Оригинал этого моего материала и других материалов Агентства Искусственного Интеллекта размещён здесь.
Искусственный Интеллект в розничной торговле используется по полной программе, начиная от 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 варианты использования мы разобьём на следующие категории:
- Продажи и CRM-системы.
- Рекомендации клиентов.
- Производство.
- Логистика и доставка.
- Платежи и платежные услуги.
Инновации могут быть 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 будущем электронной коммерции.
Продажи и CRM-системы
Итак, начнём с самого важного для розничной торговли — продаж и CRM-систем.
Pepper Robot
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 обрёл 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
Программное обеспечение Conversica представляет из себя ассистента по продажам. Нужен такой ассистент для автоматизации и улучшения процесса продаж за счёт выявления и общения с лидами в интернете. Компании, которые занимаются продажами и управлением утверждают, что в результате отправки правильных предложений уровень вовлечённости составил 35 %.
Вот, например, вариант использования от Star2Star Communications, которая создала своего торгового представителя, работающего на базе Conversica. Представитель получил имя Рэйчел. Запущен был он в далеком 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 перекрёстных 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
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 подберёт 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
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 определённого объёма заданных критериев Искусственный Интеллект может немного «подвиснуть», делая выводы и создавая предложение из заданных критериев.
Производство
Бережливое производство
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 аналитику и 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 программный продукт GE Plant Applications, который даёт возможность руководству собирать данные на протяжении всего производственного процесса. Это позволит уменьшить количество дефектов и увеличить производительность.
Gakushu — программа для обучения
Программное обеспечение Gakushu от Fanuc предназначено для обучения и устанавливается в роботов для того, чтобы ускорить вычисления по определённой 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.
Способность роботов приспосабливаться к условиям окружающей среды в реальном времени и изменять процесс производства, может повысить его эффективность на 15 %, 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 робота движениям и обеспечить их повышенную стабильность. Команда Tesla приобрела 600 роботов Fanuc для своего завода во Фримонте. На основании 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)
Прототип этой разработки может поддерживать пищу и напитки на требуемом уровне температуры. 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. Но, возможно, что в ближайшие 10 лет подобные технологии будут развиваться стремительными темпами.
Дроны Amazon
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 весом до 2.27 кг будут доставляться в течение 30 минут.
Первый 13-минутный беспилотный полёт устройства от Amazon состоялся в декабре 2016 года. В настоящее время Amazon занимается разработкой и улучшением безопасности и надёжности их 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
Это магазины без кассиров. Покупатель просто регистрируется, берёт 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
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 платёжной 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 составляет 0.32 %. А это на 1 % меньше среднего показателя.
Мошенничество
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 США продолжает набирать массу в процентах от розничных продаж.
Заключение
Многие считают, что технологии Искусственного Интеллекта слишком медленно внедряются в розничную торговлю. Мы считаем, что «бум» Искусственного Интеллекта в торговле произойдёт через 5 лет, когда большинство компаний создаст 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.
