Intelligence artificielle

Une histoire d'amour en attente de se produire?

Une histoire d'amour en attente de se produire?


Quiconque a le doigt mouillé en l'air aura déjà entendu parler de «l'apocalypse du commerce de détail» qui déferle sur les centres commerciaux des pays développés. "Les gens ne dépensent plus dans les magasins", se plaint votre oncle au quart de quartier, avant de se plaindre de ce que les jeunes sont trop occupés à instaluer leur brunch d’avocat pour brûler la croix sur la pelouse. En effet, les anciens modèles de distribution ne fonctionnent plus aussi bien qu’avant. Le fait qu’ils soient au départ des modèles terribles avait probablement un rapport avec cela.

Les détaillants les plus avant-gardistes s’adaptent toutefois et ne survivent pas seulement, mais prospèrent. Cela est dû en partie aux nouvelles technologies, qui ont permis un large éventail d’innovations. Le plus petit de ces technologies est l’apprentissage automatique, qui permet d’utiliser des tonnes de données clients pour modéliser, analyser, reconnaître et prévoir des niveaux et des vitesses que nous ne pourrions jamais espérer atteindre (plus d’informations de base). ICI).

Les paragraphes suivants donnent un aperçu rapide (sinon légèrement vulgarisé) des zones dans lesquelles le propriétaire de magasin moderne pourrait utiliser cette technologie pour rester à flot tout au long de la saison de Noël et des années suivantes, prouvant que l'intelligence artificielle n'est pas uniquement destinée aux marques numériques. et a effectivement sa place dans la vente au détail physique.

Prévision

Si on fournit suffisamment de données utilisables (pensez à des tableaux Excel volumineux sur ce qui a été acheté, quand et où, entre autres variables), l’apprentissage automatique peut non seulement nous dire ce qui s’est passé, pourquoi, et ce qui va se passer, mais aussi quelle est la meilleure chose qui puisse arriver (Oh, comme j'aimerais avoir ce pouvoir au lycée…) sur la base des données client disponibles, de la saison, du jour de la semaine, de l'activité dans d'autres magasins de la région, de l'activité de commerce électronique, etc.

En tant que telle, la technologie peut aider les marques et les détaillants à savoir quels produits seront nécessaires, dans quel délai et en fonction de nombreuses variables, afin que les consommateurs puissent profiter des avantages d'une meilleure disponibilité des produits, d'un inventaire plus adapté et même informez-vous sur les tendances actuelles. Cela conduit à une chaîne d'approvisionnement plus efficace, avec une meilleure utilisation des ressources disponibles.

Travailler avec les meilleurs scénarios permet également une tarification meilleure et plus flexible, facilitant la maximisation du profit. MR = MC. C’est aussi une meilleure utilisation des promotions: les ventes sont actuellement plus tactiques que stratégiques, dans le but d’obtenir des parts de marché plus importantes ou de se débarrasser de stocks coûteux. Mais cela peut ne pas être vrai pour longtemps.

En effet, de meilleures prévisions signifient également moins de stocks inutiles et moins de promotions. Parmi les nombreux problèmes auxquels le marché de la vente au détail est confronté aujourd’hui, les stocks invendus pourraient constituer l’un de ses plus grands handicaps: les stocks inutilisés coûtent environ 50 milliards de dollars par an au secteur de la vente au détail aux États-Unis. Chaque dollar dépensé dans ce qui devient un stock inutilisé est un argent précieux qui aurait pu être investi dans la formation de talents, une meilleure R & D ou, bien évidemment, un inventaire plus liquide.

La prévision n’est pas sexy, mais elle permet d’économiser des millions et économisera des milliards. Et rien n’est meilleur que des milliards, quelle que soit la devise.
Symphony Retail a des idées intéressantes sur le sujet

Personnalisation

Il fut un temps où la plupart des propriétaires de magasin connaissaient la plupart de leurs clients. Mais ces clients voulaient des produits moins chers. Et plus de variété. Donc, l'industrie s'est concentrée. Et élargi. Et les villes ont grandi. Et les acheteurs sont devenus de simples chiffres, alors que les statistiques de trafic et de conversion dominaient Retail-City avec une main de fer.

Cela n’arrête plus, surtout pour les jeunes générations, cernées par des marques à la recherche de clients à vie (Juul). Les clients veulent des produits qui répondent à leurs besoins, ici et maintenant. Ironiquement, les statistiques peuvent aider à fournir cette personnalisation et cette rétention en utilisant les comportements d’achat précédents du client (en supposant qu’ils aient été suivis), en les croisant avec ceux de tous les autres clients et en tirant des conclusions sur ses besoins futurs à l’aide d’algorithmes avancés d’apprentissage automatique.

La personnalisation de masse à grande échelle se fait principalement en ligne à ce moment-ci et, en tant que telle, sort du cadre de cet article… attendez de quoi je parle? Il n'y a plus de hors ligne et en ligne: ils ont fusionné dans le fameux «nouveau commerce» de Ma. Bien que nous ne puissions pas adapter un magasin à tous les clients (sachez que les entreprises en démarrage de VR tentent), nous pouvons utiliser l'apprentissage automatique pour adapter un magasin spécifique à un quartier spécifique et utiliser la vision par ordinateur. (ML avec les yeux) pour informer le numérique sur la base du physique (plus sur les deux ci-dessous).

Nous ne sommes pas encore dans un monde où vous ramassez une boîte de cookies, vous la déposez dans le magasin et un e-mail s'affiche pour vous donner une réduction sur les cookies une fois que vous êtes chez vous, mais cela arrive. Les avantages sont évidents et vont de la vente à l'acte aux achats complémentaires.

Merchandising Granulaire

La plupart des clients réguliers des grandes épiceries ont une carte de fidélité reliée à un profil contenant des informations très basiques (âge, sexe, etc.). En 1. utilisant ces données, 2. en utilisant des données démographiques librement disponibles et 3. en utilisant l'apprentissage automatique pour tirer des conclusions des produits achetés et vendus dans divers domaines, il devient possible d'adapter l'inventaire réalisé par chaque magasin à son environnement (c'est-à-dire: ramen et EasyMac pour le logement des étudiants).

La question clé passe de “où” et “combien” à “qui”, “quand”, “combien de fois”, “combien de temps” et “pour combien de cookies?”.

La plupart des épiceries des grandes villes ont des agencements uniques avec des restrictions d’espace, mais celles-ci peuvent être prises en compte. Si le magasin dispose de 40 mètres d'étagères et que les «articles de base» (tomates, bière, crème glacée…) couvrent 30 mètres, les 10 mètres restants peuvent être remplis avec les «best-sellers» pour les catégories de personnes les plus visitées le magasin, ainsi que quelques nouveaux produits. Le poids de chacun peut alors être adapté et réadapté au fil du temps.

Il est également possible d'aller encore plus loin que les cartes de fidélité: la vision par ordinateur pourrait potentiellement identifier différentes données démographiques si on disposait de suffisamment de séquences de formation, contribuant ainsi à éclairer les décisions stratégiques concernant l'inventaire. Il pourrait également être utilisé pour identifier ce qui attire les yeux des visiteurs et ce qui ne l’est pas, ainsi que pour créer des cartes thermiques, aider à modifier et à adapter l’aménagement des magasins. Les caméras sont déjà dans la plupart des magasins et sont plutôt inutiles, pourquoi ne pas en faire bon usage pour une fois?

Considérez cela comme l’équivalent de 1000 stagiaires par magasin, en notant ce à quoi les gens ressemblent et ce qu’ils regardent chaque jour.

On peut dire que ces stagiaires coûtent moins cher aux États-Unis car il n’ya pas de législation du travail dans ce pays, mais pour les pays civilisés, la vision par ordinateur pourrait bien être la voie à suivre. Consultez RetailNext pour plus d'informations.

Magasins sans caisse

Comme mentionné ci-dessus, nous n'aurons peut-être bientôt plus besoin de ces cartes de fidélité embêtantes pour être reconnues dans les magasins, grâce à la vision par ordinateur. La technologie est déjà utilisée dans le monde entier avec plus ou moins de succès. Le plus avancé pour l’instant est Amazon Go, qui vous permet d’entrer dans ses magasins via une identification mobile (qui lie votre achat physique à votre comportement en ligne pour davantage de données intéressantes) et de partir sans sortir votre portefeuille. Les articles sont identifiés via Computer Vision et le compte du client est automatiquement facturé via l'application. Regardez cette superbe vidéo non promotionnelle pour en savoir plus.

Oui, cet homme a l'air d'avoir une voix VRAIMENT agaçante, mais ce n'est pas si grave, promis

Bien sûr, l’utilisation du mobile est une idée fantastique: si nous jetons un coup d’œil à la vie privée, le magasin pourrait savoir où nous en sommes avant, où nous allons après et associer les cookies au comportement du magasin. La prédominance de ces types de magasins a de nombreuses autres implications: prévention du vol, fidélisation de la clientèle, automatisation… L’idée d’identifier les clients grâce à la reconnaissance faciale, par exemple, serait particulièrement attrayante pour les magasins de haute couture où l’on pourrait identifier les grands consommateurs leurs habitudes, leurs achats antérieurs et leur adresse de livraison pourraient apparaître sur un écran à la vue de tous les vendeurs. C'est déjà le cas dans les magasins de luxe comme Louis Vuitton, mais d'une manière beaucoup plus analogique.

Découvrez AiFi, Standard Cognition, Zippin et Trigo Vision pour plus d'informations sur les magasins cashierless.

Visibilité des stocks

Oui, cela fera de nouveau référence à la vision par ordinateur. Il s'avère que le monde réel n'est pas composé de 1 et de 0 et doit être vu pour être analysé. Qui savait?

Il existe quelques options pour optimiser la visibilité des stocks, mais ils passent tous par une phase d'apprentissage d'un algorithme permettant de reconnaître les gammes de produits en fonction de leur emballage, et en sachant compter combien il y en a, combien il n'y en a pas et, plus important encore, combien il devrait y avoir.

Ce dernier point est important car la caisse peut savoir combien de produits il y a en stock et combien ont été vendus, mais elle ne sait pas si le vol ou les erreurs de comptage (par exemple: les fournisseurs qui rasent les échelons) ont conduit à moins de produits en magasin. réalité.

En effet, les caméras pourraient être utilisées pour limiter considérablement les vols en identifiant quand et où ils se produisent. Si nous pouvons voir qu’un article a été ramassé, nous pouvons également voir qu’il a été caché. Nous pourrions également éventuellement rechercher un comportement suspect sur la base de données antérieures (comme indiqué ici par le démarrage de StopLift). Le retour sur investissement est également très facile à calculer (les magasins savent très précisément combien ils perdent au vol et aux erreurs), il est donc probable que cette technologie soit l’une des premières mises en œuvre.

La visibilité des stocks est également essentielle pour optimiser quelque chose que de nombreux détaillants souhaitent automatiser: le réapprovisionnement. C’est en effet répétitif et implique des produits qui ont tendance à être de la même forme, ce qui est idéal pour un robot traversant des allées (la robotique de tout cela est une autre histoire). Les employés pourraient alors être mieux utilisés pour des tâches de plus grande valeur. Ou alors, disent-ils: leur mise à feu est probablement tout aussi probable.

Une des idées les plus originales de ce type vient de la start-up Focal Systems (2,8 millions de dollars), qui vise à équiper les paniers d'achat existants de tablettes informatiques qui utilisent la vision par ordinateur pour surveiller les étagères au fur et à mesure que le panier se déplace dans le magasin. client (1 pierre, 2 oiseaux).

Pourquoi utiliser la robotique alors que le client est le robot le moins cher?

Traitement du langage naturel

En parlant de robots, un algorithme apprend beaucoup à «voir», il est aussi capable d’apprendre à «entendre» et à «parler». Cela va même plus loin que la vision par ordinateur, car le langage est plein de subtilités et de Différences locales difficiles à prévoir. Cela n’a pas empêché quelques magasins de remplacer les greeters par des interfaces de conversation en magasin, qui suggéreraient des produits et répondraient aux questions des clients.

Je crois que ce n'est qu'un gadget, mais il sera ajouté ici pour des raisons d'équité. Il reste à déterminer si l’enthousiasme disparaît lorsque les robots de vente au détail deviendront «la norme».

Pepper, c’est français aussi, c’est-à-dire qu’il est un bonnet insupportable un peu comme moi

Cela n’a cependant pas empêché les entreprises d’investir dans de telles idées. Au-delà de l'exemple ci-dessus, une startup appelée TwentyBN a mélangé vision informatique pour analyser ce que font les acheteurs avec des notions de conversation très élémentaires afin de créer un bot susceptible de pousser les clients à dépenser plus. Découvrez-le dans la vidéo ci-dessous.

Conclusion

Une grande partie de ce qui précède peut sembler être de la science fiction. Et pour la plupart des détaillants, c'est le cas. Bien que l’on parle beaucoup du flou entre les services en ligne et hors ligne, la plupart des entreprises doivent d’abord se concentrer sur l’optimisation de la vente au détail physique (main-d’œuvre, chaîne d’approvisionnement, tarification, etc.). Dieu sait qu'il y a beaucoup de travail.

Au-delà de la création de bases saines, rien de ce qui précède n’est possible sans de grandes quantités de données. Ces données existent pour les détaillants, mais il est loin d’être facile de les rassembler, de les nettoyer et de les utiliser!

Les problèmes de confidentialité risquent également de se poser: suivre le moindre mouvement dans un magasin et compiler des données, qui pourraient être associées à un comportement en ligne, n’est pas la chose la plus éthique que l’on puisse faire.

Néanmoins, et malgré tous les obstacles, il est à espérer que la technologie sera mise en œuvre d'une manière ou d'une autre, sous une forme ou une autre, dans les 10 prochaines années. Non pas parce que cela augmentera les profits (enfin, ça aussi), mais parce que, peut-être contre-intuitivement, cela fera de la vente au détail une expérience plus humaine.

Show More

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.

Related Articles

Laisser un commentaire

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

Close
Close