Business

Comment l'intelligence artificielle et l'apprentissage automatique aident les détaillants et les consommateurs

Comment l'intelligence artificielle et l'apprentissage automatique aident les détaillants et les consommateurs


Recommandations personnalisées, Chatbots, Programmes de fidélité optimisés, Modélisation prédictive du comportement, et bien plus encore!

A.I Adoption pour les technologues du marché des capitaux - Comment l'intelligence artificielle et l'apprentissage automatique aident les détaillants et les consommateurs
Source de l'image: UnSplash

La mise en œuvre de solutions d'intelligence artificielle dans le commerce de détail physique pose naturellement plus de problèmes que le commerce de détail en ligne. Cependant, prendre du recul, les deux ne sont encore étonnamment qu'à leurs débuts. Selon une étude réalisée par Capgemini en 2018, plus du quart des 250 principaux détaillants mondiaux intègrent l'IA dans leurs organisations (une forte augmentation par rapport à 2016, alors que ce n'était qu'une petite minorité de 4%). Cependant, l'étude a également révélé que seulement 1% des initiatives d'IA atteignent un déploiement à grande échelle.

Ceci est sur le point de changer. Selon le McKinsey Global Institute, les investissements du commerce de détail et du CPG dans l'intelligence artificielle devraient dépasser 8 milliards de dollars d'ici 2024. De plus, un autre rapport de McKinsey montre qu'AI a le potentiel de créer plus de valeur annuelle pour le commerce de détail que tout autre secteur (voir graphique). au dessous de). Alors que de plus en plus de joueurs s’aventurent avec succès dans de nouvelles applications d’apprentissage automatique, d’analyse prédictive, etc., la perturbation Al dans le commerce de détail risque de se produire rapidement.

Mais que signifie réellement "IA" en termes de possibilités de croissance et de capacités pour les entreprises, et en particulier pour les applications de vente au détail dans le monde réel? Et comment, en tant que détaillant ou entreprise de produits de grande consommation, quelle que soit sa taille, modifiez-vous le paradigme et transformez-vous vos données en informations exploitables et en valeur commerciale réelle? Avec Enterprise AI, apprentissage machine (ML)

Moteurs de recommandation personnalisés

Les principaux analystes prédisent que les moteurs de personnalisation intelligents utilisés pour identifier les intentions des clients offrent aux entreprises la possibilité d’augmenter leurs bénéfices de 15% d’ici 2020.

Il va sans dire que la personnalisation est ainsi devenue un enjeu de table pour les détaillants aujourd'hui confrontés à la concurrence féroce des géants du e-commerce et à une clientèle de plus en plus exigeante.

En fait, l'intelligence artificielle est le seul moyen de fournir une hyper-personnalisation: sa capacité à conserver et à déchiffrer de nombreuses données et à utiliser ces informations pour révéler davantage de pertinence aux clients est un atout essentiel pour les détaillants.

Les entreprises qui ne sont pas Amazon et qui ne disposent pas de leurs ressources apparemment infinies peuvent toujours utiliser le machine learning pour analyser une série de sources de données afin de déterminer les bases de la personnalisation basée sur l'IA, notamment:

• Historique du navigateur
• Clics de page
• interactions sociales (j'aime, partage, etc.)
• achats précédents
• Combien de temps une page Web a été affichée
• Emplacement
• …et bien plus

Optimisation du programme de prix et de fidélisation

Source de l'image: Pixabay

L'un des domaines de l'IA ayant le plus fort impact dans le commerce de détail concerne les prix, la promotion et l'optimisation des démarques. L’optimisation des prix implique, d’une part, d’adapter les prix aux clients de manière à ce qu’ils les considèrent attrayants, équitables et non arbitraires pour les produits qui comptent le plus pour eux, et, d’autre part, de prédire quand ils le seront (ou non). t) nécessaire d'offrir des rabais.

Une étude de Forrester montre qu'utiliser AI et ML pour optimiser les prix est avantageux pour les deux détaillants - en raison de son impact prouvé sur les résultats - et pour les clients, qui le considèrent principalement comme une pratique positive et juste tant que les prix présentés sont dans leur budget.

De plus en plus, les détaillants trouvent des moyens pour les clients de fournir des données, souvent en échange de programmes d'incitation, tels que des programmes de fidélisation. Plus les clients fournissent volontairement d'informations, plus il est facile pour les détaillants de fidéliser leurs clients grâce à un marketing personnalisé.

De plus, les détaillants s'efforcent de rendre le programme de fidélité le plus facile possible pour les clients, notamment en supprimant les exigences traditionnelles d'acquisition de cartes de crédit de marque. Des points de vente importants, tels que Macy’s, J. Crew et Nordstrom, ont abandonné leurs exigences en matière de cartes en 2018 afin de renforcer la participation aux programmes de fidélisation.

AI propose aux détaillants un ensemble robuste d’applications permettant d’améliorer et de personnaliser leurs programmes de fidélisation. Avec des fonctionnalités telles que la PNL, le raisonnement sémantique et l'analyse d'images, les spécialistes du marketing bénéficient désormais d'une compréhension évolutive et adaptative de l'engagement des clients vis-à-vis de la marque.

A l’époque des temps modernes, la loyauté signifie plus que de s’inscrire à un programme et de collecter des points de manière passive ou de gagner de l'argent à l'occasion, et AI peut aider à concrétiser cet objectif. Les adhésions inactives et les promotions échouées sont coûteuses et entraînent une rupture de relation. Les clients veulent être traités de manière unique, et lorsque l'expérience client répond à cette attente, les marques en bénéficient.

Chatbots et âge de la chaîne d'approvisionnement

La gestion de la chaîne logistique joue un rôle caché, bien que stratégique, dans la manière dont les consommateurs achètent ou reçoivent les produits. Alors que les stocks deviennent un facteur de différenciation plus important, les magasins doivent tirer parti des stratégies de chaîne d'approvisionnement intelligentes pour garantir la disponibilité des bons produits au bon moment à chaque client.

Les détaillants sont toujours à la recherche d'un avantage concurrentiel pour gagner en efficacité et en précision dans leur chaîne d'approvisionnement. Plus les détaillants peuvent prévoir avec précision la demande, gérer leurs stocks et gérer leurs relations avec leurs fournisseurs, plus vite ils peuvent éviter le gaspillage, réduire les coûts et investir plus efficacement leur capital dans des activités générant des bénéfices.

Chatbots

Source de l'image: Pixabay

Les entreprises se tournent de plus en plus vers l'IA et l'automatisation pour traiter les problèmes de première ligne avec les fournisseurs. Les entreprises peuvent réduire les effectifs de leurs relations avec les fournisseurs en utilisant des chatbots pouvant prendre en charge un grand pourcentage des problèmes et transactions courants.

De plus en plus, les détaillants n'auront plus à compter sur leurs employés pour passer des commandes, traiter des factures ou trouver des fournisseurs. Les chatbots seront capables de faire ce travail, souvent en correspondant avec d'autres bots du côté du fournisseur. La technologie automatisée réduira considérablement les coûts de main-d'œuvre et effectuera une grande partie de ce travail plus rapidement que les humains ne le pourraient.

Bien que les humains puissent être des négociateurs difficiles, les processus automatisés de la chaîne d'approvisionnement pourront rechercher et identifier rapidement les meilleures offres possibles. Combinée à un apprentissage approfondi et à des analyses avancées, la technologie chatbot peut aider à fournir aux détaillants des informations cruciales sur les perturbations de la chaîne logistique auxquelles ils doivent répondre.

Par exemple, un chatbot peut informer un acheteur d'une catastrophe naturelle qui a eu un impact sur les itinéraires d'approvisionnement habituels et recommander d'autres moyens d'achat. Dans le monde de la gestion de la chaîne d'approvisionnement 24 heures sur 24, 7 jours sur 7, les chatbots réduisent considérablement le besoin de personnel dédié à la relation client, en particulier pendant les heures de travail non traditionnelles.

Lorsque les détaillants traitent avec des fournisseurs situés dans des fuseaux horaires différents, ils doivent être en mesure de fournir des réponses rapides aux demandes de renseignements. Néanmoins, l'IA et les techniques d'automatisation leur permettent de plus en plus de le faire sans encourir un coût de main-d'œuvre substantiel.

Gestion des stocks et optimisation des magasins

La modélisation prédictive continuera d'optimiser les stocks pour les détaillants, grands et petits. Les grandes entreprises sont déjà pionnières en matière de technologie qui aligne plus précisément les stocks sur la demande des clients.

La gestion des stocks est particulièrement importante dans le secteur de l'épicerie, où la capacité de prévoir la demande réduit le gaspillage de nourriture et garantit une offre adéquate des articles que les clients veulent à un moment donné.

Traditionnellement, les détaillants avisés stockaient certains articles en fonction de ce qu’ils savaient du comportement des clients en fonction de la période de l’année ou des conditions météorologiques. Ils savent qu'il faut acheter des hot-dogs pendant la saison du barbecue ou du champagne pour le Nouvel An.

Des modèles prédictifs, fondés sur des années de données et sur diverses sources de données, offrent aux détaillants la possibilité de le faire avec une précision exponentielle, en détectant les nuances dans le comportement des consommateurs qui échapperaient à l’avis même du gérant de magasin le plus perspicace.

Par exemple, Walmart a réussi à prévoir les modèles de consommation en fonction des conditions météorologiques. Le modèle a détecté une hausse de la demande en hamburgers lors des journées chaudes avec un ciel dégagé, tandis que la demande en steaks augmentait les jours nuageux et venteux. Les détaillants déploient de plus en plus de dispositifs de stockage intelligents, des réfrigérateurs aux étagères, pour suivre les stocks en temps réel.

Les applications intelligentes pour étagères se sont multipliées, offrant aux vendeurs en magasin la possibilité de trouver plus rapidement des produits pour leurs clients ou d'identifier les produits à réapprovisionner. Que le magasin soit occupé ou non, le fait de libérer les employés de l'obligation de vérifier en permanence l'inventaire permet au magasin de déployer plus efficacement son personnel pour se concentrer sur d'autres tâches, telles que le service à la clientèle.

Planification de l'espace et conception de magasins avec IoT

La prolifération des appareils connectés a des implications majeures pour le secteur de la vente au détail, et les leaders du secteur le savent bien. Un sondage mené auprès des décideurs du secteur de la vente au détail dans le cadre de l'étude 2017 Zebra Retail Vision a révélé que 70% d'entre eux se déclaraient prêts à intégrer l'Internet des objets (IoT) dans leurs magasins.

Une étude similaire réalisée par Zebra l'année suivante a révélé que 52% des détaillants transmettaient déjà les données de leurs employés de première ligne à partir d'appareils IdO en temps réel pour améliorer le service à la clientèle. La technologie IoT offre aux détaillants l’opportunité de comprendre comment la disposition de leurs magasins influe sur le comportement des clients.

Plus le nombre d'appareils connectés permettant de suivre et d'analyser les mouvements des clients dans une installation est grand, plus les détaillants seront en mesure de concevoir leurs magasins de manière à maximiser leur impact. Dans le passé, les décisions en matière de conception reposaient sur des anecdotes ou (au mieux) des groupes de discussion. Cependant, les détaillants peuvent désormais compter sur la science des données pour optimiser l'expérience client.

Les magasins utilisent également des appareils connectés pour offrir le plus haut niveau de personnalisation possible au marketing et aux promotions. Bien que la technologie geofence ait permis aux détaillants de détecter la présence de clients dans leurs magasins, les appareils connectés offrent une précision encore plus grande, de sorte qu'ils puissent envoyer des promotions aux clients avec des promotions spécifiques à la section du magasin où ils se trouvent ou au produit auquel ils appartiennent. à la recherche.

Le rôle des analystes de données et de données évolue

Les scientifiques de données sont géniaux, mais ils sont coûteux, rares et on ne peut pas s’attendre à ce qu’ils fournissent une expertise en la matière pour chaque secteur d’activité. Associez un analyste des données à trois ou cinq analystes et observez la croissance exponentielle de la collaboration, de la productivité et de la valeur commerciale.

Lorsqu'on réfléchit au rôle changeant de l'analyste métier, il faut considérer AutoMl. AutoML consiste essentiellement à utiliser des techniques d’apprentissage automatique pour automatiser le processus d’apprentissage automatique, par exemple un détecteur de fraude pour le paiement par carte de crédit. Globalement, les projets AutoML augmenteraient ou remplaceraient un système basé sur des règles, de sorte que la science des données consiste à remplacer les règles codées en dur par un modèle.

Mais est-ce juste un battage publicitaire? A-t-on besoin de l'apprentissage machine / IA pour apprendre l'apprentissage machine / IA? Aujourd'hui, la plupart des produits qui construisent des modèles intègrent certaines fonctionnalités permettant d'accroître la productivité des scientifiques de données, notamment l'ingénierie des fonctionnalités, l'optimisation des paramètres de modèle, la sélection et le mélange de modèles. L'AutoML a d'énormes implications sur la manière dont les équipes de données pourraient fonctionner à long terme.

Les projets de science des données seraient dirigés par des scientifiques spécialisés dans les données, qui pourraient ensuite exploiter les analystes de données déjà en place et connaissant les tenants et les aboutissants des données (ou même des modèles sous-jacents) pour guider le processus d'ingénierie des caractéristiques.

C'est une période passionnante pour l'automatisation de la vente au détail; Si les systèmes intelligents peuvent aider à tirer parti de l'analyse à chaque étape de la chaîne, les informations commerciales aideront les détaillants à comprendre les tendances locales et à mieux adapter leurs campagnes marketing.

Les entreprises doivent pouvoir interpréter et expliquer leurs modèles prédictifs

Source de l'image: Pixabay

Si vous avez déjà des modèles prédictifs en production, félicitations, mais comment expliquez-vous à vos collègues, à la direction, aux équipes d'audit internes et externes, comment le modèle en est venu à la décision?

Pour les détaillants comme pour les entreprises de produits de consommation courante, il est crucial d’avoir accès à de grandes quantités de données clients et de pouvoir les utiliser pour améliorer la connaissance du consommateur et créer des moteurs de recommandation. Néanmoins, pour cela, les clients et les employés qui fournissent leurs données ou utilisent les recommandations issues d’une analyse basée sur l’IA doivent avoir confiance dans le traitement des données et leurs résultats.

Le principe d’équité dans l’interprétabilité est encore plus fondamental: comment empêchez-vous l’intelligence artificielle d’apprendre des choses qu’elle ne devrait pas apprendre? L'IA peut apprendre à s'entendre et à discriminer assez facilement, et sans contrôle des conclusions, tout détaillant qui s'appuie sur un algorithme qui a appris la mauvaise information pourrait se retrouver assez vite en eau profonde avec les régulateurs.

C’est une erreur commune et cruciale de supposer que seules les industries très fortement réglementées devraient se préoccuper de l’interprétabilité du BC. Pourtant, en réalité, tout le monde devrait s'en soucier, car il crée de meilleurs modèles - comprendre et faire confiance aux modèles et à leurs résultats est la marque d'une bonne science et d'une bonne affaire en général.

Passer à l’ère de l’intelligence artificielle n’est pas chose facile pour le CPG et l’espace de vente au détail, mais ce n’est pas non plus insurmontable. Les détaillants et les marques qui adoptent une approche étape par étape et se mettent en place avec la bonne infrastructure pour les personnes, les processus et les outils peuvent prospérer.

Ceux qui ne s’adaptent pas se retrouveront lentement à la traîne, perdant des activités au profit de rivaux favorables aux technologies plus récentes et ayant du mal à rester pertinents dans ce secteur en rapide évolution axé sur la connaissance du consommateur.

Pour conclure, voici les trois thèmes et points clés de cet article:

1. Les détaillants traditionnels et les entreprises de produits de grande consommation font naturellement face à des défis plus importants et différents pour mettre en œuvre Enterprise AI que le commerce en ligne et les détaillants en ligne. Cependant, les deux sont encore aux premiers stades de développement. Les études ont identifié divers obstacles organisationnels entraînant un retard de l’intelligence artificielle dans le commerce de détail, mais également des opportunités sans précédent pour les entreprises de ce secteur de tirer parti de la valeur commerciale de l’intensification de leurs initiatives d’IA et d’apprentissage automatique.

2. Les énormes avantages de l'intelligence artificielle pour l'économie du commerce de détail en termes de gouvernance, d'éthique et de responsabilité sont toujours associés à de graves défis. Néanmoins, avec une expertise pertinente et l'éducation des personnes, des processus de gouvernance prudents et les bons outils, le défi éthique et réglementaire n'est pas impossible à surmonter.

3. Les plates-formes de science des données, d’apprentissage automatique et d’intelligence artificielle constituent un avantage indéniable pour le commerce de détail et le CPG: elles peuvent fournir aux organisations une plate-forme permettant d’optimiser quatre piliers essentiels pour offrir une expérience de vente au détail de niveau supérieur: la capacité à comprendre leurs clients, à employés, fournissent une chaîne d’approvisionnement intelligente et créent un nouveau modèle de pratique de vente au détail qui améliore la promotion et la production des produits que les clients souhaitent le plus,

En choisissant la bonne plate-forme, les détaillants et les marques peuvent transformer leur modèle commercial et s'engager sur la voie de l'IA Enterprise Enterprise pour mieux comprendre leurs clients et leurs activités, afin de fournir des expériences uniques, différenciées et individuelles.

Afficher plus

SupportIvy

SupportIvy.com : Un lieu pour partager le savoir et mieux comprendre le monde. Meilleure plate-forme de support gratuit pour vous, Documentation &Tutoriels par les experts.

Articles similaires

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Bouton retour en haut de la page
Fermer