4 примера того, как ML помогает ритейлерам увеличить доходы
Ритейлеры используют машинное обучение для персонализации, оптимизации процессов и увеличения продаж. Компании, как 1-800-Flowers, eBay, Anheuser-Busch и Target, улучшают клиентский опыт, внедряя технологии, предсказывающие потребности клиентов, оптимизируют маршруты доставки и преодолевают языковые барьеры, что ведет к росту удовлетворенности и снижению затрат.
Ритейлеры стремятся использовать технологии для улучшения персонализации, увеличения доходов и снижения затрат в маркетинге и операциях. Недавний отчет предсказывает, что расходы на машинное обучение в розничной торговле возрастут на 230% с 2019 по 2025 год, и к 2025 году 325,000 мировых ритейлеров будут использовать машинное обучение в том или ином виде. Но что именно такое машинное обучение? И как ритейлеры внедряют его?
Что такое машинное обучение?
Машинное обучение, как и искусственный интеллект (ИИ – любая технология, которая помогает машинам рассуждать по-человечески), относится к области компьютерных наук. Это "подраздел ИИ, который описывает методы, позволяющие компьютеру улучшать выполнение задач на основе опыта – используя данные для самообучения, распознавания шаблонов и предсказаний."
Инвестируют ли в него компании?
Машинное обучение меняет розничную торговлю, и некоторые бренды применяют его, чтобы получить преимущество над конкурентами. Согласно исследованию, упомянутому выше, 33% опрошенных компаний внедрили машинное обучение, и 24% предприятий в сфере розничной и оптовой торговли считают, что данные, искусственный интеллект и машинное обучение являются ключевыми для их успеха. Исследование также показало, что отделы маркетинга и продаж наиболее активно поддерживают использование машинного обучения, причем 40% выступают за это.
Как ритейлеры используют машинное обучение?
Вот реальные примеры того, как компании используют машинное обучение для улучшения своих финансовых результатов.
1-800-Flowers:
Ситуация: Повышение конверсий через персонализированные рекомендации товаров
Компания 1-800-Flowers была одной из первых, кто применил машинное обучение. В 2016 году бренд представил GWYN, искусственного помощника, который взаимодействовал с покупателями и собирал информацию о том, кому предназначен подарок. Это позволяло предлагать подарки, соответствующие случаю. Целью GWYN было создать опыт общения с флористом, как в обычном магазине. Благодаря таким персонализированным беседам, клиенты получали внимание и экспертное мнение, ожидая это от личного взаимодействия, но с удобством покупок из дома. Директор компании отметил, что более 70% заказов через GWYN делались новыми клиентами, причем эти клиенты были моложе, что дало 1-800-Flowers возможность привлечь новую аудиторию.
eBay:
Ситуация: Машинное обучение для перевода языков
Компания eBay столкнулась с языковой проблемой: международные покупатели и продавцы использовали платформу для взаимодействия, но сложности в общении мешали завершению сделок. Чтобы облегчить эти транзакции, eBay разработала систему под названием eBay Machine Translation (eMT). Сначала они сосредоточились на переводах с испанского на английский для заголовков товаров, что должно было помочь увеличить операции между США и Латинской Америкой. Система eMT переводила заголовки с точностью 90%, что увеличивало торговлю на 1,06% за каждое дополнительное слово в заголовках товаров и в целом увеличило коммерцию на 10,9%. Увидев такие отличные результаты, eBay расширила использование eMT для всех нужд в переводе, включая описания товаров и отзывы. Хотя это сложно из-за многочисленных языковых комбинаций, поскольку продавцы и покупатели приходят со всего мира, eBay активно инвестирует в эту технологию для улучшения клиентского опыта. Причина успеха eMT заключается в том, что eBay привлекла ведущих специалистов в области машинного обучения и учла специализированную лексику продавцов eBay. Например, eMT запрограммирована понимать, что "NIB" означает "новый в коробке". Главная цель — улучшить пользовательский опыт. "Машинный перевод может связать глобальных клиентов, обеспечивая перевод сообщений и других коммуникаций между продавцами и покупателями по запросу, что помогает решать проблемы и создает лучший опыт на eBay."
Anheuser-Busch:
Ситуация: Оптимизация маршрутов для улучшения обслуживания клиентов и снижения затрат
Пивоваренная компания Anheuser-Busch использовала машинное обучение для оптимизации маршрутов доставки. Они запустили пилотную программу в двух городах, чтобы протестировать платформу машинного обучения. Данные, такие как погода, трафик, местоположение клиентов, удовлетворенность водителей, их опыт, оптимальное время для парковки и доставки, были собраны для анализа. Система машинного обучения использовала эти данные, чтобы рекомендовать лучшие маршруты (с учетом времени и экономии средств) – принимая во внимание предпочтения клиентов и опыт водителей. После внедрения оптимизированных маршрутов компания отметила повышение удовлетворенности клиентов и сотрудников, а также снизила затраты. Результаты были настолько существенными, что они распространили использование машинного обучения по всей стране.
Target:
Ситуация: Определение жизненных событий для улучшения клиентского опыта и увеличения продаж
Крупный ритейлер Target использовал машинное обучение, чтобы выявлять, когда покупатели собираются стать родителями, и предлагать им необходимые товары для новорожденного. Эксперт по машинному обучению, Эндрю Пол, был нанят для создания технологии, которая могла бы предсказывать беременность на основе обычных покупок, совершаемых клиентами перед открытием списка покупок для ребенка. Технология не только могла предсказать беременность, но и определять, на каком триместре находится клиент. Например, покупка несентированных лосьонов могла указывать на начало второго триместра. Target использовала эти данные для персонализации сообщений и создания актуальных предложений, чтобы клиенты получали все необходимое во время беременности и после нее. Target также отправляла купоны на наиболее часто покупаемые товары беременным клиентам, что способствовало укреплению их лояльности к бренду.
1-800-Flowers:
Ситуация: Повышение конверсий через персонализированные рекомендации товаров
Компания 1-800-Flowers была одной из первых, кто применил машинное обучение. В 2016 году бренд представил GWYN, искусственного помощника, который взаимодействовал с покупателями и собирал информацию о том, кому предназначен подарок. Это позволяло предлагать подарки, соответствующие случаю. Целью GWYN было создать опыт общения с флористом, как в обычном магазине. Благодаря таким персонализированным беседам, клиенты получали внимание и экспертное мнение, ожидая это от личного взаимодействия, но с удобством покупок из дома. Директор компании отметил, что более 70% заказов через GWYN делались новыми клиентами, причем эти клиенты были моложе, что дало 1-800-Flowers возможность привлечь новую аудиторию.
eBay:
Ситуация: Машинное обучение для перевода языков
Компания eBay столкнулась с языковой проблемой: международные покупатели и продавцы использовали платформу для взаимодействия, но сложности в общении мешали завершению сделок. Чтобы облегчить эти транзакции, eBay разработала систему под названием eBay Machine Translation (eMT). Сначала они сосредоточились на переводах с испанского на английский для заголовков товаров, что должно было помочь увеличить операции между США и Латинской Америкой. Система eMT переводила заголовки с точностью 90%, что увеличивало торговлю на 1,06% за каждое дополнительное слово в заголовках товаров и в целом увеличило коммерцию на 10,9%. Увидев такие отличные результаты, eBay расширила использование eMT для всех нужд в переводе, включая описания товаров и отзывы. Хотя это сложно из-за многочисленных языковых комбинаций, поскольку продавцы и покупатели приходят со всего мира, eBay активно инвестирует в эту технологию для улучшения клиентского опыта. Причина успеха eMT заключается в том, что eBay привлекла ведущих специалистов в области машинного обучения и учла специализированную лексику продавцов eBay. Например, eMT запрограммирована понимать, что "NIB" означает "новый в коробке". Главная цель — улучшить пользовательский опыт. "Машинный перевод может связать глобальных клиентов, обеспечивая перевод сообщений и других коммуникаций между продавцами и покупателями по запросу, что помогает решать проблемы и создает лучший опыт на eBay."
Anheuser-Busch:
Ситуация: Оптимизация маршрутов для улучшения обслуживания клиентов и снижения затрат
Пивоваренная компания Anheuser-Busch использовала машинное обучение для оптимизации маршрутов доставки. Они запустили пилотную программу в двух городах, чтобы протестировать платформу машинного обучения. Данные, такие как погода, трафик, местоположение клиентов, удовлетворенность водителей, их опыт, оптимальное время для парковки и доставки, были собраны для анализа. Система машинного обучения использовала эти данные, чтобы рекомендовать лучшие маршруты (с учетом времени и экономии средств) – принимая во внимание предпочтения клиентов и опыт водителей. После внедрения оптимизированных маршрутов компания отметила повышение удовлетворенности клиентов и сотрудников, а также снизила затраты. Результаты были настолько существенными, что они распространили использование машинного обучения по всей стране.
Target:
Ситуация: Определение жизненных событий для улучшения клиентского опыта и увеличения продаж
Крупный ритейлер Target использовал машинное обучение, чтобы выявлять, когда покупатели собираются стать родителями, и предлагать им необходимые товары для новорожденного. Эксперт по машинному обучению, Эндрю Пол, был нанят для создания технологии, которая могла бы предсказывать беременность на основе обычных покупок, совершаемых клиентами перед открытием списка покупок для ребенка. Технология не только могла предсказать беременность, но и определять, на каком триместре находится клиент. Например, покупка несентированных лосьонов могла указывать на начало второго триместра. Target использовала эти данные для персонализации сообщений и создания актуальных предложений, чтобы клиенты получали все необходимое во время беременности и после нее. Target также отправляла купоны на наиболее часто покупаемые товары беременным клиентам, что способствовало укреплению их лояльности к бренду.
Заключение
С учетом изменений на рынке, которые нарушают традиционную розничную торговлю, умные бренды применяют машинное обучение для улучшения клиентского опыта, оптимизации операций и увеличения продаж.
Получите оценку проекта
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности
Оцените свой проект! Заполните форму ниже
Похожие статьи
© ООО «АЛЛ СИИ», 2024