Kecerdasan Buatan Generatif di Ritel: 5 Kasus Penggunaan Teratas yang Perlu Dipertimbangkan

Jika Anda memikirkan industri apa yang akan mendapat manfaat terbesar dari penerapan solusi kecerdasan buatan (AI) generatif, ritel mungkin bukan sektor pertama yang terlintas dalam pikiran Anda.

Namun, laporan baru dari Salesforce menyatakan bahwa 17% pembeli telah menggunakan AI generatif untuk inspirasi berbelanja. Secara khusus, pengguna beralih ke model bahasa yang sangat maju (LLM) seperti ChatGPT untuk meneliti ide gadget, mendapatkan inspirasi mode, dan mengembangkan rencana nutrisi pribadi – dan baru sembilan bulan sejak AI generatif menjadi mainstream!

Dalam artikel ini, kita akan mengeksplorasi cara pengecer fisik dapat memanfaatkan teknologi baru ini untuk mengotomatisasi tugas, meningkatkan pengalaman pelanggan, dan meningkatkan margin keuntungan dengan mengoptimalkan rantai pasokan dan menghilangkan penipuan.

Mengeksplorasi Potensi Transformatif AI Generatif di Ritel

AI Generatif adalah bagian dari AI yang memiliki kemampuan untuk membuat konten baru dan unik, seperti teks, visual, audio, dan video, menggunakan informasi yang telah dilatih untuk digunakan.

Tidak seperti kebanyakan solusi berbasis AI yang dirancang untuk tugas tertentu (misalnya mengenali karakter dalam gambar dan file PDF atau mendeteksi anomali transaksi pembayaran), model AI generatif dapat melakukan banyak tugas dan menghasilkan berbagai keluaran, asalkan serupa dengan pelatihan. kumpulan data.

Namun, perbedaan mencolok antara kedua jenis AI tersebut tidak berarti bahwa keduanya tidak dapat hidup berdampingan. Sebaliknya, teknologi membantu mengatasi kekurangan satu sama lain, memberdayakan merek ritel untuk membuat keputusan bisnis yang lebih tepat dan mengubah strategi digital mereka.

Secara luas, penggunaan AI generatif dapat dikategorikan sebagai berikut.

Pembuatan Data Sintetis

Sistem AI tradisional sangat bergantung pada kumpulan data besar untuk pelatihan. Namun, pengumpulan data ini bisa menjadi proses yang memakan waktu dan mahal serta menimbulkan masalah privasi. Dan di situlah AI generatif berguna. Berkat keserbagunaannya dalam menghasilkan berbagai jenis data, teknologi baru ini dapat membantu dalam mensintesis informasi untuk pelatihan model AI tradisional. Selain itu, hal ini mengatasi hambatan terkait privasi dan keamanan data, sehingga memungkinkan pengecer mengoptimalkan kinerja model AI dengan cara yang bebas risiko.

Analisis Tingkat Lanjut

Sistem intelijen bisnis (BI) tradisional mahir dalam memproses dan menganalisis data terstruktur, menyajikan wawasan dalam format yang mudah dibaca. Sistem BI yang dilengkapi AI memiliki kemampuan untuk menganalisis data terstruktur, semi-terstruktur, dan tidak terstruktur yang berasal dari berbagai sistem TI internal dan eksternal. Solusi AI generatif untuk ritel meniru fungsionalitas alat analisis data yang didukung AI. Solusi ini memberikan antarmuka yang ramah pengguna bagi karyawan tanpa keahlian teknis, serta akses ke berbagai jenis data dari berbagai sumber, seperti ulasan pelanggan dan sebutan di media sosial. Selain itu, mereka dapat menghasilkan data yang serupa dengan informasi yang Anda miliki untuk memperkuat upaya analisis Anda dan mensimulasikan skenario realistis yang mencerminkan tren pasar saat ini dan perubahan perilaku pelanggan.

Pembuatan Konten yang Lebih Cerdas

Kemampuan AI Generatif dalam membuat konten tidak ada bandingannya. Itulah sebabnya perusahaan e-commerce terkemuka di dunia beralih ke AI generatif untuk menulis postingan blog, halaman arahan, dan deskripsi produk yang ramah SEO. Dalam ritel fisik, penerapan AI generatif terkait konten mungkin tidak memiliki dampak transformatif seperti itu. Namun, toko fisik masih dapat memanfaatkan teknologi ini untuk membuat konten yang relevan secara kontekstual, mulai dari pamflet dan pesan pemasaran yang dipersonalisasi di aplikasi belanja hingga video produk yang ditayangkan di layar interaktif.

Mari kita lihat bagaimana kemampuan ini selaras dengan kasus penggunaan tertentu.

5 Kasus Penggunaan AI Generatif Teratas di Ritel

Memberikan Panduan Belanja yang Dipersonalisasi kepada Pelanggan

Untuk mempersonalisasi pengalaman pelanggan di toko fisik, bisnis dapat menggunakan model AI dasar untuk menciptakan asisten belanja digital yang telah dilatih tentang data perusahaan mereka. Berada di dalam aplikasi merek Anda, asisten tersebut dapat membantu pembeli menemukan produk di toko, mengatur produk terkait dalam paket, membuat daftar belanja, dan menawarkan diskon berdasarkan pembelian sebelumnya dan data penelusuran. Anda juga dapat memanfaatkan teknologi AI generatif ritel untuk mengembangkan konten yang dinamis dan adaptif untuk reklame dan kios digital.

Beberapa contoh awal merek ritel yang memanfaatkan personalisasi generatif berbasis AI adalah Carrefour, jaringan ritel dan grosir multinasional yang mengoperasikan hampir 14.000 toko di 30 negara. Awal tahun ini, perusahaan meluncurkan Hopla, chatbot bertenaga ChatGPT yang memberikan tips belanja dan bahkan resep yang dipersonalisasi kepada pelanggan Carrefour dengan mempertimbangkan anggaran, pembelian sebelumnya, dan batasan diet mereka. Chatbot semacam itu dapat menjadi tambahan yang bagus untuk solusi belanja tanpa pembayaran, menawarkan bantuan tanpa batas kepada pelanggan yang melek teknologi.

Meningkatkan Desain Tampilan di Toko Fisik

Dengan model AI generatif, pengecer dapat merancang tata letak toko dan tampilan produk yang lebih menarik, efisien, dan efektif, sehingga meningkatkan pengalaman pelanggan dan penjualan. Seperti yang kami sebutkan di bagian sebelumnya, AI membantu menyatukan berbagai data pelanggan menjadi wawasan yang bermakna, membangun korelasi antara tata letak toko dan perilaku pembeli. Contohnya adalah peta panas yang menyoroti area dengan lalu lintas tinggi di toko Anda, yang dapat digunakan untuk penempatan produk secara optimal.

Pengecer yang berpikiran maju juga dapat memanfaatkan AI untuk membuat tampilan yang memenuhi segmen pelanggan tertentu atau preferensi individu dan merangsang interaksi pelanggan dengan desain menggunakan layar interaktif, aplikasi augmented reality (AR), dan solusi pemasaran jarak dekat yang mengandalkan teknologi Bluetooth. Meskipun beberapa ide ini mungkin tampak seperti konsep fiksi ilmiah pada pandangan pertama, terkadang saran AI generatif di bidang ritel mungkin sesederhana memasang tampilan di tempat pembelian (point-of-purchase/POP), yang dapat meningkatkan penjualan hingga 32 %.

Membantu Manajemen Inventaris dan Rantai Pasokan

Sejak pandemi COVID-19 melanda, sektor ritel menghadapi tantangan rantai pasokan yang berat. Hal ini mencakup penutupan perbatasan dan penundaan pengiriman, gangguan produksi akibat aturan lockdown yang ketat di negara-negara seperti Tiongkok, serta kelebihan stok dan kehabisan stok akibat perubahan besar-besaran dalam perilaku pembeli.

Bisnis yang paham teknologi seperti H&M dan Zara telah lama memanfaatkan layanan pengembangan perangkat lunak ritel untuk memecahkan masalah ini dengan bantuan ekosistem data terintegrasi yang dilengkapi dengan kemampuan AI. Zara, misalnya, melacak semua pembelian menggunakan nomor unit penyimpanan stok (SKU), menganalisis tren penjualan untuk setiap toko fisiknya, dan menyesuaikan volume produksi berdasarkan permintaan aktual. Demikian pula, H&M menggunakan kecerdasan buatan untuk memantau penjualan di 4.700 lokasinya, mengantisipasi volume penjualan, dan mengisi kembali barang secara tepat waktu.

Dengan menggunakan AI generatif dalam rantai pasokan ritel, perkiraan permintaan, mempertahankan tingkat inventaris yang optimal, dan mengoptimalkan operasi logistik juga dapat dilakukan. Pertanyaannya adalah, bagaimana AI generatif dibandingkan dengan AI tradisional, dan apa manfaatnya? Tidak seperti solusi AI ritel tradisional, yang mengandalkan data historis untuk mendeteksi pola informasi baru dan memberikan rekomendasi cerdas, sistem ritel AI generatif dapat menghasilkan data pelatihan sintetis. Dengan menggunakan data ini, algoritme cerdas menyimulasikan kondisi dan skenario pasar serta menguji model rantai pasokan. Kemampuan tersebut menjadikan AI generatif sebagai pilihan yang layak bagi pengecer yang kekurangan data penjualan dan logistik dalam jumlah besar, sehingga memberdayakan perusahaan untuk mengambil pendekatan yang lebih terperinci terhadap perencanaan inventaris dan mengoptimalkan operasi rantai pasokan dengan variabel yang kompleks.

Mengembangkan Strategi Penetapan Harga yang Kompetitif

Pengecer fisik dapat menggunakan AI generatif untuk mengembangkan strategi penetapan harga yang dinamis. Sebagai langkah pertama, mereka perlu mengumpulkan data tentang demografi pelanggan, perilaku, dan riwayat pembelian. Selanjutnya, penting untuk mengumpulkan informasi terkini mengenai harga pesaing untuk kategori produk tertentu. Anda dapat menyempurnakan kumpulan data Anda dengan informasi dari sumber eksternal seperti laporan pasar. Selain itu, penting untuk mempertimbangkan faktor-faktor lain yang dapat memengaruhi pola pembelian pelanggan, seperti musim, hari libur, dan acara rutin seperti Black Friday. Sistem AI generatif ritel akan menyerap data ini dan memperoleh keterampilan yang diperlukan untuk menafsirkan informasi real-time dan membuat keputusan harga instan berdasarkan permintaan aktual. Algoritme cerdas juga dapat membantu mengembangkan strategi penetapan harga yang dipersonalisasi berdasarkan riwayat pembelian pelanggan.

Menghilangkan Penipuan

AI generatif dapat berperan penting dalam mendeteksi dan mencegah perilaku penipuan di toko ritel fisik melalui berbagai cara. Misalnya, Anda dapat menugaskan AI generatif untuk membuat data sintetis yang realistis untuk melatih model pembelajaran mesin ketika data sebenarnya langka atau sensitif. Data ini dapat digunakan untuk mengajarkan sistem keamanan yang didukung visi komputer untuk mendeteksi peristiwa pengutilan dan pengutilan – untuk informasi lebih lanjut tentang aplikasi AI ini di bidang ritel, lihat postingan blog terbaru kami tentang supermarket di masa depan.

AI Generatif juga dapat membuat data transaksi autentik yang membantu mendeteksi aktivitas penipuan, seperti pengembalian dan pembelian palsu. Hal ini tidak hanya meningkatkan kepercayaan pelanggan tetapi juga meningkatkan kinerja keuangan Anda secara keseluruhan. Bahkan terdapat opsi untuk menggabungkan kontrak pintar berbasis blockchain dengan solusi ritel AI generatif untuk mendeteksi penjual tidak sah dan produk palsu dalam rantai pasokan ritel tradisional.

Perusahaan Anda dapat menggunakan kontrak pintar blockchain yang secara otomatis dijalankan ketika kondisi tertentu terpenuhi, sementara AI generatif akan menganalisis data blockchain secara real-time, mengidentifikasi pola dan tren yang mungkin terlewatkan oleh operator manusia. Beberapa kasus penggunaan praktis untuk kombinasi ini termasuk memverifikasi produk menggunakan kode QR atau nomor seri unik, lalu memanfaatkan AI generatif untuk memprediksi pola penipuan yang terkait dengan pembuatan kode-kode tersebut. Selain itu, secara teknis dimungkinkan untuk menerapkan algoritma AI untuk menganalisis informasi vendor dan transaksi pada teknologi blockchain untuk mengidentifikasi penjual yang tidak sah atau palsu.

Meskipun AI generatif ritel masih dalam tahap awal, sebagai pemimpin visioner, Anda harus mempertimbangkan untuk menambahkan teknologi ini ke perangkat digital Anda secepatnya. Dengan semakin bergantungnya pelanggan pada ponsel cerdas dan aplikasi mereka saat berbelanja di toko fisik, Anda dapat memanfaatkan AI generatif untuk mempersonalisasi pesan Anda, menyempurnakan strategi upselling dan cross-selling, serta mendapatkan wawasan yang lebih mendalam tentang perilaku konsumen.

Namun, ada kendala tertentu yang mungkin perlu diatasi oleh organisasi Anda saat menerapkan AI jenis apa pun dalam bisnis. Untuk membantu Anda menjalani proyek percontohan AI, tim ITRex telah menulis beberapa panduan praktis.

• Penjelasan tentang bukti konsep AI (POC) dan mengapa hal ini penting untuk keberhasilan proyek Anda
• Ikhtisar tantangan penerapan AI
• Buku pegangan AI dalam Bisnis yang memberikan petunjuk langkah demi langkah untuk menerapkan AI di organisasi Anda
• Ringkasan faktor-faktor yang mempengaruhi biaya pengembangan AI (dengan perkiraan kasar proyek AI dari portofolio kami)

Dan jika Anda memerlukan bantuan dalam menerapkan AI tradisional atau generatif di ritel, hubungi ITRex! Kami memanfaatkan pengalaman kami yang luas dalam ilmu data, komputasi awan, DevOps, dan rekayasa perangkat lunak khusus untuk menyempurnakan model yang ada dan membangun solusi AI khusus dari awal.

Artikel ini awalnya diterbitkan di situs itrex.