Sztuczna inteligencja i uczenie maszynowe: praktyczne zastosowanie w e-commerce

Niektórzy nadal myślą, że sztuczna inteligencja (Artificial Intelligence) i uczenie maszynowe (Machine Learning) to tylko modne słówka nie mające pokrycia w rzeczywistości. Ale tak naprawdę ich wykorzystanie staje się coraz bardziej popularne na całym świecie w wielu różnych sektorach – między innymi w branży e- commerce. Analitycy z Gartner Inc przewidują, że do końca 2020 roku 25% operacji obsługi klienta będzie wykorzystywać wirtualnych asystentów. Natomiast w Servion Global Solutions mówią, że do 2025 roku AI będzie napędzać aż 95% interakcji klienta online, łącznie z przeprowadzanymi na żywo rozmowami telefonicznymi i na sklepowym czacie. Przyjrzyj się, jak różne firmy włączają w swoją codzienną działalność sztuczną inteligencję i uczenie maszynowe!

North Face The North Face to całkiem spory sprzedawca internetowy, specjalizujący się w branży odzieżowej. Jest to świetny przykład na to, jak można wykorzystać AI, aby lepiej zrozumieć potrzeby i zakupowe zwyczaje klienta. Użytkownicy przeglądający stronę internetową North Face mogą znaleźć idealny dla siebie produkt dzięki zaimplementowanej na stronie sztucznej inteligencji, dostarczanej przez firmę Fluid, a napędzanej przez kognitywną technologię przetwarzania Watson od IBM. Software, którego mają przyjemność używać kupujący to Expert Personal Shopper (XPS) od Fluid’a, który tworzy o wiele bardziej angażujące i spersonalizowane doświadczenie zakupowe dzięki temu, że owe narzędzie jest niczym cyfrowy ekspert, który pomaga nam przejść przez sklep internetowy jak doświadczony sprzedawca.

Istnieje wiele sposobów grupowania i kategoryzowania takich doświadczeń. Jeden z najbardziej popularnych framework’ów wyróżnia trzy główne fazy: świadomość (awareness), rozważanie (consideration), decyzja (decision).

A jak ta technologia działa w praktyce? Asystent AI głosowo zadaje klientowi pytania np. „Czy mogę pomóc ci w wyborze odpowiedniej kurtki?”, a następnie kontynuuje dalej np. „Gdzie i kiedy będziesz nosić tę kurtkę?” Wtedy oprogramowanie Watson IBM przeskanuje listę produktów North Face, aby znaleźć ten idealny match, na podstawie kolejnych odpowiedzi klienta oraz własnego researchu np. warunków pogodowych lub lokalizacji klienta.

Rakuten

Sztuczna inteligencja ma kluczowe znaczenie dla sukcesu japońskiej (i według sprzedaży, jednej z największych na świecie) witryn e-commerce, nazwanej „Amazonem Japonii”, dlatego nieustannie inwestuje w najnowsze technologie AI, aby pomóc lepiej zrozumieć zachowanie swoich klientów. Wewnętrzny dział badawczo-rozwojowy firmy, The Rakuten Institute of Technology, ma możliwość analizowania 200 milionów produktów swojej organizacji macierzystej w celu dokładnego przewidywania wzorców sprzedaży. Z danymi robią jednak jeszcze więcej, wykorzystując je do klasyfikowania produktów w celu uzyskania lepszych rekomendacji i wyników wyszukiwania lub analizowania recenzji, aby wycisnąć z nich jak najwięcej. Wiedzą także jak duży potencjał ma rozpoznawanie obrazów i algorytmów deep-learning. Rakuten używał również sztucznej inteligencji w swojej nieistniejącej już aplikacji Fits Me, która wykorzystywała technologię rozpoznawania obrazu wraz z informacjami wprowadzanymi przez klienta dotyczącymi ich wzrostu, masy ciała, wieku, rozmiaru biustu i typu figury, aby silnik rekomendacji mógł określić najlepsze możliwe dopasowanie do konkretnego asortymentu odzieży. Był to spory krok w kierunku wzrostu zadowolenia klientów w branży online fashion, ponieważ według badań przeprowadzonych przez aplikację Rakuten Fits Me, 86% kupujących uważało, że znalezienie odpowiedniego rozmiaru ubrania w internecie nie należy do łatwych.

Amazon

Klienci Amazona otrzymują rekomendacje dotyczące produktów alternatywnych do aktualnie oglądanego, które z kolei są przedstawiane jako „klienci, którzy oglądali ten produkt, oglądali również...” i „klienci, którzy kupili ten produkt, również kupili...”. Ponadto, Amazon zapewnia klientom spersonalizowane rekomendacje na stronie głównej oraz na stopkach stron produktów, a także poprzez e- maile z tematami takimi jak „Amazon poleca...” i „[oglądany element] i więcej...”. Te rekomendacje dotyczące produktów są generowane przez sztuczne sieci neuronowe, które ze względu na ogromny rozmiar zarówno produktów na Amazonie jak i liczby klientów muszą być modelowane przy użyciu wielu procesorów graficznych, aby sprostać ograniczeniom czasu i przestrzeni. Sam Amazon nie opublikował danych dotyczących liczby sprzedaży, które wynikają z rekomendacji produktów, choć rejoiner sugeruje, że przyczyniają się one do 35% wzrostu sprzedaży Amazona, a inne badania wykazały, że mogą one całościowo zwiększyć sprzedaż nawet o 30%. Ponadto pokazano, że przedmiot sugerowany bezpośrednio potencjalnemu klientowi ma taki sam wpływ na decyzję zakupową jak 2- gwiazdkowy wzrost średniej oceny produktu, w skali od 1 do 5. Jeden z własnych produktów Amazona jest sam w sobie popularnym i dobrze znanym urządzeniem AI: Alexa – aktywowany głosem wirtualny asystent opracowany dla głośników Echo (Dot) i tabletów Fire itp. Alexa jest niezbędnym elementem wspierającym tworzenie algorytmów do modelowania rekomendacji produktów z użyciem sieci neuronowych.