Что искусственный интеллект означает для продавца

Ритейлеры больше, чем когда-либо, ориентированы на быстрое приспособление к изменяющимся предпочтениям и спросу клиентов. Specialty’s Café and Bakery – отличный пример розничной торговли, которая использует данные для принятия решений, связанных с разработкой и выбором продуктов, инвентаризацией, персоналом и многим другим для привлечения и удержания клиентов.

Исскуственный интелект в ритэйле

Например, ритейлеры полагаются на инструменты бизнес-аналитики (BI) для прогнозирования будущего спроса на продукты на основе известных факторов, таких как специальные события или праздники. Решения о покупке, основанные на этих прогнозах, обычно принимаются покупателями, и они используют свой опыт и инстинкты для размещения заказов. Внедрение возможностей искусственного интеллекта (AI) в программное обеспечение BI может устранить эти ручные шаги и предвзятость человека, чтобы раскрыть новые идеи и улучшить бизнес-результаты.

Как часто розничные аналитики исследуют то, что они считают ключевыми факторами результата, и останавливаются, когда подтверждают гипотезы, просто потому, что это соответствует их теории? Сколько раз могут быть другие более важные факторы, влияющие на результат, которые не были изучены? Когда наборы данных большие, с многочисленными атрибутами, пользователи тратят много времени на нарезку и нарезку кубиков для получения новых идей или применяют свои исходные гипотезы к подмножеству данных. Но они упускают возможности для неожиданного понимания из-за предвзятости человека или просто потому, что задача анализа такого большого количества данных является слишком сложной?

ИИ может устранить предвзятость человека и способствует более глубокому пониманию при применении к источникам данных для выявления неизвестных факторов, которые влияют на результат. Например, поставщики бизнес-аналитики предоставляют интеллектуальные аналитические возможности, используя ИИ или автоматизацию машинного обучения, чтобы ускорить аналитический рабочий процесс и предоставить аналитическую информацию, которая будет более трудной и трудоемкой для человека-аналитика. Эти технологии предоставляют аналитикам расширенные аналитические возможности, которых у них раньше не было, например, автоматическое построение моделей на основе незнакомых и нетрадиционных источников данных, включая социально-экономические данные, запросы обслуживания клиентов, данные о погоде и конкурентные данные. Это обеспечивает более точные прогнозы спроса на продукцию, одновременно снижая зависимость от высококвалифицированных специалистов по обработке данных.

Мы поговорили с ведущим инженером хранилища данных Мэттом Райли из Café & Bakery, одной из крупнейших и наиболее быстро растущих компаний Сан-Франциско, чтобы поделиться своим видением возможностей ИИ, расширяющих возможности бизнес-аналитики. Специализируясь на более чем 50 ресторанах в Калифорнии, Вашингтоне и Иллинойсе, компания Specialty специализируется на использовании платформы Birst Networked BI для принятия решений на основе данных для повышения качества обслуживания клиентов и прибыльности.

Рисунок 1: Специализированное кафе и пекарня – Панель мониторинга продаж общественного питания с использованием Birst Networked BI и Analytics Platform

Исскуственный интелект в компании

1. В этом году наш генеральный директор сообщил о трех ключевых направлениях. Первый – это опыт клиентов. Второе – разработка четырех новых продуктов. Третье – создать пятилетнюю стратегию для получения финансирования от нашей материнской компании FEMSA для развития нашего бизнеса.

Мы полагаемся на данные и аналитику, чтобы помочь во всех трех областях. Например, мы используем Birst для вывода на рынок новых продуктов на основе данных, собранных с нашего сайта электронной коммерции, где мы фиксируем 280 000 способов, с помощью которых клиенты могут приобрести наши продукты с помощью таких модификаций, как удаление ингредиентов или добавление ингредиентов. Мы объединяем эти данные с внешними источниками, такими как калькуляция, для определения новых, прибыльных продуктов. Тунец был популярным дополнением к салатам, поэтому в меню мы создали новый салат на основе тунца. Используя данные и аналитику, мы можем создать разнообразие для наших клиентов на основе ингредиентов, которые им нравятся, что делает их счастливыми и лояльными.

2. Это захватывающее время для управляемых данными ритейлеров, таких как Specialty’s Café и Bakery. Вы полагаетесь на данные, BI и аналитические инструменты, чтобы предложить клиентам лучший опыт. Пожалуйста, объясните, как BI улучшает качество обслуживания клиентов и результаты бизнеса.

Одним из примеров того, как мы улучшили качество обслуживания клиентов, является возможность предложить лучший выбор продуктов, особенно для супов. В прошлом мы вращали около 30 различных супов в течение года на основе меню, которое не изменилось за 10 лет. Используя аналитику, мы смогли сузить первые шесть супов по местоположению и времени. Затем мы смешали данные о погоде в нашем анализе, чтобы найти корреляции между выбором супа и погодой.С помощью этой информации мы корректируем меню каждого магазина, чтобы предложить покупателям лучший выбор супов.

Постоянный и лучший выбор супов радует существующих клиентов и привлекает новых клиентов, поскольку мы повышаем вероятность того, что им понравится выбранный суп. Другим бизнес-результатом этого варианта использования является увеличение продаж и прибыльности. Предлагая выбор продуктов на основе нашего анализа того, что, как мы знаем, понравятся покупателям, по времени и местоположению у нас больше продаж и меньше отходов.

3. Поставщики BI и аналитики все больше инвестируют в новые «умные» возможности, используя машинное обучение для автоматизации аналитических процессов, таких как подготовка данных и обнаружение идей. Какие области наиболее сложны для вас и как они негативно влияют на бизнес?

Мы хотели бы использовать больше нетрадиционных источников данных для поиска тенденций или шаблонов в данных, чтобы обеспечить лучший опыт для наших клиентов. Например, мы хотим предложить нашим клиентам электронной коммерции более разумные рекомендации по продукту. Сегодня мы предлагаем продукты, основанные на прошлой истории покупок. Например, если в прошлом клиент покупал файлы cookie, это рекомендуемый дополнительный продукт.Это может быть негативным опытом для клиента, который, возможно, изменил диету и покупает салат. Лучшей рекомендацией может быть фруктовый салат или витаминная вода для покупателя салата.

4. Как, по вашему мнению, интеллектуальные возможности могут помочь решить эти проблемы и найти шаблоны в данных?

Самое замечательное в искусственном интеллекте заключается в том, что вам не нужно полагаться на интуицию или интуицию для принятия решений. Вы не можете спорить с данными, но лучше использовать данные для принятия лучших решений. ИИ может использовать другие источники данных, которыми мы обычно не пользуемся, такие как интернет-болтовня или социальные сети, чтобы лучше понять поведение или привычки потребителей в режиме реального времени.

ИИ строит модель для нас, чтобы мы могли применить ее, чтобы сделать правильный рекомендуемый продукт на нашем сайте электронной коммерции. Мы также могли бы применить ИИ, чтобы быстро настроить меню нашего продукта, основываясь на текущих событиях и тенденциях. Если система или ИИ найдут образец, чтобы обнаружить, что многоцветная квиноа является последним популярным ингредиентом в салатах в Сан-Франциско, нам нужно начать процесс создания нового салата, который включает многоцветную квиноа, и добавить этот новый продукт в нашу меню в магазинах в Сан-Франциско. Если ИИ говорит нам, что людям в Сан-Франциско надоедает руккола в салатах, мы должны удалить это из меню. Я предполагаю, что ИИ поможет нам создавать лучшие продукты и услуги для наших клиентов без ущерба для прибыльности.