Quer você faça suas compras online ou na loja, sua experiência de varejo é o mais recente campo de batalha para a inteligência artificial (IA) e a revolução do aprendizado de máquina.

Os principais varejistas australianos começaram a perceber que têm muito a ganhar ao acertar em sua estratégia de IA, com um atualmente recrutando para um Chefe de IA e Aprendizado de Máquina apoiado por uma equipe de cientistas de dados.

A recém-desenvolvida divisão Woolworths WooliesX visa reunir um grupo diversificado de equipes, incluindo tecnologia, experiência digital do cliente, comércio eletrônico, serviços financeiros e experiência digital do cliente.

Tudo sobre como processar os dados

Para entender as oportunidades e ameaças para todos os grandes varejistas, é útil entender por que a inteligência artificial está de volta à agenda. Duas coisas cruciais mudaram desde as incursões iniciais na IA, décadas atrás:dados e poder de computação.

O poder de computação é fácil de ver. O smartphone em sua mão tem milhões de vezes mais poder computacional do que os computadores volumosos de décadas atrás. As empresas têm acesso a um poder de computação quase ilimitado para treinar seus algoritmos de IA.

O outro ingrediente crítico é a escala e a riqueza dos dados disponíveis, especialmente no varejo.

Sistemas de inteligência artificial - especialmente técnicas de aprendizagem, como aprendizado de máquina - prosperam em grandes, ricos conjuntos de dados. Quando alimentado adequadamente com esses dados, esses sistemas descobrem tendências, padrões, e correlações que nenhum analista humano poderia esperar descobrir manualmente.

Essas abordagens de aprendizado de máquina automatizam a análise de dados, permitindo que os usuários criem um modelo que pode fazer previsões úteis sobre outros dados semelhantes.

Por que o varejo é adequado para IA

A rapidez da implantação da IA ​​em diferentes campos depende de alguns fatores críticos:o varejo é particularmente adequado por alguns motivos.

O primeiro é a capacidade de testar e medir. Com salvaguardas adequadas, gigantes do varejo podem implantar IA e testar e medir a resposta do consumidor. Eles também podem medir diretamente o efeito em seus resultados financeiros com bastante rapidez.

O segundo são as consequências relativamente pequenas de um erro. Um agente de IA que pousa em uma aeronave de passageiros não pode se dar ao luxo de cometer um erro, pois isso pode matar pessoas. Um agente de IA implantado no varejo que toma milhões de decisões todos os dias pode se dar ao luxo de tomar algum erros, contanto que o efeito geral seja positivo.

Alguma tecnologia de robô inteligente já está acontecendo no varejo com a parceria da Nuro.AI com o gigante dos supermercados Kroger para entregar mantimentos na porta dos clientes nos Estados Unidos.

Mas muitas das mudanças mais significativas virão da implantação de IA, em vez de robôs físicos ou veículos autônomos. Vamos examinar alguns cenários baseados em IA que transformarão sua experiência de varejo.

Seus hábitos de compra

A IA pode detectar padrões subjacentes em seu comportamento de compra a partir dos produtos que você compra e da maneira como você os compra.

Isso poderia ser suas compras regulares de arroz no supermercado, compras esporádicas de vinho na loja de bebidas, e sexta-feira à noite bebedeiras de sorvete na loja de conveniência local.

Considerando que os sistemas de banco de dados de estoque e vendas simplesmente rastreiam as compras de produtos individuais, com dados suficientes, Os sistemas de aprendizado de máquina podem prever seus hábitos regulares. Ele sabe que você gosta de cozinhar risoto todas as segundas-feiras à noite, mas também seu comportamento mais complexo, como uma bebedeira ocasional de sorvete.

Em uma escala maior, a análise do comportamento de milhões de consumidores permitiria aos supermercados prever quantas famílias australianas cozinham risoto a cada semana. Isso informaria os sistemas de gerenciamento de estoque, otimizando automaticamente os estoques de arroz Arborio, por exemplo, para lojas com muitos consumidores de risotos.

Essas informações seriam então compartilhadas com fornecedores amigáveis, permitindo uma gestão de estoque mais eficiente e logística enxuta.

Marketing eficiente

Bancos de dados de esquemas de fidelidade tradicionais, como FlyBuys, permitiam que os supermercados identificassem sua frequência de compra de um determinado produto - como você compra arroz Arborio uma vez por semana - e depois enviassem uma oferta a um grupo de consumidores identificados como "prestes a comprar arroz Arborio" .

As novas técnicas de marketing irão além da promoção de vendas para clientes que provavelmente já comprarão aquele produto. Em vez de, os recomendadores do aprendizado de máquina promoverão o pão de alho, tiramisu ou outras recomendações de produtos personalizados que os dados de milhares de outros consumidores sugerem que costumam ser combinados.

Marketing eficiente significa menos descontos, e mais lucro.

Dinâmica de preços

O desafio de preços para supermercados envolve a aplicação do preço certo e a promoção certa ao produto certo.

A otimização de preços de varejo é uma tarefa complexa, exigindo análise de dados em um nível granular para cada cliente, produto e transação.

Para ser efetivo, fatores infinitos precisam ser examinados, por exemplo, como as vendas são afetadas pela mudança de preços ao longo do tempo, sazonalidade, clima e promoções dos concorrentes.

Um programa de aprendizado de máquina bem elaborado pode levar em consideração todas essas variações, combinando-os com detalhes adicionais, como históricos de compras, preferências de produtos e muito mais para desenvolver percepções profundas e preços personalizados para maximizar a receita e o lucro.

Feedback do cliente

Historicamente, o feedback do cliente foi obtido por meio de cartões de feedback, preenchido e colocado em uma caixa de sugestões. Este feedback teve que ser lido e posto em prática.

Com o aumento da mídia social, tornou-se uma plataforma para expressar feedback publicamente. De acordo, varejistas recorreram a software de captura de mídia social para responder, resolver e envolver os clientes na conversa.

Seguindo em frente, o aprendizado de máquina terá um papel importante nesse contexto. Os sistemas de aprendizado de máquina e IA permitirão, pela primeira vez, a análise em massa de várias fontes de confusão, dados não estruturados, como comentários verbais gravados pelo cliente ou dados de vídeo.

Redução de roubos

Os varejistas australianos perdem cerca de A $ 4,5 bilhões anualmente em perdas de estoque. O crescimento dos registros de autoatendimento está contribuindo para essas perdas.

Os sistemas de aprendizado de máquina têm a capacidade de digitalizar milhões de imagens sem esforço, habilitando inteligente, sistemas de ponto de venda (POS) equipados com câmera para detectar as diferentes variedades de frutas e vegetais que os compradores colocam nas balanças de registro.

Hora extra, os sistemas também ficarão melhores na detecção de todos os produtos vendidos em uma loja, incluindo uma tarefa chamada classificação refinada, permitindo-lhe distinguir entre uma laranja Valência e uma laranja de umbigo. Conseqüentemente, não haveria mais "erros" em inserir batatas quando você está realmente comprando pêssegos.

A longo prazo, Os sistemas POS podem desaparecer completamente, como no caso da loja Amazon Go.

Computadores que fazem pedidos para você

Os sistemas de aprendizado de máquina estão ficando cada vez melhores para traduzir sua voz natural em listas de compras.

Assistentes digitais como o Google Duplex podem em breve criar listas de compras e fazer pedidos para você, com o varejista francês Carrefour e a gigante americana Walmart já fazendo parceria com o Google.

Uma experiência de varejo de IA em evolução

Conforme você avança pelas fases da vida, você envelhece, ocasionalmente ficam indispostos, você pode se casar, talvez tenha filhos, ou mudar de carreira. À medida que as circunstâncias de vida e os hábitos de consumo de um cliente mudam, os modelos se ajustam automaticamente, como já fazem em áreas como detecção de fraude.

O actual reativo sistema envolve esperar que um cliente comece a comprar fraldas, por exemplo, para então identificar o cliente como tendo acabado de começar uma família, antes de seguir as recomendações de produtos apropriadas.

Em vez de, algoritmos de aprendizado de máquina podem modelar o comportamento, como as compras de vitaminas de folato e óleos biológicos, então prever quando as ofertas devem ser enviadas.

Essa mudança do marketing reativo para o preditivo pode mudar a maneira como você faz compras, trazendo sugestões que você talvez nunca tenha considerado, tudo possível devido às oportunidades relacionadas à IA para varejistas e seus clientes.

Este artigo foi publicado originalmente em The Conversation. Leia o artigo original.