Λιανικές πωλήσεις την εποχή της Τεχνητής Νοημοσύνης (ΑΙ)

Σύνταξη: ecozen.gr

Η τεχνητή νοημοσύνη (AI) είναι μια έννοια για την οποία δεν έχουμε ακόμη καθαρή εικόνα και σημαίνει διαφορετικά πράγματα σε διαφορετικούς ανθρώπους. Σε γενικές γραμμές, η τεχνητή νοημοσύνη έχει  να κάνει με μηχανές που είναι σε θέση να προσομοιώνουν ευφυή συμπεριφορά ή να μιμούνται ανθρώπινη συμπεριφορά, δηλαδή, αισθήσεις και λογική, να δρουν και να προσαρμόζονται. Ένας από τους πιο διαδεδομένους τρόπους που χρησιμοποιούν την τεχνητή νοημοσύνη παγκόσμιοι οργανισμοί λιανικής πώλησης είναι μέσω της μηχανικής εκμάθησης. Η διαφορά είναι ότι με τη  μηχανική  μάθηση τα συστήματα μπορούν  να αναγνωρίσουν μοτίβα από δεδομένα και με ορθή διαχείριση να μάθουν από αυτά τα δεδομένα να εκτιμούν ή και να κάνουν προβλέψεις ώστε να βελτιώσουν την απόδοσή τους. Με τον τρόπο αυτό οι εταιρίες λιανικής μπορούν να κερδίσουν προσωποποιημένη αλληλεπίδραση (engagement) με τους χρήστες, προσφορές και να αναπτύξουν τις υπηρεσίες και τα προϊόντα τους.

Η περίπτωση της AmazonGo

Πρόσφατο παράδειγμα των παραπάνω αποτελεί το AmazonGo και η τεχνολογία «Justwalkout» που χρησιμοποιεί υπολογιστική όραση και πολυαισθητηριακή συγχώνευση πληροφοριών η οποία υποστηρίζεται από μηχανική μάθηση (σε αυτή την περίπτωση βαθιά μάθηση) όμοια με αυτήν της λειτουργίας αυτόματης οδήγησης. Στην περίπτωση της αυτόματης οδήγησης, τα αυτοκίνητα φέρουν αισθητήρες που δημιουργούν δεδομένα ώστε να οδηγούν σε πραγματικό χρόνο και να βελτιώνουν την οδήγηση με το πέρασμα του χρόνου. Στα καταστήματα AmazonGo, τα συστήματα παρακολουθούν και παρατηρούν τους καταναλωτές από τη στιγμή που μπαίνουν στο κατάστημα έως τη στιγμή που αποχωρούν από αυτό και προβλέπουν τη συμπεριφορά τους. Τα συστήματα απαντούν συνεχώς στο ερώτημα «ποιος αγόρασε τι» και βάσει όσων «βλέπει» ο υπολογιστής (τι αγόρασε κάποιος, τι άφησε στο ράφι κοκ.) σε συνδυασμό με δεδομένα ιστορικού αγορών, χρεώνουν τον καταναλωτή μέσω της αντίστοιχης εφαρμογής και ενημερώνουν τα συστήματα διαχείρισης αποθεμάτων.

Data, ο νέος “χρυσός” στο Retail

Πριν από μερικές εβδομάδες, ο Ramin Ahmari, ιδρυτής της startup εταιρείας Finesse είχε τη φαεινή ιδέα να βάλει ρομπότ να δουλέψουν για έναν πολύκροτο “γάμο” στο retail, του Zara με το Netflix με τη δημοφιλή αλυσίδα ρούχων και αξεσουάρ να δημιουργεί τα προϊόντα που το κοινό-στόχος (τα άτομα δηλαδή της γενιάς Ζ) επιθυμεί να αγοράσει, όταν το θελήσει και στις ποσότητες που απαιτούνται λύνοντας το πρόβλημα της υπερπαραγωγής προϊόντων και της κατάληξής τους σε χώρους υγειονομικής ταφής. Μέσω της μηχανικής μάθησης τα συστήματα μπορούν να αναγνωρίσουν μοτίβα από δεδομένα των φανατικών του Netflix και με ορθή διαχείριση να μάθουν από αυτά τα data να εκτιμούν ή και να κάνουν προβλέψεις ώστε να βελτιώσουν την απόδοσή τους. Με τον τρόπο αυτό οι εταιρείες λιανικής μπορούν να κερδίσουν προσωποποιημένη αλληλεπίδραση (engagement) με τους χρήστες, να προβούν στις αντίστοιχες προσφορές και να αναπτύξουν περαιτέρω τις υπηρεσίες και τα προϊόντα τους.

Με ποιο τρόπο μπορεί η τεχνητή νοημοσύνη να βελτιώσει το λιανεμπόριο;

Χάρις στις εφαρμογές ΑΙ, τα δεδομένα συλλέγονται και αξιοποιούνται με τέτοιο τρόπο κατά τη διαδικασία αλληλεπίδρασης των χρηστών με το e-shop, ώστε στην επόμενη φάση, οι διαφημίσεις, στις οποίες «εκτίθενται», να είναι προσωποποιημένες και να ικανοποιούν τις πραγματικές τους επιθυμίες. Στη δεύτερη φάση, και στο στάδιο της αγοράς προϊόντων, αξιοποιείται το Voice Assistance (Φωνητική βοήθεια), ένα εργαλείο καθοδήγησης του χρήστη έτσι ώστε να αναζητήσει και να εντοπίσει εύκολα και απλά τα προϊόντα που επιλέγει και να ολοκληρώσει με επιτυχία την παραγγελία του.
Οι δυνατότητες της Τεχνητής Νοημοσύνης σε σχέση με το E-Commerce δεν σταματούν εδώ. Χρησιμοποιώντας το Customer-Centric Visual Search, δηλαδή την Πελατοκεντρική Οπτική Αναζήτηση, το e-shop μπορεί να σερβίρει πιο σοφιστικέ προτάσεις προϊόντων που αφορούν και ενδιαφέρουν το χρήση, παρέχοντάς του μια συνολικά πιο αναβαθμισμένη online εμπειρία με αυξημένες πιθανότητες να προχωρήσει στην κατάλληλη αγορά για αυτόν.
Τέλος η Τεχνητή Νοημοσύνη ενισχύει και κάνει πιο αξιόπιστη την Πρόβλεψη των Πωλήσεων (Sales Forecasting) και φυσικά τη Στόχευση εκ νέου Δυνητικών Πελατών (Re-targeting Potential Customers).