивают эффективность работы персонала. Это очень важно для розничных компаний, где оплата труда — вторая статья расходов после аренды.

Лидеры российской розницы начинают осваивать большие данные и искусственный интеллект. Компании меняют организационные структуры и создают специальные команды в рамках стратегических или инновационных отделов, а советы директоров привлекают к экспертизе независимых руководителей.

История успеха: Чистые данные Intelligence Retail

Консолидация в ритейле ускоряется, денег у компаний становится меньше, поэтому выигрывать они могут, только повышая эффективность работы с помощью технологий, например, искусственного интеллекта. Но чтобы внедрить системы искусственного интеллекта, сначала нужно структурировать данные. И это главное препятствие.

Качество данных описывается принципом «garbage in, garbage out». В мире структурировано около 2% данных, остальное — мусор, с которым невозможно работать. Поэтому важно не только собрать данные, но и организовать их таким образом, чтобы можно было обучать нейронные сети, которые лежат в основе многих систем, в том числе компьютерного зрения.

На российском рынке есть пример успешного использования искусственного интеллекта для повышения эффективности бизнеса — проект компании Intelligence Retail. Разработчики настроили систему, которая проверяет наличие товара на полках в сети магазинов «Перекресток». Она научилась распознавать более 1,5 тыс. молочных продуктов, включая йогурты, молоко, сметану, майонез, сыры. Точность распознавания достигла 93,7%, а отчет с рекомендациями формировался меньше 30 секунд. Разработчики добились такой точности благодаря грамотной стандартизации данных, это позволило нейронным сетям стабильно выдавать качественный результат.

Решение Intelligence Retail внедряют в 100 супермаркетах (около 17% магазинов сети). Когда компьютерное зрение распространится на всю сеть, «Перекресток» получит огромное преимущество перед конкурентами.

Примеры

Компания 1−800-flowers вместе с IBM запустила умного онлайн-ассистента по шопингу — GWYN (Gifts When You Need). Сервис задает вопросы, понимает предпочтения клиента и помогает выбрать идеальный подарок. Выбор основывается на самых разных запросах покупателя: от «нужен подарок для мамы» до «покажи лучшие букеты в наличии».

Сеть универмагов Kohl’s внедрила в своих магазинах «подключенный рейл» (напольную вешалку для демонстрации одежды). Рейл отображает на экране ключевую информацию о висящей на нем одежде и предлагает другие вещи из магазина, которые дополнят образ. Выигрывают обе стороны: покупатель получает дополнительную услугу, магазин — дополнительные продажи.

Сеть универмагов Macy’s использует сервис On Call app, который сочетает технологию геолокации и когнитивных вычислений (извлекают информацию из большого объема данных) и в реальном времени объясняет покупателю, как найти интересующий бренд внутри магазина.

В 120 магазинах по всему миру Zara запустила приложение дополненной реальности для шопинга — Zara AR. При наведении смартфона с открытым приложением на обозначенное место на витрине на экране телефона оживает модель. Она разговаривает, демонстрирует надетый образ и фрагменты коллекции. Также приложение позволяет сразу заказать понравившуюся вещь и сделать фото с голограммой для соцсетей.

Искусственный интеллект помогает снижать затраты, оптимизировать рабочие процессы, увеличивать доходы и главное — фокусироваться на выгоде для клиента. Именно забота о потребителе становится решающим фактором его лояльности, поэтому с искусственным интеллектом будет работать большинство компаний, чтобы оставаться успешными в новых условиях розничного рынка.

Подписывайтесь на наш канал в Яндекс.Дзен. Много эксклюзивных историй, полезных материалов и красивых фото.

Ритейл будущего: новые технологии, которые впечатляют

Ритейлерам приходится быть немного медиа-компаниями, немного соцсетями, немного производителями игр. Ведь люди ходят в магазин не только за покупками, для многих это способ хорошо провести время и получить впечатления. На перенасыщенном рынке ритейлеры конкурируют не только за покупателя, но и за зрителя, делая по-настоящему удивительные вещи.

Деньги на рынке ритейла и e-commerce

Перед тем как перейти к самим технологиям, уделим минуту, чтобы оценить объем рынка. Согласно отчёту emarketer.com, продажи ритейлеров по-прежнему растут как в обычной рознице, так и в e-commerce, хотя темпы роста падают. При этом доля интернет-магазинов в общих розничных продажах увеличивается: в 2020 году она составит 14.1%, а к 2023 году вырастет до 22%.

Динамика розничных продаж ритейла от emarkerter.com

В России, по данным отчета INFOLine, за 2020 год оборот российского ритейла продолжил тенденцию роста, начавшуюся в 2020 году, и составил 31,6 трлн руб., увеличившись на 2,8% в физическом выражении и на 6,2% в денежном.

За этими цифрами стоят реальные технологии, которые еще недавно «сошли с конвейера» или даже только делают первые шаги. Эти технологии создадут наш покупательский опыт в будущем. А компании, которые внедряют их сегодня, возможно, станут легендами. Почему бы и нет?

Цифровые технологии в ритейле

По данным исследования Salesforce, 56% опрошенных стремятся покупать у самых инновационных компаний. Ведущие компании в России осознают это: «М.Видео» внедряет дополненную реальность для навигации в магазинах, а X5 Retail Group в августе открыл экспериментальный «Перекресток» большого формата с кассами самообслуживания и электронными ценниками. Далее расскажем, какие еще технологии используют ритейлеры, чтобы привлечь больше клиентов.

Digital Signage

Digital Signage (цифровая вывеска) — решение на стыке мультимедиа и цифровых технологий. Позволяет централизованно управлять сетью экранов самого разного рода: маленькими ЖК-мониторами и огромными светодиодными фасадами, заливать и редактировать контент можно удаленно в режиме реального времени.

При интеграции с цифровыми системами такие решения позволяют показывать потенциальным покупателям индивидуальный контент и собирать статистику: пол, возраст, а с помощью компьютерного зрения даже определить реакцию на просмотренное видео.

Прекрасный пример использования digital signage — антитабачная кампания от сети шведских аптек Apotek Hjärtat. Компания использовала оснащенный датчиками дыма экран, на котором изображение мужчины начинало кашлять и морщиться, когда рядом с ним курили.

Нагляднее — в этом видео:

Ещё один интересный кейс принадлежит Benetton. В 2010 году бренд запустил в своих флагманских магазинах проект Benetton live windows, благодаря которому прохожие могли почувствовать себя лицом компании. Камеры и специальное оборудование передавали изображение человека на электронные витрины, установленные в магазине вместо окон.

AR и VR


Дополненную и виртуальную реальность в ритейле уже внедряют не только мировые лидеры рынка: Amazon, Target, Lowes или Ikea. Made.com, быстрорастущий мебельный бренд из Великобритании, предлагает покупателям подобрать подходящий под обстановку диван с помощью собственного приложения Find My Style.

«Примерка» происходит в режиме реального времени и использует камеру смартфона. Клиент выбирает понравившуюся модель, наводит камеру на нужную часть комнаты и видит, как она будет смотреться в том или ином помещении. При этом покупатель может изменить товар под себя: выбрать другой цвет или материал обивки.

Если вы зайдете в один из luxury-универмагов Neiman Marcus, то увидите там умные зеркала, использующие AR, ИИ и программу распознавания жестов. Такие зеркала, как и виртуальная примерочная, позволяют покупателям изменить цвет понравившейся модели или посмотреть, как выглядят разные сочетания аксессуаров и нарядов.

Похожие технологии использует виртуальная примерочная от Lamoda. В августе компания запустила в своем приложении для iOS функцию AR-примерки обуви. Чтобы понять, как будут сидеть кроссовки, нужно выбрать понравившуюся модель из каталога и навести камеру смартфона на ногу. Такое же обновление для Android сделают в сентябре.

AR-навигацию использует в своем экспериментальном приложении «Перекрёсток». Она помогает проложить оптимальный маршрут по магазину и быстрее найти нужные товары.

Акция от «Дикси» «Смотри, динозавры!», для реализации которой использовали дополненную реальность, показала впечатляющие результаты: оборот сети во время мероприятия вырос на 3%, а продажи спонсорских товаров выросли на 50-500%. Во время акции полмиллиона человек скачали приложение «Смотри, динозавры в “Дикси!”».

Включив приложение, а потом наведя камеру смартфона на акционный стикер, можно было увидеть 3D-модель динозавра в дополненной реальности. А если использовать специальные очки, то ящер оживал и рычал в виртуальной.

Спектр использования AR и VR в рознице широк: это и навигация в магазине, и умные примерочные, и работа на складе. Например, приложение для Google Glass AR Warehouse Picker помогает в складском учете: подсвечивает товары, которые нужно сформировать в заказ и помогает ориентироваться в лабиринтах между стеллажами.

Топ-пост этого месяца:  Метод String toUpperCase JavaScript и TypeScript возврат значения строки в верхнем регистре

Искусственный интеллект

На выставке NRF Retail’s Big Show 2020 ИскИны были чуть ли не на каждом стенде. Отчасти это связано с развитием компьютерного зрения, которое помогает решать рутинные задачи: автоматизировать кассы, повысить безопасность, быстро пополнить товарные остатки или использовать терминалы для мгновенной инвентаризации.

Наиболее перспективное направление развития ИИ — аналитика больших объемов данных: пользовательского поведения, товарных предпочтений, особенностей принятия решения о покупке непосредственно в магазине. Главное ограничение — в способности того или иного ритейлера собирать, обрабатывать, анализировать и обрабатывать массу данных, имеющихся в распоряжении компании.

В этом вопросе на помощь ритейлерам придут компании, разрабатывающие облачные решения для анализа данных, позволяющие хранить и обрабатывать огромные массивы информации в режиме реального времени и за любой временной промежуток.

Согласно исследованию IDC, в 2020 году ритейл вошел в ТОП-5 рынков по расходам на облачные сервисы. В целом розничная торговля потратила на облака 6.1 млрд долларов и не собирается останавливаться — тот же IDC прогнозирует, что расходы вырастут на 24.6% в 2020 году.

Не стоит забывать о чат-ботах как простейших, так и использующих машинное обучение, чтобы общаться с пользователями. Отличный пример — Amazon Prime, где чат с пользователем автоматизирован, а алгоритмы настроены так, чтобы пользователь ушел с сайта в хорошем настроении.

Еще один интересный способ — использовать ИИ для систем индивидуального ценообразования. Исследование IBM говорит, что 73% руководителей розничной торговли в ближайшие три года планируют автоматизировать ценообразование с помощью искусственного интеллекта.

Как пишет Forbes, ссылаясь на исследование Gartner:

«Повышение качества обслуживания клиентов, благодаря взаимодействию в реальном времени, поддерживаемому ИИ и машинным обучением, является главной тенденцией для руководителей компаний. Цифровая коммерция также будет использовать ИИ и машинное обучение для прогнозирования потребностей клиентов и упреждающего предложения соответствующих продуктов и услуг».

В качестве примера можно вспомнить систему динамического ценообразования сервиса Airbnb, которая помогает владельцам недвижимости определить, за какую цену лучше всего сдать их собственность.Она учитывает большое количество информации: географическое положение, местные события, фотографии, обзоры, рыночный спрос и время до даты бронирования.

Электронные полки, автоматические кассы и self scan

Вот мы и подобрались вплотную к основному оборудованию автоматических магазинов будущего — умным полкам и электронным ценникам.

Вот как работает первая технология на примере обувных магазинов Nike и Adidas. Когда покупатель снимает товар с полки, это фиксируют датчики. Экран, который расположен за витриной, показывает клиенту полезный контент о продукте: как сшита эта пара кроссовок, какие материалы использовали для изготовления. То есть проводит полноценную презентацию преимуществ товара.

Автоматические кассы Self Scan в современном понимании — это часть системы магазинов ближайшего будущего, в которой задействовано мобильное приложение, программа лояльности, компьютерное зрение, сканеры штрих- и QR-кодов.

Схема разнится в зависимости от компании, но в целом автоматические кассы работают так. Сначала клиент скачивает приложение и вводит в него данные своей карты лояльности. На входе он сканирует код магазина, а когда наполняет корзину — коды продуктов. На кассе ему достаточно считать QR-код, чек моментально появится в приложении и будет доступен для оплаты.

X5 Retail Group планирует, что подобная технология позволит повысить средний чек на 10% и избавиться от очередей. Плюс ритейлеры рассчитывают показывать клиенту персональные предложения прямо во время покупки.

Визуальный поиск

Визуальный поиск — технология, которая помогает найти похожее изображение. Она изучает исходник, а потом подбирает аналоги из какой-нибудь базы, например, продуктового каталога. Это полезно, когда вы ищете товар с определенными визуальными характеристиками или вещь, которую увидели на фото и теперь хотите такую же.

Как говорит исследование emarketer.com, 62% молодых людей в возрасте от 18 до 34 лет считают, что именно визуальный поиск сделает их покупательский опыт в сети более удобным. Но пока лишь единицы компаний внедрили у себя эту технологию.

Хороший пример ее реализации в розничной торговле — сервис Snap. Find. Shop в приложении люксовых универмагов Neiman Marcus. Система распознает загруженное пользователем изображение и подбирает похожий товар среди миллиона наименований каталога сети. Neiman Marcus заявляют, что визуальный поиск увеличил их квартальный доход на 6.2%.

Розничная торговля использует RFID (Radio Frequency IDentification, радиочастотная идентификация) для учета товаров вот уже пару десятилетий. Помните пластиковые бирки или белые наклейки с интегральной схемой, на которые реагируют ворота на входе в магазин? Это как раз часть системы, RFID-метка с записанной информацией, взаимодействующая с антенной — воротами, которые принимают и передают сигнал.

В Ralph Lauren придумали, как использовать RFID не для поимки воришек, а для улучшения покупательского опыта. Компания оборудовала «умные» примерочные своего флагманского магазина в Нью-Йорке RFID-считывателем.Он сканирует информацию с антикражных бирок и меток, когда вещи приносят в примерочную.

С помощью зеркал с дисплеем клиент сразу узнает о наличии размеров и других цветов понравившейся вещи и подбирает к ней аксессуары. Для оплаты не обязательно идти на кассу — в примерочных установлены кнопки для вызова продавца с банковским терминалом.

Розничная торговля будущего: главные тренды

Персонализация

Согласно прогнозу Gartner, к 2020 году умные алгоритмы персонализации помогут e-commerce увеличить прибыль на 15%. Подтверждение этому выводу можно найти уже сейчас.

Домашняя страница оналайн-ритейлера одежды Very.co.uk адаптируется к погодным условиям. Эта простая, на первый взгляд, персонализация сервиса принесла компании 5 млн евро выручки.

В России тоже есть хороший пример. Интернет-магазин Respublica.ru увеличил выручку на 9,5%, внедрив систему персональных рекомендаций на ключевых страницах сайта.

Что касается физических магазинов, то реализовать подобный сервис они могут с помощью технологии Beacon, представленной Apple в 2013 году. Это сеть маячков, установленных в супермаркете. Она использует Bluetooth, чтобы передать целевые оповещения пользователям. Главное, чтобы на смартфоне было запущено приложение компании.

Beacon может отправлять скидки, акции или другие оповещения, пока пользователь находится в супермаркете. Так уже делает Macys, отправляя посетителям, у которых установлено приложение компании, пуши с подходящими акционными товарами.

Бренд молодежной одежды Urban Outfitters пошел еще дальше — они используют биконы в паре с контентом, который создает аудитория компании. Оказавшись в магазине, клиент получает пуш-уведомление с персональной скидкой. Чтобы активировать ее, он должен выложить в соцсетях пост с хэштегом или геотегом магазина.

Business Insider выяснил, что 61% покупателей в США, которые никогда не сталкивались с подобной технологией, примут решение о покупке, если им в смартфон придет купон или скидка от ритейлера во время шопинга в магазине.

По их же оценкам в 2015 году только 17% пользователей смартфонов были готовы к использованию технологии Beacon.

«Умные» магазины

В 2020 году розничные гиганты тестировали и внедряли в свои сети «умные» магазины. Walmart в апреле открыл свой первый супермаркет подобного формата, в котором компьютерное зрение следит за свежестью товаров. Amazon планируют развивать сеть Amazon Go, и к 2021 году открыть еще 3000 торговых точек.

Вот как выглядит покупка в Amazon Go:

Европа тоже старается не отставать. Эксперимент с умными камерами, которые распознают лица и приобретенные продукты, недавно запустили в Tesco. Полноценный роботизированный супермаркет у британцев может появиться уже в следующем году. Похожие технологии тестируют французский розничный гигант Carrefour и израильская сеть Shufersal.

В сентябре X5 Retail Group открыл первый магазин без кассиров «Пятерочка с собой». Похожий проект на базе «Фасоли» в июне начала тестировать в России немецкая Metro.«Азбука Вкуса» уже сейчас пробует у себя оплату по биометрическим данным от «Сбербанка». Совсем недавно появились слухи, что «Ростелеком» создал систему распознавания лиц для покупки товаров.

Китайские «умные» магазины от Tencent оснащены оплатой через QR-код и компьютерным зрением, благодаря которому не нужно сканировать товары. Цифровые супермаркеты 7Fresh от главного конкурента Alibaba — JD.com, предлагают не только отсутствие кассиров, но роботов-тележки, которые перемещаются за покупателем.

Совсем скоро магазины без кассиров, с биометрической оплатой и системой компьютерного зрения, распознающей лица и товары, начнут тестировать и более традиционные розничные сети.

Омниканальность или гармоничный ритейл?

Бренды поняли, что самая выгодная стратегия коммуникации с клиентами — быть там, где находятся потенциальные покупатели и предлагать им один и тот же позитивный опыт покупок во всех каналах.

Правильность этого подхода доказывают исследования. Специалисты Harvard Business Review опросили 46 000 американских покупателей, и оказалось, что 73% из них используют сразу несколько каналов для шопинга. Для сравнения: только офлайн покупают 20% респондентов, а исключительно онлайн — 7% опрошенных.

Аналитики журнала Axios считают, что основу ритейла будущего будет составлять гибридная модель, где офлайн и онлайн-магазины сосуществуют на равных.

Стивен Деннис, бывший старший вице-президент по стратегии и многоканальному маркетингу в Neiman Marcus Group, стратегический консультант с 30 летним опытом в ритейле считает, что омниканальность мертва, и будущее за «гармоничной» розничной торговлей.

Он призывает не разделять покупательский опыт на каналы, а понять, что смешение каналов и есть тот единственный путь по которому приходят клиенты.

«В условиях гармоничной розничной торговли наша цель — чтобы все важные моменты путешествия клиента прекрасно сочетались друг с другом,» — заявляет эксперт.

Традиционные ритейлеры, такие как Best Buy, Target и Walmart, столкнулись с опасениями, что рост электронной коммерции сделает их модель устаревшей. И теперь применяют «гармоничный» подход: улучшают свои цифровые возможности и не стараются больше быть везде, обращают внимание на то, что не нравится их клиентам и работают на этим.

В то же время вертикальные цифровые компании, например, Warby Parker, Casper, Bonobos, Away и Wildberries в России используют тот же подход для экспансии в офлайн.

Ритейл будущего: что ждет нас дальше?

Так что же мы увидим в будущем? Автоматизированные, предлагающие разнообразный, практически бесшовный покупательский опыт, старающиеся угодить клиентам фантастические супермаркеты? Доподлинно узнаем только через некоторое время. Но мы уверены — без инноваций не обойдется.

Как машинное обучение увеличивает продажи и оптимизирует расходы крупных ритейлеров

О работе алгоритмов, перераспределении труда аналитиков и жёсткой борьбе за покупателя рассказывает Николай Савин из Competera. И почему вам это вряд ли нужно, если оборот меньше 100 млн $ в год.

Машинное обучение (ML) и искусственный интеллект меняют ритейл. Они автоматизируют мониторинг цен конкурентов, предсказывают спрос и продажи, зарабатывают ритейлу деньги, и даже «вытаскивают» аналитиков из рутины, позволяя заниматься стратегией. Сompetera рассказывает о первых результатах внедрения ML-оптимизации для крупного британского ритейлера, о том, почему эра алгоритмов в российском ритейле уже наступает, и к чему это приведёт.

Зачем ритейлу машинное обучение

Всего десять лет назад ритейлеры пользовались электронными таблицами, чтобы собирать, анализировать и менять цены. Процессы были растянуты во времени, медленны, неэффективны и приводили к большому количеству человеческих ошибок.

Walmart, Amazon, DNS-shop отдают все вычисления самообучающимся алгоритмам. Почему? Алгоритм обрабатывает большие объёмы данных и запоминает все удачные и неудачные эксперименты, за которые бизнес заплатил деньгами. На основе этого — предлагает оптимальное решение о цене.


Важно. Сам по себе ML — не решение для ритейла, а двигатель, которому нужны данные (топливо) и комплексное решение (автомобиль). Чтобы его использовать, нужно разобраться с качеством данных, внедрить решение и определить, кто будет им управлять. Поехали.

ТОП-100 лучших SEO-агентств России 2020

Кто лучше всех в России умеет продвигать сайты в поисковых системах – и к кому лучше обратиться за продвижением сайта своей компании?

Ответ – в свежем рейтинге SEO-компаний за 2020 год по версии RUWARD.

Зачем ML чистые данные и как их получить

Крупный ритейл в России уже принимает решения на основе данных. Сейчас, с приходом самообучающихся алгоритмов, погоня за чистыми данными обострилась: цена ошибки в больших вычислениях становится как никогда высока.

10% «грязных данных» в формировании цен не критичны, если ритейлер продает 100 товаров. Но когда речь идет об ошибках в данных по истории продаж, промо и наличию в масштабе 20 тысяч товаров, чистота данных становится ключевым элементом. ML-алгоритм обучается на данных, от их точности зависит конечный результат. Если качество данных низкое, машинное обучение бессмысленно: алгоритм не сможет рассчитать правильную цену и дать верный прогноз продаж или маржи. Какие данные — такие и результаты.

В большинстве случаев качество данных оставляет желать лучшего: только 3% от всего объёма собираемой компаниями информации соответствуют понятию «качественные данные».

Как внедрить технологии машинного обучения

Когда с качеством данных порядок, но алгоритмы работают на одном ноутбуке у аналитика или дата-сайентиста, появляется следующая непростая задача — внедрить алгоритмы в бизнес процессы и построить работающую машину для всех аналитиков или всего бизнеса. Ритейлу необходимо комплексное решение, которое собирает нужные данные, обрабатывает их, прогнозирует эффект от переоценки и применяет сценарии в одном инструменте.

Сейчас крупный бизнес спотыкается об отсутствие на рынке решения для оптимизации, поэтому пытается построить решение in-house. Чтобы построить и внедрить решение, требуется огромная инфраструктура и усилия ИТ-департамента.

1. Разработать алгоритмы.
2. Развернуть инфраструктуру, которая будет поддерживать обработку данных, обучение нейронных сетей, и оптимизацию цен с учетом всех бизнес-ограничений.
3. Построить систему мониторинга для стабильной работы решения.
4. Обучить команду, адаптировать процессы и роли персонала в компании.
5. Спроектировать и провести пилотные испытания системы.
6. Обеспечить поддержку и регулярное переообучение алгоритма.

У одних это получается, но тянется годами, другие — бросают затею, пока она не истощила бизнес.

«В DNS-shop мы автоматизировали аналитические процессы с момента основания [1998]. Однако, первые полноценные программные роботы начали предлагать и реализовать решение 5–6 лет назад», — Алексей Воевода, DNS-shop, Chief Marketing Officer.

На рынке существует и другой путь. Консалтинговые компании продают ритейлу дорогие таблицы с расчетами ML-алгоритмов. Но между Excel и рабочим инструментом — огромная пропасть, поэтому категорийным менеджерам и аналитикам нужен интерфейс, в котором можно задавать цели, получать расчёты, и затем выбирать лучшие сценарии переоценки.

UI обетованный: кейс Competera с британским магазином

Сейчас в режиме закрытого бета-тестирования Competera оптимизирует прибыль крупных магазинов, у которых есть исторические данные за 2–3 года: продажи, промо активности и история наличия товаров.

Британский магазин поставил задачу — при помощи алгоритмов машинного обучения продать максимально возможное количество товарных позиций, не теряя в маржинальности.

В рамках пилота мы сформировали тестовую и контрольную группы товаров, чтобы не происходило перетекания продаж. В контрольной группе магазин сохранял привычную динамику переоценки, чтобы получить репрезентативные данные в результате эксперимента.

Для тестовой группы мы в течение месяца рекомендовали цены при помощи ML-алгоритмов. В конце периода тестовая группа показала рост количества продаж в штуках на 22.3% в сравнении с контрольной группой, где цены рассчитывал человек. Кейс с британским магазином показывает, как уход от ручных процессов и нерегулярной переоценки в пользу машинного обучения улучшает показатели:

  • количество транзакций +22,3%;
  • в прибыли +13,9%;
  • в маржинальности +0,5%

Интересно. В пилотный месяц наблюдалось общее падение продаж магазина, связанное с сезоном и индустрией, и в контрольной группе количество транзакций снизилось на 17.2% в сравнении с предыдущим месяцем. В тестовой — увеличилось на 5.1%: алгоритм предсказал падение продаж и рекомендовал оптимальную цену для конкретной ситуации.

Куда деваться аналитику, если алгоритм все делает сам

Алгоритмы выполняют большую часть работы, которую до этого ежедневно делал человек. Коллектив, не понимая новых ролей, может сопротивляться инновациям и саботировать процесс. Нужно чётко прояснить роли, чтобы избежать такой ситуации.

После внедрения алгоритма, человек будет управлять инструментом вместо поиска и структурирования данных; контролировать ценообразование вместо работы с высокоточными расчетами нескольких параметров. Решение гарантирует качество и точность вычислений, а человек занимается управлением: получает прогноз, корректирует выбор оптимального сценария, реагирует на срабатывание «сигнальных лампочек» если в работе происходит сбой. Процесс работает примерно так же, как реакция водителя на мигающий индикатор замены масла в автомобиле: менеджер включается там, где ML не может справиться самостоятельно.

«С внедрением алгоритма повысилась скорость и качество переоценок, снизилась длительность аналитического участка цикла закупок. Специалисты переключились на более важные и менее рутинные задачи», — Алексей Воевода, DNS-shop, Chief Marketing Officer.

Работа менеджера без ML Работа менеджера с ML
  • Собрать данные со всех внутренних источников, очистить и подготовить для работы.
  • Дополнить данные информацией о конкурентах и их ценах.
  • Выбрать подходящий сценарий переоценки и применить новую стоимость ко всем товарам.
  • Договориться о специальных условиях с поставщиком.
  • Освободить место на складе для хорошо продающихся позиций.
  • Выбрать стратегию работы с категорией, а не с отдельными товарами.

Итого: что ритейл получает от машинного обучения

Алгоритмы постоянно обучаются: информация об ошибках, за которые ритейл заплатил в прошлом, хранится до тех пор, пока эти данные не понадобятся для решения конкретной задачи. Так, аналитик в качестве эксперимента может поставить цену на 15% больше, чем у главного конкурента, и это не сработает. Через год аналитик может забыть об этом эксперименте, перейти на другую должность или даже поменять компанию, а алгоритм будет хранить и использовать эту информацию. Кроме того, он всегда доступен для интерпретирования, а значит может показать, что кроется за каждой рекомендацией цены.

Задачи, которые решает ML:

  • понимает какие именно факторы и в каком соотношении влияют на будущий спрос;
  • находит и измеряет все взаимосвязи между продуктами (например, как скидка на модель Х поменяет продажи на сходные модели в категории);
  • выбирает оптимальную цену для конкретной ситуации (промо конкурентов) и времени (сезонные распродажи).

С алгоритмами машинного обучения у ритейла появляется предсказуемое будущее, консолидированные данные и возможность работать с неиспользованной экспертизой (всем накопленным за время работы опытом).

Кому подходит ML-оптимизация

Чтобы начать работу с оптимизацией, ритейлеру нужно точно определить цели её внедрения, собрать исторические данные, и выделить команду, которая будет заниматься процессом внедрения. Это могут быть сотрудники отдела ИТ/инноваций, представители отдела коммерции, закупок (редко, но встречается), revenue-менеджмент, аналитики, те, кто занимается ценообразованием — это зависит от структуры ритейлера.

ML-оптимизация идеально подходит для крупных ритейлеров, которые работают на динамических рынках и еженедельно или несколько раз в день обновляют цены тысяч позиций. Также оптимизация поможет тем компаниям, которым нужно поддерживать и оптимизировать сложную структуру регионального ценообразования.

Решения на основе ML-алгоритмов имеет смысл внедрять компаниям с оборотом от 100 млн $ в год, так как ожидаемые улучшения показателей оборота или маржи находятся в диапазоне от 3 до 20%. Чем больше выручка ритейлера, тем ему выгоднее алгоритмическое решение по оптимизации цен и прогнозированию продаж. Если оборот меньше (около 40 млн $ в год), тогда главное условие — высокая маржинальность бизнеса.

В погоне за покупателем

Сейчас в ритейле выигрывают те, кто очень динамично и гибко реагирует на изменения спроса покупателей и активности конкурентов. Потенциал применения ML огромен — он быстрее и точнее решает эти задачи, что подтверждают успехи Amazon, Walmart, DNS-shop и других крупных ритейлеров.

Gartner’s Quаdrant оценивает результаты внедрения алгоритмической оптимизации цен так:

  • увеличение выручки от 1% до 5%;
  • увеличение маржинальности от 2% до 10%;
  • сокращение до 80% ненужных промо;
  • увеличение цикла жизни клиента на 20%.

Скоро рынок радикально изменится: те, кто сможет правильно применить эту технологию, выиграют гонку. Если этого не сделать сейчас, уже через пять лет борьба за покупателя будет проиграна.

Единственная сложность — наличие качественных данных. Если у магазина их нет, нужно начать их сбор и обработку сейчас, а к вопросу оптимизации можно будет вернуться только через год или два, когда накопится достаточный объём.

Искусственный интеллект увеличил продажи ритейлеров на eBay

Пока Amazon сооружает магазины без касс и очередей, General Electrics научились отслеживать процессы на всех стадиях производства. Разбираемся, как используют ИИ в России и за рубежом, какие у нее трудности и перспективы.

Искусственный интеллект – это способ решать задачи с помощью вычислительных мощностей. Хотя это кажется логичным, все работы об этом методе, начиная с выступления Джона Маккарти в 1956 году, отрицают необходимость ИИ использовать приемы, которые наблюдаются в поведении людей. Тем не менее, многие системы искусственного интеллекта создаются для понимания человеческого мышления и выполнения творческих функций, которые присущи человеку.

В ритейле технологию внедряют в маркетинг, логистику и операционную деятельность. Применение искусственного интеллекта к 2030 году приведет к росту глобального ВВП на 14% (на $15,7 трлн), подсчитали аналитики PwC. Этот показатель выше, чем общий уровень производства промышленности в Индии и Китае.

Исследования и цифры

Аналитическая компания Forrester утверждает, что искусственный интеллект, Big Data и современная аналитика увеличивают доступ предприятий к анализу данных и повышают уровень сложности полученной информации. «ИИ даст бизнесам доступ к мощным инсайтам благодаря использованию когнитивных интерфейсов в сложных системах, передовой аналитике и технологиям машинного обучения», — уточняет главный аналитик Forrester Джеймс Маккормик в отчете компании. Искусственный интеллект должен ускорить принятие решений в маркетинге, электронной торговле, управлении продуктами и других областях.

Что в первую очередь интересно ритейлерам? Исследование IBM показало: 48% клиентов считают, что компаниям важно предоставлять индивидуальные акции в онлайн-режиме, а 45% хотят внедрить этот формат в офлайн-точки. 83% руководителей розничных магазинов уверены, что когнитивные вычисления сыграют решающую роль в развитии их бизнеса. Также клиенты хотят исследовать новые продукты и покупать их, где бы они ни находились. Такая возможность у них уже есть – сейчас люди почти не ограничены временем суток или местоположением.

Кейсы

У искусственного интеллекта несколько рабочих применений:

● Продажи и CRM-системы

● Логистика и доставка

Наверное, самый известный пример — магазин без касс и очередей Amazon Go. Достаточно установить приложение и зарегистрироваться в нем при входе в магазин. После этого сенсоры фиксируют продукты, которые человек набирает в корзину. При выходе у покупателя автоматически списываются деньги с аккаунта Amazon.

Nike несколько месяцев работает с Zodiac — компанией, анализирующей пользовательские данные. Благодаря технологиям подрядчика Nike стремится максимально персонализировать отношения с клиентами: чтобы каждый посетитель магазина или пользователь приложения мог получать индивидуальную выдачу товаров, интересную именно ему. После запуска приложения в Китае его скачало 2 млн человек за 1 месяц. Сейчас главная цель Nike — сделать так, чтобы при попадании в магазин каждый клиент получал советы о том, какая вещь ему, скорее всего, понравится. К 2020 году Nike планирует увеличить выручку до $50 млрд.

В 2020 году магазин одежды North Face подключил платформу когнитивных вычислений IBM Watson для персонализации покупок на своем сайте. Теперь, когда покупатель ищет, например, куртку, XPS задает вопросы о местоположении человека, его гендере и температуре воздуха для подходящих рекомендаций.

Еще одно решение — ПО Conversica. Эта система пишет письма потенциальным клиентам от роботизированного менеджера по продажам, который отвечает на вопросы и поддерживает разговор. В 2020 году такое программное обеспечение внедрила у себя компания Rachel и увеличила количество ответов от покупателей на 30% в течение нескольких часов. Также Conversica используется для перекрестных продаж и повторного вовлечения существующих клиентов. Благодаря ПО компания Bosch Automotive из Новой Англии начала проводить более 60 дополнительных сделок в месяц в одном из представительств Toyota.

В General Electrics разработали другое программное обеспечение — оно следит за всеми уровнями производства продукта: от проектирования до дистрибуции и обслуживания. Это экономит много времени и денег при затратах на аналитику. Решение подходит почти любой отрасли производства. Например, ПО в реальном времени позволяет увидеть всю происходящую на заводе работу. Нужен всего один человек, сидящий за компьютером, который сразу сможет распознать ошибку на любом этапе производства. То есть сотрудникам не нужно ходить по заводу и выискивать проблему. В числе пользователей – мультинациональная корпорация Toray Plastics, которая собирает детальные данные по своему производству.

В 2013 году PayPal запустил ПО, куда загрузил большое количество транзакций, подразделяя их на честные и мошеннические. За счет машинного обучения система безопасности теперь отличает сделки, совершаемые владельцами аккаунтов, и транзакции, проходящие с украденных адресов. Эта система помогла PayPal снизить потери от мошенничества до 0,32% выручки.


Российский опыт

В России пока немного компаний применяют искусственный интеллект, но крупные ритейлеры постепенно начинают внедрять технологию.

Например, в начале 2020 года «М.Видео» сообщила о запуске «умного» поиска товаров в интернет-магазине. Ритейлер использует решение компании Detectum, основанное на машинном обучении и Data-аналитике. Система отслеживает клиентские запросы и предпочтения по конкретным брендам и категориям, а затем показывает рекомендованные товары. В итоге, когда человек ищет что-то на сайте «М.Видео», он видит продукты, ранжированные по популярности среди своей группы потребителей. По данным компании, технология помогла повысить уровень конверсии из поисковых запросов в покупки на 15% (в сравнении со средними показателями по сайту). В то же время число клиентов, которые используют поиск, увеличилось на 25%, а сумма их покупок составила 30% от всех продаж «М.Видео».

По словам директора по информационным технологиям «М.Видео» Сергея Сергеева, главные цели компании во внедрении искусственного интеллекта – снизить расходы, а также повысить операционную эффективность в клиентском сервисе и во внутренних бизнес-процессах (HR и логистике).

Сейчас компания анализирует поведение клиентов на сайте, историю просмотров и оставленных в корзине товаров. Если пользователь кладет товар в корзину и выходит со страницы без оформления заказа, система напоминает ему об этом и предлагает похожие по характеристикам варианты.

«Более того, мы разработали модель для выбора идеального момента для взаимодействия с клиентом – времени, когда он наиболее склонен к покупке. В результате увеличивается отклик от персонализированных маркетинговых рассылок и растет конверсия в покупки за счет возврата ушедших посетителей. Сейчас мы также тестируем модели повышения эффективности целевого маркетинга – определяем склонность клиентов к различным видам промо-активностей. Так, клиенты, предпочитающие кэшбек или выгодные кредитные предложения, будут получать информацию преимущественно об этих акциях. В перспективе смотрим на решения по агрегации клиентских отзывов и автоматизированные технологии предоставления информации как для продавцов, так и для клиентов».

Сергеев добавил, что искусственный интеллект помогает компании прогнозировать ежедневную потребность в персонале более чем в 400 магазинах и управлять логистическими поставками. Также технология позволяет планировать рабочие графики персонала и транспортировки товаров в каждый из магазинов. Система учитывает местоположение магазина, трафик, сезонность, скорость розничных продаж и потенциальные объемы самовывоза онлайн-заказов.

В ноябре 2020 года ритейлер X5 Retail Group рассказал о том, что подключил в своей сети «Перекресток» обучаемый аналитический блок CRM от разработчика ПО SAS для целевого маркетинга. К тому моменту больше 70% целевых акций создавались с помощью технологии – в 7 раз быстрее, чем без машинного обучения. Представитель X5 отметил, что этот блок интегрирован с программами лояльности: системой процессинга, мобильным приложением, SMS- и e-mail-каналами.

На внедрение системы ушло около года: в 2020 X5 тестировала технологию, а в марте 2020 стала использовать на постоянной основе. Тогда же в компании занялись обучением системы, сегментацией потребителей и таргетированием кампаний. В интервью с корреспондентом ComNews представители X5 подробнее рассказали об использовании технологии: «Анализ больших данных – направление, необходимое для гибкого реагирования на изменения в среде, в том числе для создания персонифицированных предложений для клиентов на основе их предпочтений. У торговой сети «Перекресток» более 5 млн активных пользователей карт лояльности, несколько каналов коммуникаций, множество вариантов маркетинговых предложений. Автоматизированная аналитика позволяет использовать все возможности этих ресурсов».

Мнения и перспективы

Коммерческий директор «Связного» Дагмара Иванова уверена, что для успешного развития бизнеса в 2020 году компании будут уделять больше внимания любым современным технологиям, а не только искусственному интеллекту: «Все активнее будут развиваться возможности чат-ботов, которые помогают клиенту заказать товар и услугу, не заходя на сайт. «Связной» уже тестировал и внедрял подобный формат. Например, в 2020 году, когда открылся предзаказ на iPhone 8 и iPhone 8 Plus, ритейлер запустил специального Telegram-бота, помогающего покупателю быстрее оформить заказ. Или, к примеру, у проекта «Связной Трэвел» есть бот в Facebook для заказа билетов и отелей. Такой персонализированный подход к покупателю позволяет значительно сократить время на приобретение устройства или оформление услуги».

Исполнительный вице-президент «Евросети» Виктор Луканин сообщил, что компания рассматривает использование искусственного интеллекта в контексте обработки входящих запросов от клиентов в чатах и мессенджерах: «Сейчас мы оцениваем эффективность подобного проекта. Еще мы рассматриваем варианты использования AI (artificial intelligence, искусственный интеллект – прим. ред.) в маркетинге. Одно из направлений – обработка искусственным интеллектом различных воронок продаж, особенно омниканальных, чтобы в нужный момент AI управлял коммуникацией с пользователем – при наличии миллионов клиентов в месяц добиться необходимой персонализации не так просто. Также мы оцениваем возможность привлечения AI в работу колл-центра и повышение эффективности сотрудников на торговых точках».

Представитель российского офиса Unilever отметила, что у искусственного интеллекта в ритейле много перспектив: уже сейчас некоторые игроки ускоряют работы закупочных департаментов за счет роботизированных систем. За счет данных о маржинальности и популярности определенных категорий технологии облегчают закупку продуктовых решений: «В дальнейшем искусственный интеллект будет развиваться, давая прогнозы, как лучше расположить продукт на полке, какую цену на него предложить и как замотивировать потребителя приобрести максимально широкую корзину, основываясь на аудиторном и поведенческом анализе. Для производителей это возможность иметь максимально достоверный источник информации, который позволит лучше адаптироваться под нужды ритейлера.

В связи с этим не за горами то время, когда производитель начнет вести работы аналогичные SEO оптимизации сегодняшних поисковых машин Яндекса и Google, обрабатывая входящую информацию и стремясь разработать максимально релевантное решение. В том числе речь пойдет о более масштабном применении алгоритмов предиктивной аналитики, которая на базе искусственного интеллекта будет обрабатывать огромный массив данных. Это, в свою очередь, позволит разработать новые продуктовые решения, которые будут конкурировать с уже популярными сегодня».

Проблемы и риски

Развитие любой новой технологии всегда сопряжено с определенными рисками и трудностями. В первую очередь технология пока не развита настолько, чтобы совсем заменить человека. К примеру, алгоритм понимает, какие смартфоны покупатель брал раньше и рекомендует ему что-то похожее. Но система не узнает, что его предпочтения изменились, что ему необходим менее дорогой вариант, что сейчас он стал блогером и теперь ему более интересны хорошая камера и приложения для ретуши. То есть человек еще не получает того персонального подхода, который дают консультации в офлайн-магазинах. Получается, алгоритмы всегда немного предвзяты – они берут на себя ответственность за предпочтения человека, который часто изменчив и иррационален. В итоге компаниям приходится тратить средства одновременно на совершенствование машинного обучения и тренинги персонала.

Другая проблема – приватность. Компании так или иначе собирают пользовательскую информацию, пусть и без привязки к персональным данным. Но периодически происходят ситуации, когда технологии врываются в личное пространство людей. Самый известный курьезный случай произошел недалеко от Миннеаполиса. Отец девочки-подростка выяснял отношения с сотрудниками сети Target из-за того, что они отправили ей email-рассылку, таргетированную на беременных. Оказалось, компания научилась определять беременность покупательниц по сторонним товарам: такие женщины чаще покупали неароматизированные лосьоны и брали пищевые добавки с магнием. Уже потом отец выяснил, что его дочь действительно была беременна, а компания из-за скандала приостановила общение с прессой. Любое нарушение приватности – это всегда высокие репутационные риски. А в случае новых и несовершенных технологий совершить ошибку довольно просто.

Еще одна трудность – дороговизна вычислительных мощностей. Чтобы планировать закупки, выстраивать точные рекомендации или разрабатывать персонализированный маркетинг, нужно анализировать огромные массивы данных. А поскольку технологии с каждым годом только развиваются, появляется необходимость не только обрабатывать Big Data, но и делать это очень быстро. Такие затраты могут очень долго окупаться, а это не всегда целесообразно. Чтобы понять, когда окупится любая подобная инициатива, нужно проводить масштабные исследования, а это, опять же, стоит больших денег.

Некоторые эксперты сейчас делают неутешительные прогнозы о том, что скоро искусственный интеллект приведет к массовой безработице, отсутствию приватности и ошибкам машин, за которые никто не несет ответственности. Другие, наоборот, уверены, что технология создаст новые рабочие места и снизит неприятные последствия человеческого фактора. Однако пока не все уверены, что существующие внедрения вообще можно считать искусственным интеллектом: ему еще не хватает знаний человеческой психологии и более комплексного подхода к решению задач.

Алина Толмачева при участии Романа Канунникова | RETAILER.ru

Подписывайтесь на наш канал в Telegram, чтобы первым быть в курсе главных новостей ритейла.

20 лучших примеров использования ИИ в ритейле

Процедура шопинга не меняется уже на протяжении многих лет: вы идете в магазин, ищете подходящий продукт и покупаете его. ИИ может полностью изменить традиционную торговлю и вывести ее на новый уровень. Вот самые яркие примеры, как искусственный интеллект используется в этой области уже сейчас.

1. Lowes использует роботов для навигации

Ориентироваться в магазине с электроникой довольно сложно, но Lowes создал LoweBot, который помогает клиентам находить нужные им предметы. Роботы перемещаются по магазину и задают покупателям простые вопросы, чтобы понять, что они ищут. Они могут показывать карты и даже давать советы клиентам, а также мониторить инвентарь, чтобы сотрудники магазина знали, какие товары необходимо пополнить.

2. Walgreens использует ИИ для отслеживания уровня распространения гриппа

Болеть гриппом неприятно, а иногда даже смертельно, если его не лечить должным образом. С правильной информацией люди могут предпринимать необходимые действия и предотвращать болезнь. Аптечная сеть Walgreens использует данные из множества антивирусных рецептов, чтобы определить уровень распространения гриппа. Интерактивная онлайн-карта не только помогает клиентам узнать, сколько людей болеют гриппом в их районе, но и позволяет Walgreens заказывать больше лекарств против болезни в зараженных областях.

3. Sephora помогает вам искать косметику

В магазине Sephora вы можете найти идеальную косметику, не нанося ее на свое лицо. Color IQ сканирует лицо покупателя и дает персонализированные рекомендации для оттенков тонального крема и консилера, а Lip IQ помогает найти идеальный оттенок помады.

4. North Face помогает клиентам найти идеальную куртку

Не знаете, какая вам нужна куртка? Зато North Face знает. Компания использует когнитивную вычислительную технологию IBM Watson, чтобы задавать вопросы о том, где вы собираетесь носить куртку и что будете в ней делать. На основе этой информации North Face делает персонализированные рекомендации по поводу того, какую куртку стоит купить.

5. Neiman Marcus использует ИИ для визуального поиска

Универмаг Neiman Marcus использует ИИ, чтобы помочь посетителям найти разные товары. Люди делают фотографии предметов, которые они видят в обычной жизни, а затем приложение Snap. Find. Shop. ищет похожие или такие же вещи в каталоге Neiman Marcus.

6. Taco Bell позволяет клиентам делать заказ в пути

Когда вы хотите тако, нет времени ждать. Taco Bell стал первым рестораном, который позволил клиентам заказывать еду при помощи ИИ. Tacobot работает со Slack, где покупатель и может сделать свой заказ.

7. Macy’s добавляет ИИ для более приятного шопинга

Вы когда-нибудь заходили в торговый центр и понятия не имели, что вы ищите? На помощь пришло приложение Macy’s On Call. Посетители могут спросить ИИ-бота, где находится определенный товар или есть ли он в наличии. Бот даже может определить настроение покупателя и попросить сотрудника магазина подойти к нему.

8. Walmart планирует использовать роботов для сканирования полок

Роботы в Walmart будут проверять полки на отсутствие предметов и правильность ценников. Так у сотрудников магазина будет больше времени на клиентов.

9. ThredUp использует ИИ, чтобы запомнить предпочтения клиентов

Комиссионный магазин ThredUp недавно выпустил Goody Boxes, в которых лежит одежда, адаптированная под стиль каждого покупателя. Алгоритм ИИ запоминает предпочтения посетителей, чтобы лучше заполнить их коробку в следующий раз.

10. Amazon заменила кассиров при помощи ИИ

Нельзя не упомянуть революционный магазин Amazon Go. Покупатели просто заходят в магазин, берут, что им нравится, и выходят, не расплачиваясь на кассе. Датчики и камеры в магазине определяют, что покупает клиент, и снимают деньги за покупку с его аккаунта в Amazon.

11. ИИ помогает Uniqlo читать мысли

В некоторых магазинах Uniqlo есть стойки UMood, которые показывают покупателям разные продукты и оценивают их реакцию на цвет и стиль при помощи нейропередатчиков. На основе реакций стойка рекомендует продукты. Посетителям даже не нужно нажимать на кнопки; достаточно просто сигналов их мозга.

12. West Elm объединяет стиль и товары

ИИ-инструмент West Elm Pinterest Style Finder сканирует доски клиента в Pinterest, чтобы понять их стиль, а затем создает список рекомендованных товаров для декора дома.

13. Sam’s Club делает оптовый шопинг простым

Сеть центров оптовой и мелкооптовой торговли недавно открыла новую ИИ-версию своего магазина Sam’s Club Now. Магазин использует ИИ, чтобы посетители могли делать покупки без необходимости проходить очередь к кассе. Приложение может даже прокладывать самый эффективный маршрут по магазину.

14. Olay использует ИИ для персонализации ухода за кожей

При помощи ИИ клиенты Olay получают персонализированные советы по уходу за кожей. Посетители делают селфи, а приложение Skin Advisor называет возраст их кожи. Оно оценивает здоровье кожи и дает рекомендации для проблемных областей.

15. Приложение Kroger кастомизирует рекомендации

Сеть супермаркетов Kroger тестирует идею умных полок. Когда покупатель ходит по магазину с открытым приложением Kroger, датчики определяют посетителя и выделяют продукты, которые могут его заинтересовать.

16. H&M использует ИИ, чтобы оценить популярность элементов одежды

Популярный магазин одежды H&M старается всегда быть в тренде. H&M использует ИИ для анализа чеков и возвратов, чтобы оценить покупки в каждом магазине. Алгоритм дает магазину знать, какие предметы следует больше рекламировать и дольше не убирать из коллекции в определенных локациях.

17. Zara экспериментирует с роботами, которые выдают заказ, сделанный в интернете

Многие любят покупать одежду в интернете и забирать ее в магазине. Магазин одежды Zara недавно начал использовать роботов, которые помогают клиентам забирать свой заказ. Посетитель вводит код покупки, а затем робот отправляется на склад в поисках необходимого продукта.

18. При помощи бота Starbucks проще заказывать кофе

Клиенты могут делать заказ в приложении My Starbucks Barista в дороге, а затем заезжать в кофейню и забирать его, пропуская очередь.

19. American Eagle создает примерочные будущего

Нет ничего хуже, чем зайти в примерочную и понять, что взял не тот размер одежды. Посетители American Eagle могут сканировать предметы, которые им нравятся, и смотреть, есть ли они в наличии. Сотрудники магазина получают уведомление, если покупателю нужно принести новую одежду в примерочную кабинку. Технология может даже давать рекомендации на основе того, что примерял клиент.

20. Rebecca Minkoff проектирует умный ИИ-магазин

Rebecca Minkoff – один из первых брендов, создавших «связанные магазины». В магазинах есть умные сенсорные зеркала, показывающие посетителям одежду. Затем покупатели могут примерить их в интерактивной примерочной с настраиваемыми вариантами освещения. Зеркала в примерочной используют технологию RFID; они автоматически знают, что примеряет посетитель, и говорят, есть ли в наличии другие цвета и размеры.

Материалы по теме:

Нашли опечатку? Выделите текст и нажмите Ctrl + Enter


eBay. 10 Советов, как увеличить продажи.

Независимо от того новичок ли вы в продажах на сетевом аукционе eBay или уже достаточно опытный Продавец, следующие 10 советов помогут вам повысить интерес к вашим лотам и соответственно поднять продажи.

1. Принимайте оплату наибольшим количеством способов.

Чем большим количеством способов вы принимаете оплату за покупки тем выше ваши шансы найти покупателя. Дело не в том, что удобно для вас, вопрос в том, что удобно для Вашего Покупателя. Есть много честных Покупателей, которые хотят оплатить товар не очень удобными для стран СНГ способами: коммерческими чеками, Money Order и т.д. продумайте себе схему, как их принимать.

2. Используйте только качественные фотографии.

Покупатели хотят видеть то, что они покупают. Причем со всех сторон. Постарайтесь,чтобы ваши снимки были качественными, сделаны крупным планом и полностью создавали представление о товаре. При съемке используйте естественное или искусственное освещение и нейтральный фон. Читайте статью: «Делаем фотографии товара».

3. Ваше описание должно быть полным и лаконичным.

Постарайтесь всесторонне и детально описать достоинства и недостатки товара. Составляя описание представьте себе какие вопросы могут возникнуть у Покупателей и постарайтесь ответить на них.

4. Поработайте над вашей репутацией.

Ваши отзывы — это ваша репутация. Практически нет Покупателей, которые бы делали покупки не ознакомившись с персональными отзывами Продавца. Высокий положительный рейтинг не только привлечет большое количество Покупателей, но и сделает их покупки у вас более комфортными. Так, что постарайтесь,чтобы каждый Покупатель оставался довольным вами и оставлял вам положительный отзыв.

5. Обеспечьте хорошую информационную поддержку.

То, что вы не можете встретиться с Покупателем или поговорить с ним лично по телефону не значит, что он должен почувствовать нехватку информации. Быстрые и точные ответы на вопросы обеспечит практически 100% гарантию продажи лота. А если вы будете медлить с ответами на вопросы, то Покупатетели могут просто потерять интерес к вашему товару.

5. Обеспечьте хорошую информационную поддержку.

То, что вы не можете встретиться с Покупателем или поговорить с ним лично по телефону не значит, что он должен почувствовать нехватку информации. Быстрые и точные ответы на вопросы обеспечит практически 100% гарантию продажи лота. Если вы будете медлить с ответами на вопросы, то Покупатетели могут просто потерять интерес к вашему товару.

6. Откройте «eBay Store».

Ваш магазин на аукционе поднимет ваши возможности перед остальными Продавцами. На серьезные стабильные продажи можно рассчитывать только при наличии eBay Store. Те специальные возможности, которые предлагаются аукционом владельцу eBay Store практически всегда позволяют поднять продажи. А также вы имеете место на eBay, где все ваши товары представлены без конкуренции.

7. Используйте опцию «Buy it Now».

Многие Покупатели не любят торговаться и ждать окончания торгов. Им необходимо дать возможность купить товар сразу без торга. Это поможет вам сделать опция «Buy it Now». Может это и не принесет вам сверхприбылей, зато поднимет ваш товарооборот, т.к. вы получите оплату раньше, а Покупатели свой товар быстрее.

8. Размещайте лоты в нескольких категориях.

Размещение Вашего лота сразу в нескольких категориях (если он подходит к ним) несомненно поднимет его популярность. Также популярности могут добавить другие дополнительные опции, предлагаемые eBay при выставлении лота.

9. Попробуйте сократить длительность аукциона.

Некоторые ошибочно предполагают, что чем на большее время выставлен лот тем выше шансы получить за него хорошую цену. Часто это не так. Особенно с товарами спрос на которые стабильно высок. Сокращение длительности аукциона на такие товары может значительно повысить спрос на них. Поэкспериментируйте с этим.

10. Предоставляйте гарантии.

Гарантия на товар, гарантия возврата товара обязательно добавит вам респектабельности, Покупателю уверенности, а лоту популярности. При оформлении лота вынесите ваши гарантии на видное место.

Как увеличить продажи при помощи искусственного интеллекта: 3 проверенных инструмента для fashion

По данным исследования, проведенного MIT Technology Review, более 80 проц руководителей компаний считают, что искусственный интеллект может помочь в развитии бизнеса: с одной стороны — уменьшить влияние на бизнес-процессы человеческого фактора, с другой – лучше узнать свою целевую аудиторию и максимально сориентировать бизнес на клиента. Тысячи компаний самых разных профилей уже внедряют решения искусственного интеллекта в свои бизнес-процессы. Не исключением стала и индустрия моды: по статистике 75 проц fashion — компаний в 2020—2020 годах планируют вкладываться в искусственный интеллект и намерены применять технологии из сферы цифровых стартапов.

Рассмотрим три проверенных ИИ-инструмента, которые уже используют как крупные корпорации, так и небольшие fashion-бренды, чтобы привлечь клиентов и повысить продажи. Об этом — в аналитическом обзоре специально для FashionUnited, который подготовила Ксения Широкова, COO Sarafan Technology Inc, компании-разработчика искусственного интеллекта по распознаванию fashion и beauty продуктов на фотографиях и видео в Интернете.

1. Поиск товаров по фотографии

Одна из главных проблем крупных онлайн-магазинов – сложная навигация, зачастую пользователю трудно найти среди тысячи товаров нужную вещь. Продавца-консультанта рядом нет, и никто не может подсказать, где можно найти зеленое платье в горох с рюшами на плечах. Не всегда помогают и фильтры – по ним можно сузить поиск, но найти конкретную модель очень сложно. Исследование от Shopify подтверждает, что 80 проц пользователей покидают сайт, потому что так и не разобрались в каталоге магазина. Чтобы помочь потенциальным покупателям найти желаемый товар в онлайн-магазине, крупные ритейлеры встраивают в свои Интернет-площадки поиск по фотографиям, работающий на базе технологии компьютерного зрения. Среди новаторов американские E-Bay и Amazon, российский Avito. Не отстают и fashion-ритейлеры. Так покупатели британского бренда Asos могут загрузить снимок с желаемым образом в мобильное приложение, ИИ за долю секунды подбирает подобные варианты в ассортименте магазина. По тому же принципу работает и специальная функция в приложениях российских ритейлеров La Moda и Wildberries. По словам представителя компании La Moda, поиск по картинке – идеальный инструмент для так называемых «скрытых модников» — покупателей, которые интересуются модой и хотят соответствовать трендам, но не готовы посвящать много времени онлайн-шопингу.

Поиск товаров по фотографии может помочь не только удержать пользователя на сайте и повысить продажи, но и привести целевой трафик в интернет-магазин. Так, наша технология Sarafan.AI распознает одежду и обувь на фотографиях в Интернете и находит похожие варианты в онлайн-магазинах. Все варианты выводятся в виджете под фотографией на сайте-партнере. Читателю достаточно нажать на кнопку «Купить такой образ», выбрать понравившуюся модель и перейти по ссылке в виджете в интернет-магазин. В результате ритейлер получает приток заинтересованных покупателей, которые уже знакомы с товаром и готовы к покупке.

2. Коммуникация с клиентом

Другая область, в которой набирают популярность высокие технологии, – это онлайн-общение с клиентами. Аналитики из Microsoft подсчитали, что к 2020 году 50 проц запросов в ритейле будет обрабатываться при помощи ИИ-ботов. И причины не только в том, что, используя ИИ-технологии, можно снять с сотрудников часть рутинных задач по ответам на стандартные вопросы и предоставить пользователям качественную поддержку 24/7. ИИ-боты собирают анализируют данные по истории посещений и проведенному на сайте поиску и заранее выстраивают схему общения с определенным пользователям, зная, что ему предложить.

Один из первых fashion-ритейлеров, который внедрил функцию чат-бота на основе ИИ на своей официальной странице в Facebook, – это американский онлайн-магазин American Eagle. Работа бота построена в формате игры, на первом этапе он предлагает поучаствовать в небольшом опросе, посвященном определенной категории товаров, а потом предлагает по две фотографии товара в разных стилях на выбор. После двух-трех этапов отбора-игры бот может проанализировать вкусовые предпочтения своего собеседника и предлагает оптимальные для него варианты. Ищет он и одежду по фотографиям. Перед праздниками бот проводит квиз, в ходе которого предлагает идеи для подарков из ассортимента онлайн-магазина. По итогам нескольких недель чатботы обработали более миллиона запросов и привлекли аудиторию в два раза большую, чем количество подписчиков во всех профилях бренда в социальных сетях.

Компания «North Face» на сайте своего онлайн-магазина использует чат-бот, который подсказывает пользователям, какую куртку лучше купить. В основе бота – решение для обнаружения и анализа данных от агентства Watson. Чтобы найти нужный вариант куртки ИИ-бот задает пользователю всего три вопроса: он узнает, для какого сезона и климата человек подыскивает обновку, а также уточняет, мужчина или женщина перед ним. Позднее все полученные данные Watson использует для составления психолингвистического профиля пользователя.

3. Анализ поведения пользователя на сайте

Удержать пользователя на сайте – одна из главных задач онлайн-ритейлера. Последние разработки в сфере ИИ позволяют мгновенно модифицировать сайт под запросы пользователя. Итальянский бренд нижнего белья Cosabella использует для этой цели SaaS-решение от компании Sentient. Искусственный интеллект анализирует поведение пользователя на сайте и в режиме реального времени меняет дизайн основных элементов страницы для того, чтобы определить, при каком цвете кнопок, заголовках и размере изображений пользователь проводит на сайте больше времени и чаще совершает покупки. Так, например, ИИ определил, что розовый цвет кнопки «Купить» больше нравится пользователям — количество конверсий с розовой кнопкой оказались выше на 34,9 проц. Sentient также определил, какие заголовки всплывающих сообщений работают эффективнее. Как оказалось, вовсе не анонс специальных скидочных акций или бесплатной доставки, а информация о том, что Cosabella — это семейный бизнес, существующий с 1983 года. Согласно отчетным данным Cosabella после ИИ- аналитики сайта и его изменения продажи бренда выросли на 35,6 проц. В настоящее время Cosabella анализирует при помощи искусственного интеллекта реакцию пользователей на e-mail рассылку бренда. После успешных тестов руководство Cosabella решилось доверить все маркетинговые операции технологиям искусственного интеллекта. Так рекламой бренда занимается ИИ Альберт, все модерации на сайте теперь возложены на Sentient.

Cosabella не пионер в использовании ИИ для анализа поведения пользователей на сайте. Еще в 2020 году американский бренд FlyPolar протестировал в своем онлайн-магазине решение Ascend. ИИ изменял дизайн четырех страниц сайта: цвет и размер кнопок, шрифт, расположение заголовков и полей с информацией о доставке, размерах и составе изделия. Всего за три недели тестирования трафик страницы оформления заказа увеличился на 16 проц, средняя стоимость заказов — на 13 проц.

Автор: Ксения Широкова, исполнительный директор компании Sarafan Technology Inc

Фотография предоставлена Sarafan Technology Inc

Будущее уже здесь. Как искусственный интеллект меняет рынок ритейла?

Интернет-шоппинг — явление уже привычное для многих из нас. Попадая в онлайн-магазин одежды, мы в 90% случаев увидим стандартную картину: каталог с выборкой товаров в виде сетки, краткие описания, фотографии и строку поиска. Это в меру удобно, если вы пришли за конкретной покупкой и уверены в своем выборе. В противном случае вы рискуете заблудиться в каталоге товаров, потратить время зря и уйти ни с чем.

Разработчики и маркетологи сферы e-commerce постоянно стремятся улучшить механизмы интернет-магазинов, изучая процесс: как покупатели ищут нужные им продукты, с какими препятствиями сталкиваются и чем им можно помочь, чтобы увеличить количество продаж и сделать процесс покупки приятным и полезным. С такой задачей столкнулась и компания NorthFace, разрешив ее с помощью выхода за рамки веб-технологий в сторону искусственного интеллекта.

Справка: NorthFace – компания с 48-летней историей (США), ритейлер, который специализируется на продаже одежды для активного отдыха: куртки, обувь, рюкзаки. Главный офис в Аламеде (Калифорния), около 60 магазинов по всей стране. Также есть магазины в других странах, включая Канаду и Великобританию.

Кол Бушар, директор по online-продажам компании NorthFace:

Мы разработали систему поиска товаров и навигации по сайту, но потребитель все равно должен был прилагать усилия, чтобы найти товар. Мы же хотели предложить покупателю советчика, некий сервис. Чтобы покупатель увидел наше предложение и решил: Да, это то, что мне нужно. Это то, что я хочу.

Представьте, что клиент магазина пришел на сайт за курткой: в каталоге NorthFace находится 353 варианта. Покупатель, скорее всего, запутается уже на десятой карточке товара, пытаясь найти нужную вещь по ряду параметров: какую защиту предоставляет куртка, вес, внешний вид.

Здесь банальный сервис «добавь в корзину и рассчитайся» не работает, потому что клиент хочет получить ответ на вопросы и индивидуальный подход, не отвлекаясь на поиск информации в Google.

В обычном магазине с этим вопросом может помочь продавец-консультант, но как возможно персонализировать процесс покупки в сети? Одно из решений — использование когнитивных технологий, которые создает и продвигает компания IBM.

Суперкомпьютер IBM Watson кому-то из нас уже знаком: в 2011 году он обыграл двух знатоков телевикторины «Jeopardy» (прототип «Своей игры») Бреда Руттера и Кена Дженнингса. Далее Watson нашел свое применение в диагностике: его вычислительная мощь использовалась для анализа колоссальной базы медицинских статей и историй болезней пациентов.

IBM Watson показал гибкость своей интеграции: компьютер, подобный по своей структуре и продуктивности человеческому мозгу, помогает выносить решения в сфере финансовой аналитики и информационной безопасности, обрабатывая терабайты данных.

А любителям экстремального отдыха IBM Watson помогает не замерзнуть и выбирать лучшее снаряжение «по погоде» в интернет-магазине NorthFace.

«Разобраться во всех этих куртках сложно, ведь они все предназначены для разного»,— говорит Кол Бушар. – Искусственный интеллект (ИИ) наиболее эффективен, когда вы сталкиваетесь с ситуацией большого выбора. Все-таки это компьютер, и его возможности в данном случае выше человеческих.»

Специально для NorthFace был создан умный консультант на основе IBM Watson и платформы для разработки программного обеспечения Flu >в диалог с искусственным интеллектом, учитывающим все потребности клиента. «Консультант» на базе искусственного интеллекта понимает нашу речь и постоянно учится — это уникальное решение на рынке розничных продаж, и именно поэтому за новой разработкой пристально следят конкуренты.

Посмотрим, как он работает : на видео мы наблюдаем за президентом North Star Тоддом Спалетто, планирующим путешествие с рюкзаком в Йосемитский национальный парк в середине июня. ИИ-консультант подбирает Тодду куртку из дышащего материала, учитывая погодные условия: шанс на дождь составляет всего 3%.

Как это работает?

На фото: так выглядит интерфейс ИИ-консультанта

  • Во-первых, система XPS анализирует максимальный объем данных, связанный с искомой категорией товара, моментально обучаясь и становясь личным экспертом.
  • Далее ИИ-консультант вовлекает клиента в диалог, задавая вопросы подобно продавцу-консультанту (Когда и где вы будете носить куртку? Чем будете заниматься? Ожидаются ли осадки?), после чего предлагает варианты.
  • ИИ-ассистент ведет естественный диалог таким образом, чтобы как можно быстрее привести покупателя к продукту, точно подходящему под требования и нужды.

«Я думаю, ИИ – это то, что изменит правила игры.– рассуждает Бушар. – Пока мы делаем первые шаги. Это пока не изменило наш бизнес, но изменит правила игры. Мы не заинтересованы в быстром увеличении продаж. Мы хотим привлечь людей к нашему бренду. Этот сервис изменит принцип покупок в интернет-магазинах в ближайшие 5 лет.»

Тестирование XPS велось 12 месяцев. Команда Бушар собирала данные, помогая системе учиться. Искусственный интеллект от IBM изучал информацию о продуктах из каталога и вникал в технологические аспекты производства одежды (например, что такое Gor-Tex). Спустя год было проведено закрытое тестирование для фокус-группы пользователей и уже через месяц «умный консультант» стал доступен для всех клиентов. В итоге, 75% пользователей остались довольны работой ИИ-консультанта и сообщили о том, что воспользуются его услугами снова.

Система выстроила свою логику и продолжает улучшаться изнутри, позволяя коллективу North Face строить планы о дальнейшем улучшении покупательского сервиса. Бушар с коллегами работают над улучшением дизайна для мобильных приложений, а также готовятся к рождественским распродажам в этом году: планируется запустить более продвинутую версию сервиса. Обновленный ИИ-ассистент будет не только рекомендовать куртку, но и подробно рассказывать о технологиях производства, делиться ссылками на полезную информацию в блогах и на других интернет-ресурсах.

ИИ-ассистент сейчас запущен на сайте North Face. В разделе «куртки и жилеты» кликните на «Покупки с IBM Watson», и опробуйте искусственный интеллект в деле !

Мнения экспертов

Джек Каган, независимый аналитик в сфере ритейла, заявил, что NorthFace– пионер в области использования ИИ в ритейле: «ИИ – один из самых интересных трендов в сфере торговли. И со временем данные технологии будут развиваться. NorthFace делает первые попытки. Однако передовые бренды будут использовать ИИ в качестве конкурентного преимущества, когда рынок их догонит.»

Роб Эндерл, аналитик Enderle Group говорит, что технология позволит компаниям предоставлять своим клиентам более персонализированный подход к покупкам. «Это позволит максимально оптимизировать покупательский опыт в массовом масштабе.»

Топ-пост этого месяца:  Как отключить файл в родительской теме и избежать ошибки Fatal error Cannot redeclare
Добавить комментарий