ИИ оказывает огромное влияние на развитие ритейла, в первую очередь улучшая рабочие процессы сотрудников и упрощая выбор товаров для покупателей. Портал eWeek рассказывает о том, как ИИ используется в ритейле в настоящее время и как он влияет на всех — от руководителей компаний до работников и покупателей.

В той или иной форме ИИ используется в электронной торговле уже несколько лет, но с появлением и развитием генеративного ИИ цифровая розничная торговля стала гораздо более гладкой и менее зависимой от вмешательства человека.

Как работает ИИ в розничной торговле

Специфика применения ИИ в ритейле зависит от того, как и на чем руководители компаний решили сосредоточить свои усилия в этой области.

В большинстве организаций розничной торговли модели ИИ настраиваются для работы в качестве цифровых розничных платформ или встраиваются в существующие розничные платформы, ERP-системы, CRM-программы и/или бизнес-сайты. Эти модели обучаются решению различных бэк-офисных и клиентских задач, включая управление запасами, процессами в цепочках поставок, взаимодействием с клиентами и другими элементами жизненного цикла розничной торговли.

ИИ в ритейле обучают рассматривать каждое взаимодействие с клиентом, каждое нажатие кнопки мыши и перемещение товарных запасов как уникальную точку данных. Часто эти данные попадают в обучающий набор модели и используются для дальнейшей специализации и тонкой настройки ее способности взаимодействовать с людьми и оказывать им необходимую поддержку.

В розничной торговле могут использоваться различные виды ИИ, но следующие три широкие категории охватывают большинство областей применения:

  • Машинное обучение. Алгоритмы МО обучаются распознавать различия между разными пользователями и точками данных, включая рекламные клики, покупки и разговоры со службой поддержки, и действовать в соответствии с ними; этот тип ИИ особенно полезен для прогнозирования общего отношения к бренду, того, что пользователи больше всего хотят приобрести, и того, как будут меняться тенденции покупок с течением времени.
  • Генеративный ИИ и обработка естественного языка. Генеративный ИИ лучше всего подходит для создания чатботов, виртуальных помощников и других ИИ-инструментов, которые непосредственно помогают клиентам, генерируя контент в ответ на их запросы. Модели генеративного ИИ могут напрямую отвечать на вопросы клиентов и даже делать предложения о покупке, основываясь на их прошлых покупках или предпочтениях.
  • Робототехника. Роботы на базе ИИ, способные управлять физическими машинами, могут использоваться для сканирования, обновления или перемещения товарных запасов со склада на витрину, управления транспортными средствами доставки и беспилотниками, а также для физического взаимодействия с покупателями в магазинах.

Применение ИИ в розничной торговле

ИИ-чатботы. Чатботы с искусственным интеллектом, имеющие доступ к различной информации, могут быть встроены в сайты электронной коммерции, социальные сети и другие приложения. Выходя за рамки чатботов, которые полагаются на несколько заложенных вручную рабочих процессов для конкретных тем разговора, ИИ-чатботы обучаются по различным темам — часто с использованием организационной базы данных или базы знаний, — чтобы они могли более эффективно понимать и отвечать на различные вопросы и запросы клиентов.

«Живой» инструктаж по работе с клиентами. Некоторые ИИ-инструменты, например Nuance, Gridspace и Zenarate, не берут на себя все функции по обслуживанию клиентов, а предоставляют «живые» консультации и предложения представителям службы поддержки. Эти предложения часто сочетаются с подробными информационными панелями, которые дают представителям компании инструменты и язык, необходимые для более продуктоориентированного общения с клиентами по телефону.

Анализ настроений клиентов. Хотя розничная компания, возможно, уже регулярно получает и анализирует отзывы клиентов, часто бывает сложно сопоставить эти настроения по пользователям и в масштабе, а еще сложнее применить эти данные для необходимых улучшений бизнес-модели.

С помощью моделей ИИ все отзывы и взаимодействия клиентов автоматически собираются и анализируются, что позволяет ритейлерам быстрее и лучше понять, как клиенты относятся к бренду. В частности, с помощью больших языковых моделей и моделей генеративного ИИ можно собирать неструктурированные данные, такие как текст, из различных источников и одновременно отсеивать спамерские отзывы, чтобы они не мутили воду в анализе.

Помимо улучшения анализа настроений покупателей, ИИ позволяет ритейлерам применять полученные инсайты для более персонализированной работы с покупателями, включая рекламу с учетом их пожеланий и более точную сегментацию аудитории.

Прогнозирование спроса и предписывающая аналитика. Аналитика данных на основе ИИ позволяет пользователям, в том числе и тем, кто не являются специалистами в науке о данных, лучше понимать все многообразие имеющихся в их распоряжении данных.

Эти модели могут анализировать данные в различных форматах и в больших объемах, изучая исторические и текущие метаданные о закупках в различных категориях для более точного прогнозирования спроса. Например, владельцы бизнеса могут использовать ИИ-анализ, чтобы узнать, что свитера, которые они продавали в прошлом году, не только быстро разошлись, но и получили положительную оценку в отзывах и разговорах покупателей.

Они также могут узнать, что, хотя свитер хорошо продавался в одних регионах, он не стал хитом продаж в других. Вооружившись этими данными, ритейлер поймет, куда ему следует перенаправить этот товар, на каких рынках требуется больше запасов, а на каких — меньше.

Для тех, кто не занимается изучением данных профессионально, инструменты ИИ-анализа особенно эффективны в плане предписывающей аналитики, т. е. аналитики, которая дает рекомендации по корректировке бизнес-тактики в будущем на основе текущих данных. Благодаря естественно-языковому подходу эти инструменты ИИ помогают бизнес-пользователям из разных подразделений и областей знаний использовать эти данные для достижения лучших результатов.

Рекомендательный ИИ. Основываясь на метаданных отдельных пользователей, их прошлых покупках, отзывчивости к рекламе, анализе настроений и других данных, ИИ в розничной торговле теперь может рекомендовать покупателям товары и услуги, которые они, скорее всего, захотят приобрести, но, возможно, не рассматривали бы в ином случае.

Действительно, рекомендательный ИИ является одним из наиболее быстро развивающихся направлений ИИ в ритейле благодаря тому, что он хорошо улавливает предпочтения покупателей и позволяет их монетизировать.

Автоматизированное управление запасами. Прогнозирование спроса с помощью ИИ — один из способов, с помощью которого розничные компании теперь более точно предсказывают, сколько товарных запасов им необходимо и где и когда они должны быть размещены. ИИ-аналитика данных также может помочь ритейлерам определить, когда следует изменить цены, как сезонные закупки влияют на товарные запасы и движение по цепочке поставок, и в каких случаях возврат товара покупателями требует более частого обновления запасов.

Физически более ощутимо то, что робототехника, управляемая ИИ, также может быть использована для поддержки автоматизированного управления запасами. Все большее число складов розничной торговли полагаются на роботов-помощников с ИИ, которые сканируют запасы и отслеживают их уровень, а затем пополняют или сокращают запасы по мере необходимости.

Интеллектуальные персонализированные рекламные объявления. Маркетологи и менеджеры по рекламе работают за кулисами, анализируя эффективность рекламы и принимая решения о том, какие изменения следует внести для повышения вовлеченности аудитории. ИИ повсеместно берет на себя эту задачу и принимает более точные решения о таргетинге, в первую очередь потому, что способен быстрее анализировать большее количество точек данных о вовлеченности.

Кроме того, ИИ чаще замечает закономерности в данных, которые человек может не заметить, и может принимать решения на основе прошлых данных, будь то обновление рекламного текста на основе настроения пользователей или изменение места объявления на веб-странице на основе предыдущих данных тепловой карты.

ИИ также может нацеливать рекламные объявления на отдельных людей, основываясь на их метаданных, что позволяет повысить вероятность их заинтересованности и вовлеченности. Наконец, ИИ обучается и обновляет рекламные объявления в режиме реального времени, обеспечивая их постоянную оптимизацию под текущую аудиторию.

Упрощение процесса оформления заказа. Благодаря сочетанию биометрии и технологии распознавания с помощью ИИ витрины магазинов начинают упрощать процедуру оформления заказа, в том числе и в офлайновых магазинах.

Например, некоторые магазины теперь позволяют постоянным покупателям просто взять свои товары и выйти за дверь; технология распознавания и сканирования с использованием ИИ идентифицирует покупателя и автоматически выставляет счет, не требуя от него участия в оформлении покупки в магазине.

Для покупателей, желающих получить более удобный опыт виртуального шопинга, многие компании добавляют в свои приложения для розничной торговли вспомогательные элементы ИИ. Эти функции могут делать предложения о покупке или интегрироваться с виртуальными кошельками для более удобного совершения покупок.

Преимущества использования ИИ в розничной торговле

Многие ритейлеры опасаются, что использование ИИ в их бизнес-модели приведет к потере личного контакта с покупателями, однако на сегодняшний день оно уже дает ряд преимуществ, включая помощь в создании более удобного клиентского опыта:

  • Акцент на клиентском опыте. Рекламные объявления нацелены на то, что действительно нужно пользователям, чатботы могут более четко отвечать на вопросы клиентов в удобное для них время, а приложения, управляемые ИИ, открывают пользователям доступ к новым типам покупательского опыта, которые соответствуют их предпочтениям. Несмотря на то, что с внедрением ИИ в ритейле может уменьшиться количество контактов между людьми, покупатели все равно остаются в выигрыше от ориентации на клиента.
  • Больше возможностей для автоматизации. ИИ позволяет автоматизировать разговорные рабочие процессы, управление запасами и цепочками поставок, а также другие повторяющиеся задачи розничной торговли, которые традиционно требовали участия человека. Это снижает вероятность человеческих ошибок и высвобождает время сотрудников для решения более стратегических задач, что может привести к повышению продуктивности организации.
  • Снижение влияния ошибок персонала. ИИ может отслеживать весь жизненный цикл цепочки поставок и управления запасами и выявлять ошибку сразу же после ее возникновения. Это позволяет устранять ошибки при складировании и отгрузке до того, как они приведут к недовольству клиентов или нехватке запасов.
  • Оптимизация цифрового маркетинга и аналитики. Аналитические инструменты на базе ИИ демократизируют процесс анализа, позволяя использовать естественный язык и контекстные объяснения и получать более подробную и точную прогнозную аналитику, полезную для отделов маркетинга и продаж. Кроме того, эти инструменты могут анализировать бóльше объемов и типов данных, чем большинство традиционных инструментов маркетинговой аналитики.
  • Уменьшение числа точек соприкосновения с человеком. Поскольку ИИ берет на себя различные функции обслуживания клиентов и управления запасами, ритейлеры могут сократить штат сотрудников или сосредоточить их внимание на более стратегических задачах. В условиях дефицита на рынке труда ИИ поможет заполнить производственные пробелы, сокращая требования к переподготовке и найму персонала.

Выводы

Ритейлеры проявляют творческий подход и находят всевозможные способы внедрения ИИ в свой бизнес. Это может быть как прямое взаимодействие с покупателями, так и косвенное влияние на них, уточнение запасов и контроль за их состоянием на распределенных площадках, а также более детальное изучение руководителями текущих показателей и прогнозов на будущее.

При продуманном внедрении ИИ и наличии соответствующих политик и ограничений его использования он может принести пользу как сотрудникам, так и покупателям благодаря автоматизации, персонализации и «бесконтактным» функциям, которые улучшают общее впечатление от розничной торговли.