Que vous fassiez vos achats en ligne ou en magasin, votre expérience de vente au détail est le dernier champ de bataille de la révolution de l'intelligence artificielle (IA) et de l'apprentissage automatique.

Les grands détaillants australiens ont commencé à réaliser qu'ils ont beaucoup à gagner à bien mettre en place leur stratégie d'IA, avec un recrute actuellement pour un responsable de l'IA et de l'apprentissage machine soutenu par une équipe de scientifiques des données.

La nouvelle division Woolworths WooliesX vise à rassembler un groupe diversifié d'équipes, y compris la technologie, expérience digitale client, commerce électronique, services financiers et expérience client numérique.

Tout sur l'analyse des données

Pour comprendre les opportunités et les menaces pour tous les grands détaillants, il est utile de comprendre pourquoi l'intelligence artificielle est de retour à l'ordre du jour. Deux choses cruciales ont changé depuis les premières incursions dans l'IA il y a des décennies :les données et la puissance de calcul.

La puissance de calcul est facile à voir. Le smartphone dans votre main a des millions de fois plus de puissance de calcul que les ordinateurs encombrants d'il y a des décennies. Les entreprises ont accès à une puissance de calcul presque illimitée avec laquelle former leurs algorithmes d'IA.

L'autre ingrédient critique est l'échelle et la richesse des données disponibles, surtout dans le commerce de détail.

Les systèmes d'intelligence artificielle - en particulier les techniques d'apprentissage telles que l'apprentissage automatique - prospèrent sur de grandes, ensembles de données riches. Lorsqu'il est alimenté de manière appropriée avec ces données, ces systèmes découvrent des tendances, motifs, et des corrélations qu'aucun analyste humain ne pourrait jamais espérer découvrir manuellement.

Ces approches d'apprentissage automatique automatisent l'analyse des données, permettant aux utilisateurs de créer un modèle qui peut ensuite faire des prédictions utiles sur d'autres données similaires.

Pourquoi le commerce de détail est adapté à l'IA

La rapidité du déploiement de l'IA dans différents domaines dépend de quelques facteurs critiques :le commerce de détail est particulièrement adapté pour plusieurs raisons.

Le premier est la capacité de tester et de mesurer. Avec des garanties appropriées, les géants de la vente au détail peuvent déployer l'IA et tester et mesurer la réponse des consommateurs. Ils peuvent également mesurer directement l'effet sur leur résultat net assez rapidement.

La seconde est les conséquences relativement faibles d'une erreur. Un agent d'IA atterrissant sur un avion de passagers ne peut pas se permettre de faire une erreur car cela pourrait tuer des gens. Un agent d'IA déployé dans le commerce de détail qui prend des millions de décisions chaque jour peut se permettre de prendre certains erreurs, tant que l'effet global est positif.

Certaines technologies de robots intelligents sont déjà en cours dans le commerce de détail avec Nuro.AI en partenariat avec le géant de l'épicerie Kroger pour livrer des produits d'épicerie aux portes des clients aux États-Unis.

Mais bon nombre des changements les plus importants proviendront du déploiement de l'IA plutôt que des robots physiques ou des véhicules autonomes. Passons en revue quelques scénarios basés sur l'IA qui transformeront votre expérience de vente au détail.

Vos habitudes d'achat

L'IA peut détecter les modèles sous-jacents de votre comportement d'achat à partir des produits que vous achetez et de la manière dont vous les achetez.

Cela pourrait être vos achats réguliers de riz au supermarché, achats sporadiques de vin au magasin d'alcools, et le vendredi soir, des crises de crème glacée au dépanneur local.

Alors que les systèmes de base de données d'inventaire et de vente suivent simplement les achats de produits individuels, avec suffisamment de données, les systèmes d'apprentissage automatique peuvent prédire vos habitudes habituelles. Il sait que vous aimez cuisiner le risotto tous les lundis soirs, mais aussi votre comportement plus complexe comme la frénésie occasionnelle de crème glacée.

A plus grande échelle, l'analyse du comportement de millions de consommateurs permettrait aux supermarchés de prédire combien de familles australiennes cuisinent du risotto chaque semaine. Cela informerait les systèmes de gestion des stocks, optimisant automatiquement les stocks de riz Arborio, par exemple, pour les magasins avec beaucoup de consommateurs de risotto.

Ces informations seraient ensuite partagées avec des fournisseurs amicaux, permettant une gestion des stocks plus efficace et une logistique allégée.

Commercialisation efficace

Les bases de données traditionnelles des programmes de fidélité comme FlyBuys ont permis aux supermarchés d'identifier votre fréquence d'achat d'un produit particulier - comme vous achetez du riz Arborio une fois par semaine - puis d'envoyer une offre à un groupe de consommateurs identifiés comme « sur le point d'acheter du riz Arborio » .

Les nouvelles techniques de marketing vont au-delà de la promotion des ventes auprès des clients qui sont déjà susceptibles d'acheter ce produit de toute façon. Au lieu, les recommandations d'apprentissage automatique feront la promotion du pain à l'ail, le tiramisu ou d'autres recommandations de produits personnalisés que les données de milliers d'autres consommateurs ont suggérées vont souvent de pair.

Un marketing efficace signifie moins de remises, et plus de profit.

Dynamique des prix

Le défi de la tarification pour les supermarchés consiste à appliquer le bon prix et la bonne promotion au bon produit.

L'optimisation des prix de détail est une entreprise complexe, nécessitant une analyse des données à un niveau granulaire pour chaque client, produit et opération.

Pour être efficace, des facteurs sans fin doivent être examinés, comme la façon dont les ventes sont affectées par l'évolution des prix au fil du temps, saisonnalité, météo et promotions des concurrents.

Un programme d'apprentissage automatique bien conçu peut prendre en compte toutes ces variations, en les combinant avec des détails supplémentaires tels que les historiques d'achats, préférences de produits et plus encore pour développer des informations approfondies et des prix adaptés pour maximiser les revenus et les bénéfices.

Commentaires des clients

Historiquement, les commentaires des clients ont été obtenus via des cartes de commentaires, rempli et placé dans une boîte à suggestions. Ce retour d'information devait être lu et pris en compte.

À mesure que les médias sociaux se sont multipliés, il est devenu une plate-forme pour exprimer publiquement des commentaires. Par conséquent, les détaillants se sont tournés vers un logiciel de grattage des médias sociaux pour répondre, résoudre et engager la conversation avec les clients.

Avancer, l'apprentissage automatique jouera un rôle dans ce contexte. Les systèmes d'apprentissage automatique et d'IA permettront pour la première fois une analyse en masse de plusieurs sources de désordre, données non structurées, tels que des commentaires verbaux enregistrés par le client ou des données vidéo.

Réduction des vols

Les détaillants australiens perdent environ 4,5 milliards de dollars australiens par an en pertes de stocks. La croissance des registres en libre-service contribue à ces pertes.

Les systèmes d'apprentissage automatique ont la capacité de numériser sans effort des millions d'images, permettre intelligemment, des systèmes de point de vente (POS) équipés de caméras pour détecter les différentes variétés de fruits et légumes que les acheteurs placent sur des balances de caisse.

Heures supplémentaires, les systèmes vont également mieux détecter tous les produits vendus dans un magasin, comprenant une tâche appelée classification à grain fin, lui permettant de faire la différence entre une orange Valencia et Navel. Par conséquent, il n'y aurait plus d'"erreurs" en entrant des pommes de terre lorsque vous achetez réellement des pêches.

A plus long terme, Les systèmes de point de vente peuvent disparaître complètement, comme dans le cas de la boutique Amazon Go.

Des ordinateurs qui commandent pour vous

Les systèmes d'apprentissage automatique s'améliorent rapidement pour traduire votre voix naturelle en listes de courses.

Les assistants numériques tels que Google Duplex pourraient bientôt créer des listes de courses et passer des commandes pour vous, avec le détaillant français Carrefour et le géant américain Walmart déjà en partenariat avec Google.

Une expérience de vente au détail évolutive de l'IA

Au fur et à mesure que vous traversez les étapes de la vie, vous vieillissez, se sentir mal de temps en temps, tu peux te marier, peut-être avoir des enfants, ou changer de carrière. Au fur et à mesure que les circonstances de la vie et les habitudes de dépenses d'un client changent, les modèles s'ajusteront automatiquement, comme ils le font déjà dans des domaines comme la détection des fraudes.

Le courant réactif système consiste à attendre qu'un client commence à acheter des couches, par exemple, pour ensuite identifier ce client comme venant de fonder une famille, avant de donner suite aux recommandations de produits appropriées.

Au lieu, les algorithmes d'apprentissage automatique peuvent modéliser le comportement, comme les achats de vitamines folates et d'huiles bio, alors prédire quand les offres doivent être envoyées.

Ce passage du marketing réactif au marketing prédictif pourrait changer votre façon de faire vos achats, vous apporter des suggestions que vous n'avez peut-être même jamais envisagées, tout cela est possible en raison des opportunités liées à l'IA pour les détaillants et leurs clients.

Cet article a été initialement publié sur The Conversation. Lire l'article original.