المجموعات

التعلم الآلي يدعم مستقبل البيع بالتجزئة

التعلم الآلي يدعم مستقبل البيع بالتجزئة

تتطلع العلامات التجارية وتجار التجزئة ذوي التفكير المستقبلي إلى التعرف على الصور والتعلم الآلي لتحليل مجموعات البيانات الضخمة (الكتالوجات عبر الإنترنت) مع مجموعة متنوعة من الميزات المرئية (الملائمة / الغرز / إلخ) وصولاً إلى منتج واحد. تعمل النتائج على تعزيز مستوى جديد من التخصيص لتحسين تجربة العملاء.

تكمن مشكلة التسوق الحالي عبر الإنترنت في أن التجارب مدفوعة بالأداء أكثر من كونها موجهة نحو الخدمة. في حين أن العلامات التجارية وتجار التجزئة يحفظون على الأرجح تفاعل المستخدم وبيانات تدفق النقرات ، فإن هذه البيانات لا تلتقط تعقيد التفاصيل التي تؤثر على قرارات الشراء لدى العميل ... مثل إدراك الجسم على سبيل المثال.

Lily AI هي إحدى الشركات التي تطلق ثورة جديدة في مجال البيع بالتجزئة باستخدام التعرف على الصور والتعلم الآلي لمساعدة العلامات التجارية وتجار التجزئة على فهم "السبب" وراء ما يشتريه عملاؤهم. تم بناء وتنفيذ مجموعة التكنولوجيا الخاصة بالشركة (وهي ملكية خاصة لـ "التخصيص المفرط") بواسطة Sowmiya Chocka Narayanan ، الشريك المؤسس ورئيس قسم التكنولوجيا في Lily AI.

نارايانان حاصل على درجة الماجستير في الهندسة الكهربائية وهندسة الحاسبات من UT Austin وبكالوريوس في تكنولوجيا المعلومات من كلية PSG للتكنولوجيا (الهند). عملت في مجالات مختلفة من المكدس التكنولوجي للاعبين الكبار مثل Yahoo! وبوكس ، ثم أصبحا شغوفين بتقاطع الذكاء العاطفي والذكاء الاصطناعي.

جاء الشريك المؤسس والرئيس التنفيذي لشركة Lily AI بورفا غوبتا من وكالة الإعلانات Saatchi & Saatchi. في وقت مبكر من حياتها ، تعلمت غوبتا كيف أن العثور على قطعة الملابس المناسبة فقط يمكن أن يساعدها في التغلب على الشك الذاتي وعندما تقاطع طريق المؤسستين ، كانت غوبتا قد أكملت للتو جبلًا من البحث الشخصي يبحث في عمل مبني على الفرضية في نيويورك. أظهر بحث غوبتا أن النساء يبحثن عن الملابس حسب نوع الجسم ، للعثور على ما يشعرن به أكثر راحة.

قد تقرر امرأة واحدة ارتداء بلوزة معينة لأن الجرح يخفي بطنًا مستديرًا على سبيل المثال. تم تعيين الاثنين للعمل على إنشاء عمل من شأنه أن يوجه العلامات التجارية وتجار التجزئة حول هذه التفضيلات في العالم الرقمي. أقنعت نارايانان جوبتا بأن أفضل طريقة لبناء نوع خدمة التسوق الشخصية القائمة على التفضيلات التي أرادتها هي استخدام التعلم الآلي

يستخدم Lily AI الآن رؤية الكمبيوتر والذكاء الاصطناعي لتحديد السمات الأكثر دقة لكل SKU في محفظة بائع التجزئة. من خلال البدء بهذه العشرات من السمات لكل عنصر ، يمكن للعلامات التجارية وتجار التجزئة إضفاء الطابع الشخصي المفرط على تجربة عملائهم عبر الإنترنت من خلال الاستفادة من تقارب عملائهم لسمات المنتج المحددة الدقيقة للغاية هذه.

تلعب العلامات العميقة دورًا مهمًا في تحسين التنقل في الموقع من خلال تحسين عوامل التصفية والأوجه لتضييق النتائج وتحسين دقة البحث في الموقع والمزيد. لتحقيق ذلك ، قام Narayanan بتكديس مجموعة من نماذج التعلم العميق التي تم إنشاؤها من الشبكات العصبية التلافيفية ذات البنى المختلفة وتم تدريبها بما يقرب من مليار نقطة بيانات تم تنسيقها يدويًا بواسطة خبراء بشريين.

تم إنشاء النماذج المخصصة الأولى باستخدام نظام أساسي للتعلم العميق كخدمة تابع لجهة خارجية وأكثر من 100000 صورة مصنفة. سرعان ما أدرك المؤسسون المشاركون أنهم إذا أرادوا سمات حبيبية أعمق وقائمة على الأسلوب ، فعليهم تجربة النماذج وضبطها بأنفسهم. اتفق جوبتا ونارايانان على أن الوقت قد حان للتخلص من نهج الطرف الثالث وبناء نماذج الذكاء الاصطناعي داخل الشركة.

لإعطاء فكرة عن الحجم ، أنشأت Lily AI الآن عشرات الملايين من العلامات لواحد فقط من عملاء بائعي التجزئة التابعين للشركة. يستمرون في إسعاد عملائهم من خلال تحديد العناصر القابلة للتسوق في صورة ما ، ثم توقع العلامات الوصفية من قاعدة بيانات تضم آلاف السمات التي تتراوح من اللون والقطع إلى الزخارف الدقيقة مثل اللحامات ووزن المواد.

تمكّن حلقة التغذية الراجعة البشرية التي تم دمجها في خط أنابيب التدريب الفريق من إضافة عدة ملايين من نقاط البيانات يوميًا لزيادة دقة هذه التفاصيل الدقيقة ، ويتم تنظيم النماذج بشكل هرمي بحيث يضيف كل مستوى من مستويات التنبؤ علامات أدق.

من خلال تغذية سمات المنتج وبيانات تدفق النقر للمستخدمين إلى خوارزميات توصية Lily AI ، يستخرج الفريق تقارب وحساسية المستخدم لعناصر وميزات المنتج المختلفة وتطبيقها ، ويمكن بعد ذلك التوصية به.

في هذه العملية ، يقومون أيضًا بتقييم ودمج كل نمط وميزة منتج أخرى من شأنها أن تكون مجاملة للمستخدم (أو لا) لمنع التوصية الخاطئة.

بهذه الطريقة ، ستظهر نتائج مختلفة امرأتان لديهما نفس نوع الجسم والقياسات ، اللتين قد تنظران إلى بنطلون جينز ، لكن لديهما تفضيلات مختلفة للمنحنيات والغرز المرئي.

عندما سُئل عن الخيارات الجاهزة من Amazon و Microsoft لمحاولة إعادة إنشاء النتائج ، وجد Narayanan دائمًا أنه من الأفضل البناء داخليًا.

"كانت أفضل حالة استخدام بالنسبة لنا هي جانب البنية التحتية للتطبيق - التدوير من خط أنابيب التدفق ، و ETL على غيغابايت من البيانات ، وواجهات برمجة التطبيقات بدون خادم ، وما إلى ذلك. يمكننا التركيز على جزء الخوارزمية الأساسية دون قضاء الكثير من الوقت والموارد في بناء بقية يقول نارايانان: "البنية التحتية اللازمة لدعم تطبيقات البيع بالتجزئة". "نظرًا لطبيعة صناعة البيع بالتجزئة لدينا ، فقد قررنا أن نتعامل مع السحابة الإلكترونية."

للتمييز ، توفر منصة Lily AI حلاً شاملاً يمكن تطبيقه على مجموعة واسعة من التطبيقات بمرور الوقت. قام الفريق بتخصيص نماذج التعلم العميق (الطبقات والمرشحات) لتمكينهم من التعمق في التعلم والتنبؤ بأكثر من آلاف سمات المنتجات الحبيبية مع توقع عالٍ بأدنى حد من الدقة في تحديد السمات. وبالمثل ، يقومون بتغذية خوارزميات التوصية بسمات مستخدم مخصصة مستخرجة من تدفق النقرات وتقارب الميزات ، ثم يجربون عن طريق تجميع أساليب مختلفة. من المستحيل القيام بذلك مع المنصات الجاهزة.

وفقًا لـ Narayanan ، أرسى التعلم الآلي التقليدي الأساس لتعلم القواعد المنطقية من بيانات الإدخال دون أن يتم برمجتها بشكل صريح ، كما أن التعلم العميق يوفر القدرة على استخراج الميزات من مجموعات البيانات غير المهيكلة الضخمة والتعلم دون تدخل بشري.

مستوحى من التركيب البيولوجي للدماغ البشري ، يستخدم التعلم العميق الشبكات العصبية لتحليل الأنماط وإيجاد الارتباطات في البيانات غير المنظمة مثل الصور والصوت والفيديو والنص.

قال نارايانان: "إن القوة التنبؤية للتعلم العميق في الإدراك البصري وفهم اللغة الطبيعية والقدرة على توقع نية الشراء تجعل من الممكن لـ Lily AI تقديم توصيات مخصصة للغاية ، وتحسين استراتيجية التسعير وتخطيط المخزون ، ومساعدي الذكاء الاصطناعي من بين تطبيقات أخرى".

من أجل توفير التجربة الأكثر صلة بالموضوع ، يحتاج بائع التجزئة إلى التقاط كل واجهة مع المستخدم وتخزينها - ما فعله المستخدم في المتجر عبر الإنترنت ، وكيف اشترى العنصر ، إذا أعاد المنتج في المتجر ، هل اتصلوا فيما يتعلق بخدمة العملاء ، ما هي اهتماماتهم الرئيسية ، وما إلى ذلك. يجب أن يكونوا قادرين على تحديد تفاعلات المتجر غير المتصلة بالإنترنت لمستخدم عبر الإنترنت ، أو تسجيل دخول مستخدم عبر الإنترنت من جهاز آخر ، أو تسوق مستخدم عبر الإنترنت لشخص آخر.

هذه الخطوة هي الأكثر أهمية لضمان تنفيذ أي تعلم آلي على مجموعة البيانات الصحيحة ؛ تعد العديد من CDPs (منصات بيانات العملاء) بالقيام بذلك. على الجانب الآخر ، يحتاجون أيضًا إلى الحصول على بيانات دقيقة حول المنتجات ليس فقط في التوصيات ولكن أيضًا لتحليل الاتجاهات والمساعدة في التنبؤ بالطلب. من المهم للغاية أن يقوم بائع التجزئة بالاختيار الصحيح للأدوات والأنظمة الأساسية التي ستساعده في التقاط وتفسير البيانات الضخمة التي ينتجها المستهلكون.

ستستمر توقعات المتسوقين بشأن التجارب ذات الصلة والجذابة عبر الإنترنت في دفع تجار التجزئة إلى تبني وتنفيذ الحلول القائمة على الذكاء الاصطناعي لخدمة العملاء ، والبحث الأكثر ذكاءً ، والتنقل الرقمي ، والتوصيات ، والمساعدين الافتراضيين ، إلخ.

لن يؤدي اعتماد الخدمات المدعومة بالذكاء الاصطناعي مثل Lily AI إلى تحسين نقاط اتصال العملاء فحسب ، بل يمكن أن يؤثر أيضًا بشكل إيجابي على مجالات أخرى مثل إدارة المخزون ، وتنبؤ المبيعات ، وقضايا نفاذ المخزون ، وخطط تسويق محسّنة بشكل أفضل. وهذا لا يساعد تجار التجزئة على زيادة مبيعاتهم وكفاءتهم التشغيلية فحسب ، بل يساعدهم أيضًا في تقدير العملاء ومكافأتهم بالولاء.


شاهد الفيديو: كلام بزنس I البيع بالجملة والتجزئة (ديسمبر 2021).