Генеративный искусственный интеллект в розничной торговле: 5 основных вариантов использования, которые следует учитывать

Если вы думаете о том, какие отрасли больше всего выиграют от внедрения решений генеративного искусственного интеллекта (ИИ), розничная торговля, возможно, не будет первым сектором, который придет вам в голову.

Однако в новом отчете Salesforce говорится, что 17% покупателей уже использовали генеративный искусственный интеллект для вдохновения при совершении покупок. В частности, пользователи обращаются к высокоразвитым языковым моделям (LLM), таким как ChatGPT, для исследования идей гаджетов, вдохновения в моде и разработки личных планов питания – и прошло всего девять месяцев с тех пор, как генеративный ИИ стал мейнстримом!

В этой статье мы рассмотрим, как обычные ритейлеры могут использовать эту новую технологию для автоматизации задач, улучшения качества обслуживания клиентов и увеличения прибыли за счет оптимизации цепочек поставок и устранения мошенничества.

Исследование преобразующего потенциала генеративного искусственного интеллекта в розничной торговле

Генеративный ИИ — это подмножество ИИ, способное создавать новый и уникальный контент, например текст, визуальные эффекты, аудио и видео, используя информацию, которой он был обучен.

В отличие от большинства решений на основе ИИ, которые предназначены для конкретных задач (например, распознавание символов на изображениях и файлах PDF или обнаружение аномальных платежных транзакций), генеративные модели ИИ могут выполнять несколько задач и выдавать различные выходные данные, если они аналогичны обучающим моделям. наборы данных.

Однако заметные различия между двумя типами ИИ не означают, что они не могут сосуществовать. Напротив, эти технологии помогают устранить недостатки друг друга, давая розничным брендам возможность принимать более обоснованные бизнес-решения и обновлять свои цифровые стратегии.

В широком смысле использование генеративного ИИ можно разделить на следующие категории.

Генерация синтетических данных

Традиционные системы искусственного интеллекта в значительной степени полагаются на большие наборы данных для обучения. Однако сбор этих данных может оказаться трудоемким и дорогостоящим процессом, который также вызывает проблемы конфиденциальности. И здесь на помощь приходит генеративный ИИ. Благодаря своей универсальности в создании различных типов данных эта новая технология может помочь в синтезе информации для традиционного обучения моделей ИИ. Кроме того, он устраняет препятствия, связанные с конфиденциальностью и безопасностью данных, позволяя ритейлерам оптимизировать производительность модели искусственного интеллекта без риска.

Расширенная аналитика

Традиционные системы бизнес-аналитики (BI) умеют обрабатывать и анализировать структурированные данные, представляя информацию в читаемых форматах. Системы BI на базе искусственного интеллекта могут анализировать структурированные, полуструктурированные и неструктурированные данные, поступающие из различных внутренних и внешних ИТ-систем. Решения генеративного искусственного интеллекта для розничной торговли имитируют функциональность инструментов анализа данных на базе искусственного интеллекта. Эти решения предоставляют удобный интерфейс для сотрудников без технических знаний, а также доступ к различным типам данных из разных источников, таких как отзывы клиентов и упоминания в социальных сетях. Кроме того, они могут предоставлять данные, аналогичные той информации, которая у вас уже есть, чтобы расширить ваши аналитические усилия и моделировать реалистичные сценарии, отражающие текущие рыночные тенденции и изменения в поведении клиентов.

Умное создание контента

Способность генеративного ИИ создавать контент не имеет себе равных. Вот почему ведущие мировые компании электронной коммерции обращаются к генеративному искусственному интеллекту для написания оптимизированных для SEO постов в блогах, целевых страниц и описаний продуктов. В обычной розничной торговле приложения генеративного искусственного интеллекта, связанные с контентом, возможно, не окажут такого преобразующего воздействия. Тем не менее, физические магазины по-прежнему могут использовать эту технологию для создания контекстно-релевантного контента: от листовок и персонализированных маркетинговых сообщений в торговых приложениях до видеороликов о продуктах, транслируемых на интерактивных дисплеях.

Давайте посмотрим, как эти возможности соотносятся с конкретными случаями использования.

Топ-5 примеров использования генеративного искусственного интеллекта в розничной торговле

Предоставление клиентам персонализированных рекомендаций по покупкам

Чтобы персонализировать обслуживание клиентов в обычных магазинах, компании могут использовать базовые модели искусственного интеллекта для создания цифровых помощников по покупкам, обученных на их корпоративных данных. Находясь внутри приложения вашего бренда, такие помощники могут помогать покупателям находить товары в магазине, группировать сопутствующие товары в пакеты, создавать списки покупок и предлагать скидки на основе прошлых покупок и данных просмотра. Вы также можете использовать генеративную технологию искусственного интеллекта в розничной торговле для разработки динамичного, адаптивного контента для цифровых вывесок и киосков.

Некоторые из первых примеров розничных брендов, использующих генеративную персонализацию на основе искусственного интеллекта, включают Carrefour, многонациональную розничную и оптовую сеть, управляющую почти 14 000 магазинов в 30 странах. Ранее в этом году компания запустила Hopla, чат-бота на базе ChatGPT, который предоставляет персональные советы по покупкам и даже рецепты клиентам Carrefour с учетом их бюджета, прошлых покупок и диетических ограничений. Такие чат-боты могут стать желанным дополнением к решениям для покупок без касс, предлагая беспрепятственную помощь технически подкованным клиентам.

Улучшение дизайна витрин в обычных магазинах

С помощью генеративных моделей искусственного интеллекта ритейлеры могут создавать более привлекательные, эффективные и действенные планировки магазинов и выкладки товаров, повышая качество обслуживания клиентов и продажи. Как мы упоминали в предыдущем разделе, ИИ помогает свести различные данные о клиентах к значимой информации, устанавливая корреляции между планировкой магазинов и поведением покупателей. Примером этого могут быть тепловые карты, выделяющие зоны с высокой посещаемостью в вашем магазине, которые можно использовать для оптимального размещения товаров.

Дальновидные ритейлеры могут также использовать ИИ для создания дисплеев, отвечающих конкретным сегментам клиентов или индивидуальных предпочтений, и стимулировать взаимодействие клиентов с дизайном с помощью интерактивных экранов, приложений дополненной реальности (AR) и решений бесконтактного маркетинга, основанных на технологии Bluetooth. Хотя некоторые из этих идей на первый взгляд могут показаться научно-фантастической концепцией, иногда советы генеративного ИИ в розничной торговле могут быть такими же простыми, как установка дисплея в точке покупки (POP), который сам по себе может увеличить продажи до 32 раз. %.

Помощь в управлении запасами и цепочками поставок

С момента начала пандемии COVID-19 сектор розничной торговли столкнулся с серьезными проблемами в цепочках поставок. К ним относятся закрытие границ и последующие задержки поставок, сбои в производстве, вызванные строгими правилами карантина в таких странах, как Китай, а также постоянные излишки и дефициты товаров, возникшие в результате масштабных изменений в поведении покупателей.

Технически подкованные компании, такие как H&M и Zara, уже давно используют услуги по разработке программного обеспечения для розничной торговли, чтобы решить эти проблемы с помощью интегрированных экосистем данных, наполненных возможностями искусственного интеллекта. Zara, например, отслеживает все покупки, используя номера складских единиц (SKU), анализирует тенденции продаж для каждого из своих физических магазинов и корректирует объемы производства в зависимости от фактического спроса. Аналогичным образом, H&M использует искусственный интеллект для мониторинга продаж во всех своих 4700 точках продаж, прогнозирования объемов продаж и своевременного пополнения запасов.

Используя генеративный искусственный интеллект в розничных цепочках поставок, также можно прогнозировать спрос, поддерживать оптимальный уровень запасов и оптимизировать логистические операции. Вопрос в том, чем генеративный ИИ отличается от традиционного ИИ и какие преимущества он приносит? В отличие от традиционных решений искусственного интеллекта для розничной торговли, которые полагаются на исторические данные для выявления закономерностей в новой информации и предоставления интеллектуальных рекомендаций, генеративные системы искусственного интеллекта для розничной торговли могут генерировать синтетические данные для обучения. Используя эти данные, умные алгоритмы моделируют рыночные условия и сценарии, а также проводят стресс-тестирование моделей цепочки поставок. Такие возможности делают генеративный искусственный интеллект жизнеспособным вариантом для ритейлеров, которым не хватает значительных объемов данных о продажах и логистике, что дает компаниям возможность использовать более детальный подход к планированию запасов и оптимизировать операции цепочки поставок со сложными переменными.

Разработка стратегий конкурентного ценообразования

Обычные ритейлеры могут использовать генеративный искусственный интеллект для разработки стратегий динамического ценообразования. В качестве первого шага им необходимо собрать данные о демографии, поведении и истории покупок клиентов. Далее крайне важно собрать актуальную информацию о ценах конкурентов на определенные категории товаров. Вы можете дополнить свои наборы данных информацией из внешних источников, таких как отчеты о рынке. Кроме того, важно учитывать другие факторы, которые могут влиять на структуру покупок клиентов, такие как времена года, праздники и повторяющиеся события, такие как Черная пятница. Генеративные системы искусственного интеллекта для розничной торговли будут поглощать эти данные и приобретать необходимые навыки для интерпретации информации в реальном времени и принятия мгновенных решений о ценах на основе фактического спроса. Интеллектуальные алгоритмы также могут помочь разработать персонализированные стратегии ценообразования, основанные на истории покупок клиента.

Устранение мошенничества

Генеративный ИИ может сыграть важную роль в обнаружении и предотвращении мошеннического поведения в обычных розничных магазинах с помощью различных средств. Например, вы можете поручить генеративному ИИ создавать реалистичные синтетические данные для обучения моделей машинного обучения, когда фактических данных недостаточно или они конфиденциальны. Эти данные можно использовать для обучения систем безопасности на базе компьютерного зрения выявлять кражи в магазинах и развлекательные мероприятия. Для получения дополнительной информации об этих приложениях искусственного интеллекта в розничной торговле ознакомьтесь с нашей недавней публикацией в блоге о супермаркетах будущего.

Генеративный искусственный интеллект также может создавать достоверные данные о транзакциях, которые помогают обнаруживать мошеннические действия, такие как фиктивные возвраты и покупки. Это не только повышает доверие клиентов, но и улучшает ваши общие финансовые показатели. Существует даже возможность объединить смарт-контракты на основе блокчейна с генеративными решениями для розничной торговли на базе искусственного интеллекта для обнаружения неавторизованных продавцов и контрафактной продукции в традиционных розничных цепочках поставок.

Ваша компания может использовать смарт-контракты блокчейна, которые автоматически выполняются при выполнении определенных условий, а генеративный искусственный интеллект будет анализировать данные блокчейна в режиме реального времени, выявляя закономерности и тенденции, которые операторы-люди могут упустить. Некоторые практические варианты использования этой комбинации включают проверку продуктов с использованием уникальных QR-кодов или серийных номеров, а затем использование генеративного искусственного интеллекта для прогнозирования мошеннических моделей, связанных с генерацией этих кодов. Кроме того, технически возможно реализовать алгоритмы искусственного интеллекта для анализа информации о поставщиках и транзакций с использованием технологии блокчейн для выявления неавторизованных или фальшивых продавцов.

Хотя генерирующий искусственный интеллект в розничной торговле все еще находится на ранней стадии своего развития, вам, как дальновидному лидеру, следует как можно скорее рассмотреть возможность добавления этой технологии в свой цифровой набор инструментов. Поскольку покупатели все больше полагаются на свои смартфоны и приложения при совершении покупок в обычных магазинах, вы можете использовать генеративный искусственный интеллект для персонализации вашего сообщения, точной настройки стратегий дополнительных и перекрестных продаж, а также получить более глубокое понимание поведения потребителей.

Однако существуют определенные препятствия, которые вашей организации, возможно, придется преодолеть при внедрении любого типа ИИ в бизнес. Чтобы помочь вам реализовать пилотный проект ИИ, команда ITRex написала несколько практических руководств.

• Объяснение того, что такое доказательство концепции ИИ (POC) и почему оно важно для успеха вашего проекта.
• Краткое изложение проблем внедрения ИИ
• Справочник по искусственному интеллекту в бизнесе, содержащий пошаговые инструкции по внедрению искусственного интеллекта в вашей организации.
• Краткое изложение факторов, влияющих на стоимость разработки ИИ (с приблизительными оценками проектов ИИ из нашего портфолио)

А если вам понадобится помощь во внедрении традиционного или генеративного искусственного интеллекта в розничной торговле, обращайтесь в ITRex! Мы опираемся на наш обширный опыт в области анализа данных, облачных вычислений, DevOps и разработки специального программного обеспечения для точной настройки существующих моделей и создания индивидуальных решений искусственного интеллекта с нуля.

Эта статья была первоначально опубликована на сайте itrex.