Искусственный интеллект в ритейле: как его уже сейчас применяют, и какие выгоды из этого извлекают

Alibaba готовит масштабные трансформации ритейла, а технологии искусственного интеллекта уже заходят на территорию творческих профессий и готовы составить им конкуренцию.

 

Чтобы не упустить потенциальную выгоду, найти возможности использования ИИ в вашей компании и легко ориентироваться во всём многообразии решений ниже приведена некая систематизация областей применения искусственного интеллекта.

 

Всего выделяют 4 крупных области:

Хочу отметить, что такое разделение довольно условное, но поможет нам раскрыть потенциал использования ИИ в ритейле и как-то «уложить» в голове все области его использования.

 

Кратко рассмотрим каждую область применения искусственного интеллекта.

 

 

Основной тренд в развитии коммуникаций между брендом и покупателем состоит в создании как можно более персонализированного контента для каждого клиента и индивидуального товарного предложения.  Искусственный интеллект может помочь создать персонализированный опыт, как в онлайн-канале, так и в обычном магазине. Для этого можно задействовать чатботы, а также предоставление покупателю возможности покупок при помощи голоса, а не набором на клавиатуре. 

 

Использование голосового общения с покупателем возможно не только в онлайн, но и в обычном магазине, к примеру, в примерочных кабинах голосовые команды могут быть использованы для того, чтобы покупатель заменил неподходящую вещь, попросить принести другой размер и многих других возможностей. Голосовые команды преобразуются в текст и передаются на склад, на компьютер продавцу, а он уже в свою очередь сразу видит в базе, есть ли такой товар или нет. Если запрашиваемый товар есть, то он его принесёт, а если его не окажется в магазине, то система подборов луков поможет подобрать подходящую вещь, и продавец сможет её предложить покупателю.

 

Почему сейчас так важна персонализация в разных областях ритейла? Начнём с продаж через мобильные устройства.

 

Продажи в мобильном канале очень быстро растут, всё больше людей делают покупки с мобильных устройств, но несмотря на это конверсия там сравнительно невысокая, поэтому ритейлерам необходимо увеличивать конверсию в этом канале, чтобы добиться высоких результатов продаж. Персонализация предложения – один из ключевых моментов увеличения продаж.

 

Другая проблема, которую поможет частично нивелировать персонализация, это то, что мобильные устройства имеют небольшие экраны, а это означает, что одновременно можно предоставить только ограниченное количество продуктов на экране. Покупатели видят меньше продуктов при совершении покупок на своем мобильном устройстве, чем при просмотре на ноутбуке или настольном компьютере, следовательно, покупают меньше, поэтому нужно повысить конверсию и показывать только то, что идеальным образом подходит для конкретного покупателя. 

 

 

Люди всё больше хотят получать бесшовный опыт во всех каналах. Они хотят начинать покупку в одном месте. К примеру, в интернет-магазине, а закончить её в обычном магазине. В идеале они хотят получить индивидуальный подход, как в онлайне, так и в офлайне.  Сейчас уже становится возможным получить метрики поведения покупателя в разных каналах продаж, включая офлайн канал и составить более полное представление о его потребностях. Количество метрик нарастает стремительно и с ними под силу разобраться только технологиям искусственного интеллекта, которые хорошо справляются с кластеризацией, выявлением нужных характеристик человека, на которые можно потом воздействовать при помощи маркетинговых инструментов.

 

У любой программы лояльности есть всегда два узких места, первое – если база клиентов большая, то сегментировать её – адский труд, а качество этой сегментации всегда невысокое по причине того, что клиенты оставляют порой неполные данные, да и запросить много данных у клиента для качественной сегментации не получается, т.к. никто не хочет заполнять анкету длиною в 20 вопросов. 

 

Но предположим, что нам каким-то чудесным образом удалось сегментировать базу, пусть там будет всего два сегмента. Что мы делаем с этими сегментами? Мы придумываем для них модель поведения, основываясь на своих же представлениях. Но зачастую люди себя ведут совсем по-другому. ИИ довольно легко справляется с сегментацией базы, т.к. он в состоянии отследить поведение, буквально, каждого клиента и уже на базе этого анализа сможет сделать индивидуальное предложение и сегментов таких он нарежет тысячи, были бы для этого только много исходных данных. Чем больше данных, с которыми работает технология искусственного интеллекта, тем точнее будут прогнозы и выходные данные.

 

И наконец, рекламный шум научил потребителя не обращать внимания на то, что ему в данный момент неинтересно, поэтому огромное количество рекламы, просто, остается незамеченным потребителем. 

 

Обратите внимание, за сколько секунд вы закрываете ненужный баннер, как правило, вам на это нужны даже не секунды, а доли секунды, это значит, что вы точно даже не успели ознакомиться с содержанием этого баннера. А индивидуальное предложение, безусловно, существенно повышает вероятность продажи, люди обращают на него внимание в разы чаще и продажи от этого увеличиваются. 

 

Всем нам хочется, чтобы к нам относились как-то по-особенному, ценили наши потребности и учитывали нашу индивидуальность. Такой подход хорошо работает в маленьких нишевых магазинах. Когда продавец знает каждого покупателя в лицо, а в магазинах, в которые заходят тысячи человек в день, это невозможно. Но это невозможно для обычного продавца, а для магазина, снабжённого технологией искусственного интеллекта – это вполне рутинная и посильная задача. 

Подводя итог этому блоку можно сказать, что качество взаимодействия с покупателем растёт непрерывно, улучшаются все характеристики взаимодействия, также появляются новые возможности персонализированного контакта и предложения, стоит очень пристально наблюдать за этим направлением.

 

 

Онлайн ритейлеры, такие как Amazon, могут быстро изменить цену миллионов товаров в ответ на потребительский спрос или ценовую конкуренцию, и эта способность оставляет их традиционных розничных конкурентов далеко позади, когда дело доходит до их сопоставления с ценой Amazon. Услуги ИИ от сторонних поставщиков могут помочь традиционным ритейлерам в автоматической корректировке цены на основе рыночных условий и других данных, таких как погодные условия, праздники, распродажи, рекламные акции конкурентов и огромное количество других факторов.

 

Чем больше данных вы сможете ввести для анализа, начиная от очевидных,  таких как погодные условия, автомобильный трафик в городе, общерыночных условий, цен конкурентов, в конце концов, даже можно сканировать заболеваемость гриппом в городе, всё это может пойти «в пищу» ИИ, на основании чего он в состоянии сделать прогноз и дать вам рекомендацию по установлению нужной стоимости товара. 

 

Достигается невероятная автоматизация. Так, при помощи ИИ могут быть установлены индивидуальные цены не только для товара и для каждого канала распространения, но и для каждого магазина с учётом его месторасположения, ситуации, которая складывается вокруг этого конкретного магазина.

 

Вы скажете, что нам с того, что можно быстро менять цены? Ответ напрашивается сам собой — это значительное увеличении маржинальности и оборота товара. Вы скажете, что для онлайн торговли это подходит, но для обычных магазинов не категорически подходит, т.к. нет возможности так быстро менять ценники. И для такой ситуации уже есть своё решение – электронные ценники. Раньше внедрение электронных ценников оценивалось только в удобстве их использования по сравнению с бумажными и при тщательных расчётах получалось, что они окупятся лет эдак через 5 и поэтому они не получили широкого распространения. 

 

Но теперь совсем иная история. При электронных ценниках для офлайн ритейлера становится возможным система динамического ценообразования с высоким уровнем прогноза по цене каждого товара. И тогда становится понятным, что электронные ценники могут окупиться значительно быстрее и стать важным маркетинговым инструментом.

 

Очень важная и интересная задача, которая решается при помощи ИИ – это определение начальной цены для нового продукта, который не имеет истории продаж. Это очень значимо для любого рынка, но в особенности для рынка фэшн, когда каждый сезон выходят новые модели и вопрос цены непраздный, т.к. можно установить либо очень низкую стоимость и прогадать в объёме выручки или слишком высокую и тоже дать промах, но уже с объёмом продаж. И то и другое ведёт к потере денег. Искусственный интеллект в состоянии дать довольно точный прогноз о начальной цене, и чем больше сезонов он анализирует продаваемый товар, тем точнее будет прогноз.

 

Стартап Wise Athena (США) разработал приложение, которое помогает на основе машинного обучения прогнозировать цены и спрос для компаний, которые продают товары повседневного спроса. 

 

Мы знаем сколько происходит рекламных акций в магазинах, продающих подобный товар.  Зачастую более 50% всех товаров продаётся по акциям. Как порой не просто принять решение о начале той или иной акции, потому что нужно принимать во внимание очень много обстоятельств – эластичность спроса, регион, цены конкурентов, издержки и многое другое и в итоге оценить результативность этой акции с учётом влияния на будущее поведение клиентов и продаж. И всё это желательно делать в режиме реального времени, чтобы быстро вносить коррективы в акции. При помощи инструментов, основанных на ИИ, можно очень серьёзно увеличить отдачу от рекламных акций.

 

Ежегодно на рынок выходят десятки новых технологических решений в этой сфере. Стоит за ними наблюдать и после тщательного изучения принимать «на борт», чтобы не отставать от конкурентов. Стоит также всегда помнить, что применение новых технологий имеет часто взрывной рост, – ещё вчера все пользовались кнопочными телефонами Nokia, а сегодня уже у всех смартфоны и только старожилы с чувством тоски вспоминают старую добрую Nokia. Поэтому в первую очередь смотрите не на ближайших конкурентов, а на глобальных лидеров ритейла и что у них происходит в смысле развития технологий.

 

Автор: Борис Агатов