Quand l'IA répond à votre expérience de magasinage, elle sait ce que vous achetez - et ce que vous devriez acheter

Anonim

Que vous fassiez vos achats en ligne ou en magasin, votre expérience de vente au détail est le dernier champ de bataille de l'intelligence artificielle (IA) et de la révolution de l'apprentissage automatique.

Les principaux détaillants australiens ont commencé à réaliser qu’ils avaient beaucoup à gagner à mettre au point leur stratégie en matière d’IA, l’un d’entre eux recrutant actuellement un responsable de l’IA et de l’apprentissage automatique, soutenu par une équipe de scientifiques.

WooliesX, la nouvelle division de Woolworths, a pour objectif de rassembler un groupe diversifié d’équipes, notamment en matière de technologie, d’expérience numérique client, de commerce électronique, de services financiers et d’expérience client numérique.

Tout sur le crunching des données

Pour comprendre les opportunités et les menaces pour tous les principaux détaillants, il est utile de comprendre pourquoi l’intelligence artificielle est à l’ordre du jour. Deux choses cruciales ont changé depuis les premières incursions dans AI il y a des décennies: la puissance des données et de l'informatique.

La puissance informatique est facile à voir. Le smartphone dans votre main a des millions de fois plus de puissance de calcul que les ordinateurs encombrants d’il ya plusieurs décennies. Les entreprises ont accès à une puissance de calcul quasi illimitée pour former leurs algorithmes IA.

L’autre ingrédient essentiel est l’ampleur et la richesse des données disponibles, en particulier dans le commerce de détail.

Les systèmes d’intelligence artificielle - en particulier les techniques d’apprentissage telles que l’apprentissage automatique - s’appuient sur de grands ensembles de données riches. Lorsqu'ils sont alimentés de manière appropriée avec ces données, ces systèmes découvrent les tendances, les modèles et les corrélations qu'aucun analyste humain ne pourrait espérer découvrir manuellement.

Ces approches d’apprentissage automatique automatisent l’analyse des données, permettant aux utilisateurs de créer un modèle capable de faire des prédictions utiles sur d’autres données similaires.

Pourquoi le commerce de détail convient-il à l'IA?

La rapidité du déploiement de l'IA dans différents domaines dépend de quelques facteurs critiques: la vente au détail est particulièrement adaptée à quelques raisons.

Le premier est la capacité à tester et à mesurer. Avec des garde-fous appropriés, les géants de la distribution peuvent déployer l'IA et tester et mesurer la réponse des consommateurs. Ils peuvent également mesurer directement l’effet sur leur résultat net assez rapidement.

La seconde est les conséquences relativement petites d'une erreur. Un agent de l'IA qui débarque un avion de passagers ne peut pas se permettre de commettre une erreur car cela pourrait tuer des gens. Un agent d'IA déployé dans le commerce de détail qui prend des millions de décisions chaque jour peut se permettre de faire des erreurs, à condition que l'effet global soit positif.

La technologie des robots intelligents est déjà en cours dans le commerce de détail. Nuro.AI a conclu un partenariat avec le géant de l’épicerie Kroger pour livrer des produits d’épicerie aux États-Unis.

Mais bon nombre des changements les plus importants proviendront du déploiement de l'IA plutôt que de robots physiques ou de véhicules autonomes. Parcourons quelques scénarios basés sur l'IA qui transformeront votre expérience de vente au détail.

Vos habitudes d'achat

AI peut détecter les tendances sous-jacentes dans votre comportement d'achat à partir des produits que vous achetez et de la manière dont vous les achetez.

Cela pourrait être vos achats réguliers de riz au supermarché, les achats sporadiques de vin du magasin d'alcool et les beuveries du vendredi soir sur la glace au dépanneur local.

Alors que les systèmes de base de données d'inventaire et de vente suivent simplement les achats de produits individuels, avec des données suffisantes, les systèmes d'apprentissage automatique peuvent prédire vos habitudes. Il sait que vous aimez cuisiner le risotto tous les lundis soir, mais aussi votre comportement plus complexe, comme la consommation occasionnelle de crème glacée.

À plus grande échelle, l’analyse du comportement de millions de consommateurs permettrait aux supermarchés de prévoir combien de familles australiennes cuisinent du risotto chaque semaine. Cela permettrait d'informer les systèmes de gestion des stocks, en optimisant automatiquement les stocks de riz Arborio, par exemple, pour les magasins avec beaucoup de consommateurs de risotto.

Ces informations seraient ensuite partagées avec des fournisseurs amicaux, permettant une gestion plus efficace des stocks et une logistique allégée.

Marketing efficace

Les bases de données traditionnelles sur les programmes de fidélisation, telles que FlyBuys, ont permis aux supermarchés d’identifier votre fréquence d’achat d’un produit particulier - par exemple, acheter du riz Arborio une fois par semaine - puis d’envoyer une offre à un groupe de consommateurs .

Les nouvelles techniques de marketing vont au-delà de la promotion des ventes auprès des clients qui sont déjà susceptibles d’acheter ce produit. Au lieu de cela, les spécialistes de l'apprentissage automatique feront la promotion du pain à l'ail, du tiramisu ou d'autres recommandations de produits personnalisés que les données de milliers d'autres consommateurs suggèrent souvent ensemble.

Un marketing efficace signifie moins de rabais et plus de profit.

Dynamique des prix

Le défi de la tarification pour les supermarchés consiste à appliquer le bon prix et la bonne promotion au bon produit.

L'optimisation des prix de détail est une entreprise complexe qui nécessite une analyse des données à un niveau granulaire pour chaque client, produit et transaction.

Pour être efficaces, des facteurs sans fin doivent être examinés, tels que l'impact des changements de prix au fil du temps, la saisonnalité, la météo et les promotions des concurrents.

Un programme d'apprentissage automatique bien conçu peut prendre en compte toutes ces variantes, en les combinant avec des informations supplémentaires telles que l'historique des achats, les préférences des produits, etc. pour développer des connaissances approfondies et des prix adaptés pour maximiser les revenus et les bénéfices.

Commentaires des clients

Historiquement, les commentaires des clients ont été obtenus via des cartes de commentaires, remplies et placées dans une boîte à suggestions. Ce feedback devait être lu et pris en compte.

À mesure que les médias sociaux augmentaient, il devenait une plate-forme pour exprimer publiquement leurs réactions. En conséquence, les détaillants se sont tournés vers le logiciel de raclage des médias sociaux pour répondre, résoudre et engager les clients dans la conversation.

À l'avenir, l'apprentissage automatique jouera un rôle dans ce contexte. L'apprentissage automatique et les systèmes d'IA permettront une première analyse en bloc de plusieurs sources de données désordonnées et non structurées, telles que les commentaires verbaux enregistrés par les clients ou les données vidéo.

Réduction du vol

Les détaillants australiens perdent environ 4, 5 milliards de dollars australiens par an en pertes de stocks. La croissance des registres en libre-service contribue à ces pertes.

Les systèmes d'apprentissage automatique ont la capacité de numériser sans effort des millions d'images, permettant aux systèmes de point de vente (PDV) intelligents et équipés de caméras de détecter les différentes variétés de fruits et légumes achetés à des échelles de registre.

Au fil du temps, les systèmes pourront également mieux détecter tous les produits vendus dans un magasin, y compris une tâche appelée classification fine, permettant de faire la différence entre un orange de Valence et un orange de nombril. Par conséquent, il n'y aurait plus d'erreurs dans l'entrée des pommes de terre lorsque vous achèterez des pêches.

À plus long terme, les systèmes de point de vente peuvent disparaître complètement, comme dans le cas du magasin Amazon Go.

Des ordinateurs qui commandent pour vous

Les systèmes d'apprentissage automatique améliorent rapidement la traduction de votre voix naturelle en listes d'épicerie.

Des assistants numériques tels que Google Duplex pourraient bientôt créer des listes de courses et passer des commandes pour vous, avec le détaillant français Carrefour et le géant américain Walmart en partenariat avec Google.

Une expérience de vente au détail en pleine évolution

Au fur et à mesure que vous avancez dans la vie, vous vieillissez, parfois vous vous sentez mal, vous pouvez vous marier, peut-être avoir des enfants ou changer de carrière. À mesure que les conditions de vie et les habitudes de consommation d'un client changent, les modèles s'ajustent automatiquement, comme ils le font déjà dans des domaines tels que la détection des fraudes.

Le système réactif actuel consiste à attendre qu'un client commence à acheter des couches, par exemple pour identifier ce client comme étant juste en train de créer une famille, avant de suivre les recommandations de produits appropriées.

Au lieu de cela, les algorithmes d'apprentissage automatique peuvent modéliser les comportements, tels que l'achat de vitamines folates et d'huiles biologiques, puis prédire quand les offres doivent être envoyées.

Ce passage du marketing réactif au marketing prédictif pourrait changer la façon dont vous magasinez, en vous apportant des suggestions que vous n'avez peut-être même jamais envisagées, toutes possibles grâce aux opportunités liées à l'IA pour les détaillants et leurs clients.

menu
menu