小売業における生成型人工知能: 考慮すべきトップ 5 のユースケース

公開: 2023-10-23

生成型人工知能 (AI) ソリューションの導入によってどの業界が最も恩恵を受けるかを考えている場合、小売業が最初に頭をよぎる分野ではないかもしれません。

しかし、Salesforce の新しいレポートによると、購入者の 17% がショッピングのインスピレーションのためにすでに生成 AI を使用しているとのことです。具体的には、ユーザーは ChatGPT のような高度に開発された言語モデル (LLM) を利用して、ガジェットのアイデアを調べ、ファッションのインスピレーションを得て、個人の栄養計画を作成します。生成 AI が主流になってからわずか 9 か月です。

この記事では、実店舗の小売業者がこの新しいテクノロジーを活用して、タスクを自動化し、顧客エクスペリエンスを向上させ、サプライチェーンの最適化と不正行為の排除によって利益率を向上させる方法を検討します。

小売業における生成 AI の変革の可能性を探る

生成 AI は、使用するようにトレーニングされた情報を使用して、テキスト、ビジュアル、オーディオ、ビデオなどの新しくユニークなコンテンツを作成する機能を備えた AI のサブセットです。

特定のタスク (画像や PDF ファイル内の文字の認識、異常な支払い取引の検出など) 向けに設計されたほとんどの AI ベースのソリューションとは異なり、生成 AI モデルは、トレーニングと類似している限り、複数のタスクを実行してさまざまな出力を生成できます。データセット。

ただし、2 つのタイプの AI 間の顕著な違いは、共存できないことを意味するものではありません。それどころか、これらのテクノロジーは他のテクノロジーの欠点に対処するのに役立ち、小売ブランドがより適切な情報に基づいてビジネス上の意思決定を行い、デジタル戦略を刷新できるようになります。

大まかに言えば、生成 AI の使用は次のように分類できます。

合成データの生成

従来の AI システムは、トレーニングのために大規模なデータセットに大きく依存しています。ただし、このデータの収集には時間と費用がかかり、プライバシーの懸念も生じます。そこで、生成 AI が役に立ちます。この新しいテクノロジーは、さまざまな種類のデータを生成できる多機能性により、従来の AI モデルのトレーニング用の情報の合成を支援します。さらに、データのプライバシーとセキュリティに関連する障害に対処し、小売業者がリスクのない方法で AI モデルのパフォーマンスを最適化できるようにします。

高度な分析

従来のビジネスインテリジェンス (BI) システムは、構造化データの処理と分析に優れており、読み取り可能な形式で洞察を提供します。 AI を組み込んだ BI システムは、社内および社外のさまざまな IT システムからの構造化データ、半構造化データ、および非構造化データを分析する機能を備えています。小売業向けの生成 AI ソリューションは、AI を活用したデータ分析ツールの機能を模倣します。これらのソリューションは、技術的な専門知識を持たない従業員に使いやすいインターフェイスを提供するだけでなく、顧客レビューやソーシャルメディアでの言及など、さまざまなソースからのさまざまな種類のデータへのアクセスを提供します。さらに、分析作業を強化し、現在の市場傾向や顧客行動の変化を反映した現実的なシナリオをシミュレートするために、すでに持っている情報と同様のデータを生成できます。

よりスマートなコンテンツ作成

コンテンツを作成する生成 AI の能力は比類のないものです。そのため、世界の大手電子商取引企業は、SEO に配慮したブログ投稿、ランディングページ、製品説明を作成するために生成 AI に注目しています。実店舗の小売業では、生成 AI のコンテンツ関連アプリケーションはそれほど変革的な影響を及ぼさない可能性があります。ただし、実店舗は依然としてこのテクノロジーを活用して、ショッピングアプリのチラシやパーソナライズされたマーケティングメッセージから、インタラクティブディスプレイで実行される製品ビデオに至るまで、状況に応じて関連性の高いコンテンツを作成できます。

これらの機能が特定のユースケースにどのように適合するかを見てみましょう。

小売業における生成型 AI の使用例トップ 5

顧客にパーソナライズされたショッピングガイドを提供する

実店舗での顧客エクスペリエンスをパーソナライズするために、企業は基盤 AI モデルを使用して、企業データに基づいてトレーニングされたデジタルショッピングアシスタントを作成できます。ブランドアプリ内に存在するこのようなアシスタントは、買い物客が店内で商品を見つけたり、関連商品をまとめて手配したり、買い物リストを作成したり、過去の購入や閲覧データに基づいて割引を提供したりするのに役立ちます。小売用の生成 AI テクノロジーを利用して、デジタルサイネージやキオスク用の動的で適応性のあるコンテンツを開発することもできます。

小売ブランドが生成 AI 主導のパーソナライゼーションを活用した初期の例には、30 か国で約 14,000 店舗を運営する多国籍小売・卸売チェーンであるカルフールが含まれます。今年の初め、同社は ChatGPT を利用したチャットボットである Hopla を立ち上げました。これは、予算、過去の購入、食事制限を考慮して、カルフールの顧客にパーソナライズされたショッピングのヒントやレシピさえも提供します。このようなチャットボットは、チェックアウト不要のショッピングソリューションへの歓迎すべき追加となり、テクノロジーに精通した顧客にシームレスな支援を提供します。

実店舗のディスプレイデザインの強化

生成 AI モデルを使用すると、小売業者はより魅力的で効率的かつ効果的な店舗レイアウトや商品の展示を設計でき、顧客体験と売上を向上させることができます。前のセクションで述べたように、AI はさまざまな顧客データを煮詰めて有意義な洞察を得るのに役立ち、店舗のレイアウトと購入者の行動の間の相関関係を確立します。この例としては、店舗内の人通りの多いエリアを強調表示するヒートマップが挙げられ、最適な商品配置に使用できます。

先進的な小売業者は、AI を活用して、特定の顧客セグメントや個人の好みに応えるディスプレイを作成し、インタラクティブ画面、拡張現実 (AR) アプリ、Bluetooth テクノロジーを利用した近接マーケティングソリューションを使用して、デザインとの顧客の対話を刺激することもできます。これらのアイデアの中には、一見すると SF のコンセプトのように見えるものもありますが、小売業における生成 AI のアドバイスは、店頭 (POP) ディスプレイを設置するという単純なものである場合もあり、これだけで売上が最大 32 倍増加する可能性があります。 %。

在庫およびサプライチェーン管理の支援

新型コロナウイルス感染症のパンデミックが発生して以来、小売業界はサプライチェーンの困難な課題に対処してきました。これらには、国境閉鎖とそれに伴う配送の遅延、中国などの国々での厳格なロックダウン規則による生産の中断、購入者の行動の大幅な変化による永続的な過剰在庫と在庫切れなどが含まれます。

H&M や ZARA などのテクノロジーに精通した企業は、AI 機能を組み込んだ統合データエコシステムを利用してこれらの問題を解決するために、小売ソフトウェア開発サービスを長年活用してきました。たとえば、Zara は在庫管理単位 (SKU) 番号を使用してすべての購入を追跡し、各実店舗の販売傾向を分析し、実際の需要に基づいて製造量を調整しています。同様に、H&M は人工知能を使用して 4,700 か所すべての店舗での売上を監視し、販売量を予測し、タイムリーに商品を補充しています。

小売サプライチェーンで生成 AI を使用することで、需要を予測し、最適な在庫レベルを維持し、物流業務を最適化することも可能になります。問題は、生成型 AI が従来の AI とどう違うのか、そして生成型 AI がどのようなメリットをもたらすのかということです。履歴データに依存して新しい情報のパターンを検出し、インテリジェントな推奨事項を提供する従来の小売 AI ソリューションとは異なり、生成 AI 小売システムは合成トレーニングデータを生成できます。このデータを使用して、スマートアルゴリズムが市場の状況とシナリオをシミュレートし、サプライチェーンモデルにストレステストを行います。このような機能により、生成 AI は、大量の販売データや物流データが不足している小売業者にとって実行可能な選択肢となり、企業が在庫計画に対してより詳細なアプローチをとり、複雑な変数を使用してサプライチェーンの運用を最適化できるようになります。

競争力のある価格戦略の開発

実店舗の小売業者は、生成 AI を使用して動的な価格設定戦略を開発できます。最初のステップとして、顧客の人口統計、行動、購入履歴に関するデータを収集する必要があります。次に、特定の製品カテゴリの競合他社の価格に関する最新情報を収集することが重要です。市場レポートなどの外部ソースからの情報を使用してデータセットを強化できます。さらに、季節、休日、ブラックフライデーなどの定期的なイベントなど、顧客の購入パターンに影響を与える可能性のあるその他の要因を考慮することが重要です。小売用の生成 AI システムはこのデータを吸収し、リアルタイム情報を解釈し、実際の需要に基づいて価格を瞬時に決定するために必要なスキルを獲得します。スマートアルゴリズムは、顧客の購入履歴に基づいてパーソナライズされた価格設定戦略を開発するのにも役立ちます。

不正行為の排除

生成 AI は、さまざまな手段を通じて実店舗における不正行為の検出と防止に役立ちます。たとえば、実際のデータが不足している場合や機密性の高い場合に、機械学習モデルをトレーニングするための現実的な合成データを作成するというタスクを生成 AI に与えることができます。このデータは、コンピュータビジョンを活用したセキュリティシステムに万引きや恋人行為を発見するよう教えるために使用できます。小売業におけるこれらの AI アプリケーションの詳細については、未来のスーパーマーケットに関する最近のブログ投稿をご覧ください。

生成 AI は、偽の返品や購入などの不正行為の検出に役立つ本物の取引データを作成することもできます。これにより、顧客の信頼が高まるだけでなく、全体的な財務パフォーマンスも向上します。ブロックチェーンベースのスマートコントラクトと生成型 AI 小売ソリューションを組み合わせて、従来の小売サプライチェーンで不正な販売者や偽造品を検出するオプションもあります。

あなたの会社では、特定の条件が満たされたときに自動的に実行されるブロックチェーンスマートコントラクトを使用することができます。一方、生成 AI がブロックチェーンデータをリアルタイムで分析し、人間のオペレーターが見逃してしまう可能性のあるパターンや傾向を特定します。この組み合わせの実際の使用例には、一意の QR コードまたはシリアル番号を使用して製品を検証し、生成 AI を利用してこれらのコードの生成に関連する不正パターンを予測することが含まれます。さらに、AI アルゴリズムを実装してブロックチェーン技術上のベンダー情報や取引を分析し、不正な販売者や偽の販売者を特定することも技術的には可能です。

小売業の生成 AI はまだ初期段階にありますが、先見の明のあるリーダーとして、できるだけ早くこのテクノロジーをデジタルツールボックスに追加することを検討する必要があります。顧客が実店舗で買い物をする際にスマートフォンやアプリへの依存度が高まっているため、生成 AI を活用してメッセージをパーソナライズし、アップセルおよびクロスセル戦略を微調整し、消費者の行動についてより深い洞察を得ることができます。

ただし、あらゆる種類の AI をビジネスに導入する場合、組織が克服する必要がある特定の障害が存在する可能性があります。 AI パイロットプロジェクトを進めるのに役立つように、ITRex チームはいくつかの実用的なガイドを作成しました。

AI 概念実証 (POC) とは何か、そしてそれがプロジェクトの成功に不可欠である理由の説明
AI 導入の課題の概要
AI in Business ハンドブックでは、組織に AI を導入するための段階的な手順を説明します。
AI 開発コストに影響を与える要因の概要 (ポートフォリオからの AI プロジェクトの大まかな見積もりを含む)

また、小売業での従来型 AI または生成型 AI の実装についてサポートが必要な場合は、ITRex にお問い合わせください。データサイエンス、クラウドコンピューティング、DevOps、カスタムソフトウェアエンジニアリングにおける豊富な経験を活用して、既存のモデルを微調整し、カスタム AI ソリューションを一から構築します。

この記事はもともと itrex Web サイトに掲載されたものです。