Успешные компании в области розничной торговли умеют правильно распорядиться информацией о клиенте и продукте, а самые умные организации с этой целью используют искусственный интеллект (ИИ). Данное направление активно осваивают не только корпорации-гиганты в области робототехники, но и средний бизнес, в том числе и в Украине. Опытом делится Кирилл Руднев, управляющий партнер SMART business.
ИИ может считывать огромные массивы данных и выдавать результаты быстро и последовательно. Как следствие — такие технологии ускоряют бизнес-процессы, улучшают качество торговли и показатели в сферах рекламы и маркетинга, а также снижают процент краж в магазинах и упрощают логистику.
Как предсказывает IDC Research, к 2023 г. 50% компаний в сфере розничной торговли внедрят интернет вещей по четырем областям IТ, перераспределяя 3% бюджета в инновации.
Компании Tesco и Walmart успешно используют системы ИИ для оптимизации розничной торговли, работы с клиентами и управления каналами коммуникаций, повышая покупательский опыт в своих магазинах.
Технология «Just Walk Out» применяется в сетях розничной торговли для бесконтактной оплаты. Платформы машинного зрения с помощью камер, датчиков и роботов анализируют, что происходит на товарных полках. Основываясь на алгоритмах машинного обучения, технология позволяет покупать товар в магазине, не доставая при этом кошелька и не расплачиваясь на кассе. Модель распознает человека, «видит» выбранные им продукты — и счет автоматически появляется в электронном кошельке покупателя.
Системы дополненной реальности (AR) совмещают виртуальную реальность с действительностью — и их использование в розничной торговле привлекает клиентов. Исследование Retail Perceptions показало, что 71% посетителей вернутся в магазин, который использует технологии дополненной реальности. В 2017 г. IKEA запустила приложение IKEA Place на базе AR, которое дает возможность «примерить» мебель из интернет-магазина в виртуальную модель собственной комнаты на телефоне, созданную с помощью AR-технологий. Дополненная реальность в связке с технологией распознавания товара увеличивает показатели продаж. Так, компания Aisle411 разработала платформу распознавания товаров на полках магазинов со смешанным ассортиментом с применением AR. Пользуясь планшетом, установленным на тележке, покупатель может проложить марш- рут к полке с желаемым товаром. Клиенту не надо ходить кругами по магазину в поисках товара или выискивать ассистента — вся нужная информация демонстрируется на планшете.
Системы Q&A и чат-боты тоже усовершенствуются с помощью ИИ. Чат-боты особенно актуальны для компаний, у которых большой запрос на работу с клиентами. Используя алгоритмы машинного обучения и службы когнитивных вычислений, чат-боты ведут общение с клиентами, применяя персонифицированный подход. Они могут выдать всю необходимую информацию, пользуясь исключительно ИИ.
Решения для украинского рынка с использованием искусственного интеллекта включают в себя системы распознавания товаров на полках, алгоритмы машинного обучения и интернет вещей. Компании хотят больше узнать о клиенте и предложить ему актуальную продукцию и сервис.
Uklon. ИИ высчитывает идеальный тариф поездки
Внедрение ИИ в украинский сервис Uklon принесло позитивные результаты. Алгоритмы на базе платформы Microsoft Azure Machine Learning оптимизировали тарифы пассажиров для каждой отдельной поездки. Целью было создать такой алгоритм расчета стоимости поездки, который позволил бы пассажиру не торговаться по цене.
До этого сервис Uklon формировал цену на основе двух факторов: уровня спроса и количества доступных к заказу машин. Проблема заключалась в том, что в некоторых точках города процент вызовов был настолько низким, что заказчики не могли вызвать машину без существенного поднятия цены. Чтобы создать оптимальную цену за поездку, система стала анализировать различные факторы: день недели, время суток, марку автомобиля, трафик, расстояние, тарифы, историю заказов. Теперь учитывались два базовых параметра — география и время. Временной параметр был сформирован на основе информации о времени суток, категории пассажира, сезона и периодов наибольшего спроса. Киев был поделен согласно частоте заказов на зоны — кластеры.
Система также считывала информацию о погодных условиях из открытых источников NASA и метеостанций трех киевских аэропортов. Это позволило объективно оценивать трафик и корректно высчитывать время прибытия машины. Автомобили приезжали в обещанное время, а пассажиры не отменяли заказ и оставались довольны сервисом. Благодаря этому было улучшено два показателя: время прибытия машины и процент выполненных заказов. Средний показатель успешных заказов только за первый год применения системы вырос на 18%.
Bayadera Group. ИИ распознает неправильную раскладку товара на полках
Производитель и импортер алкогольных напитков Bayadera Group использует систему распознавания товаров на полках для слежения за правильной выкладкой. ИИ на базе технологий Microsoft Azure и Power BI следит за тем, чтобы товары дистрибьютора располагались на полках розничных сетей в правильной последовательности и в требуемых категориях. В основе разработки лежит технология машинного обучения.
ИИ считывает информацию с тысячи фотографий и видеофрагментов товарных полок, запоминает и распознает каждый товар, обозначая его складскую учетную единицу. Сравнив данные с планограммой выкладки, система отправляет отчет о раскладке товаров на полках магазинов розничной торговли. По нему можно отследить положение конкретного товара и понять, у кого из мерчандайзеров есть проблемы с выкладкой конкретной единицы.
Спустя неделю обучения базовая модель такой сети в 70% случаях верно определяет неправильную выкладку товаров на полках. Анализируя удачные и неудачные варианты расположения товаров, модель «доучивается», чтобы повысить точность результатов. Чем больше данных доступно нейронной сети, тем выше показатель точности.
«Цитрус». ИИ персонализирует маркетинг на основе истории клиента
Украинская сеть магазинов «Цитрус» пользуется системами ИИ для определения лучшего следующего действия (next best action) в отношении конкретного клиента. Система собирает массивы данных в Microsoft Azure. Проанализировав историю коммуникаций с клиентами, их активность на сайте и заинтересованность в промоакциях, ИИ понимает, какие предложения, в какое время и по каким каналам коммуникаций будут актуальны для каждого отдельного покупателя. Система показывает, что нужно изменить в работе с конкретным клиентом для того, чтобы сделать максимально релевантное предложение, увеличить процент покупок и его лояльность.
Автор: Кирилл Руднев, управляющий партнер компании SMART business
