如今零售业也在不断变化中，即使我们并不总是意识到它，但它确实在发生改变。它逐渐成为日益复杂的客户旅程中，又一个步骤。那么零售业如何实施机器学习和深度学习？由于数字化和零售自动化，零售业本身不再是目的，而是满足整个品牌需求的一种手段。体验的质量，归属感和认可度，以及购买的舒适度……所有这些参数现在都与销售量息息相关，因此必须遵守数据科学及其“智能算法”规定的优化措施（又名机器学习和深度学习形式的人工智能）。
人工智能的使用首先是竞争的必要。的确，电子商务参与者没有等待任何人：例如，注意将在线搜索结果调整为最终客户，或者根据数字资料提出的建议。对于砖块和砂浆，这两个方面是不可能的（目前）。但是，物理商务有其自身的优势。嗅觉，视觉，听觉等数据可用于使消费者有一种体验，体验独特的东西并专门为他们量身定制。除了改善客户关系外，人工智能还可以寻求解决长期以来给零售商带来负担的问题的方法：更好的库存管理，零售业空间的优化，员工时间的优化……
我们将在下面完整展示一下深度学习/机器学习用例，这些用例已实现以创建未来的零售业，并有实际示例支持。
1.调整零售业及其库存以更好地为客户服务
众所周知，电子商务参与者可以使用动态统计信息实时优化其网站。这使他们可以根据可用资源和预定义的客户细分来定义最有效的策略。像任何物理空间一样，零售业也没有这种奢华。
但是，这要归功于从智能算法中获得的见识，因此并不能阻止物理空间的周期性优化。在过去（不到20年前），我们聘请学生来跟踪和统计零售业特定区域的顾客。幸运的是，这些时代已经过去了。热图，平均路线图，在屏幕上花费的时间，与总出勤率相关的各种比率，相关性……零售业中的摄像头和计算机视觉算法现在提供了基于图像的可操作工具。如今，热图和活动识别解决方案不仅帮助定位促销活动，而且还有助于制定完整的营销策略，并衡量每个部门以及产品展示位置的绩效。RetailFlux之类的公司提供的解决方案可以分析零售业视频，为零售商提供有关零售业中的人数，进入零售业后所走过的路以及留在哪里的数据。这有助于营销人员确定受欢迎的地点，从而使他们可以更改家具，展示，广告或员工的布局，从而更好地为客户提供服务并增加收入。
随着技术的发展，我们也开始听到“ 人口统计 ”的信息：这些工具由DeepVision AI，MyStore-e，RetailDeep和RetailNext等初创企业创建，可让我们估算前行人员的年龄和性别相机，从而使零售业可以访问全新的分析粒度。这一点对于现在市场营销人员和类别经理的合理化至为重要。
尽管这些摄像头经常悬挂在天花板上，但情况并非总是如此：例如Walgreens（与Cooler Screens合作），最近在其零售业的冷却器门中集成了摄像头，传感器和数字屏幕创建“智能”展示广告网络，品牌商可以使用该广告网络将广告定位到特定类型的客户。这些门既可以充当数字化商品销售平台，以最佳状态描绘食物和饮料，也可以作为店内广告牌，根据年龄，性别和当前天气等变量，向正在接近的消费者展示广告。连接的冷却器内的摄像头和传感器还可以确定购买者已经购买或查看了哪些物品，从而使广告客户能够洞悉其促销在屏幕上的工作方式，并迅速通知零售商是否不再有库存。
因此，关键问题从“哪里”和“多少”转变为“谁”，“何时”，“多少”，“多长时间”和“多少个cookie?”。
2.预测增加利润
这些数据与结帐和忠诚度计划的数据混合在一起，对于预测需求和创建零售业集群至关重要，从而改善了零售商的供应链。通过更好地预测哪些产品将在特定领域中表现最佳，Symphony RetailAI等初创公司的机器学习算法可以减少库存空缺，帮助优化定价（和利润）并提高客户忠诚度（人们显然倾向于寻找正确的产品组合)在最近的零售业）。
的确，未售出的库存可能是零售业最大的障碍之一：未使用的库存每年使美国零售商损失约500 亿美元。减少这个数字是该行业长期生存的关键：花在无用的存货上的每一美元都是宝贵的钱，本可以用于培训人才，更好的研发，或者最明显的是全新的智能算法。
预测还可以帮助零售商优化促销活动：仓库中的死库存越少，促销活动就越有战略意义，而不仅仅是反动。许多定价爱好者会特别欣赏这方面的内容，因为这将使他们的工作更加轻松，并且减少了很多不必要的工作。
3.个性化推广店内体验
与网站可以实时适应最终用户的方式一样，零售业中也可以提高计算机视觉的粒度，使其可以针对个人。但是，这些算法所基于的元素要多于上述元素，因此更加复杂/可靠性较低。为了在个人层面上工作，这些算法需要结合人口统计，忠诚度代码识别和增强现实，通常将其集成到诸如镜子之类的智能对象中。
尽管它们尚不能大规模实施，但这些解决方案例证了零售业销售方式的深刻变化。我们正在从产品销售转向体验销售，在这种情况下，有形要约变成了副产品。这就是购物的概念。低廉的价格和种类繁多的目录对于客户而言已经远远不够，他们可以在网上找到这样的价值主张。真实的品牌体验成为生存的关键：零售业是一个吸引人的体验，想法和互动的仓库。
用例当然很多（即使它们经常位于AI赤道的科幻技术边缘）：在2019年的NRF期间，谷歌展示了一个连接镜子，该镜子将视觉识别数据和零售业产品数据库链接在一起。例如，在光学零售业的情况下，镜子可以识别测试的模型并显示与之相关的产品或营销信息。卖家还实时掌握了使用镜子的统计信息：他们知道尝试过某种眼镜的人已经在那里呆了一段时间或在两副眼镜之间犹豫了。这有助于卖方的工作，从而可以向顾客提供真正令他们感兴趣的产品的建议。
H&M与微软合作，共同测试了一个镜子，该镜子可以通过语音命令拍摄自拍照，而Lululemon的镜子的作用更像是一块木板，鼓励客户与该品牌创建和维护的社区互动。
当然，可以在购买过程中的不同间隔放置智能镜子：拉尔夫·劳伦（Ralph Lauren）位于试衣间，以改变试穿衣服时经常令人沮丧的体验。购买者可以与镜子互动，以改变试衣间的照明，并可以为员工选择不同尺寸或颜色的服装，而这将是员工的选择。镜子还建议其他与尝试的物品搭配使用的物品。
化妆品公司也采用了以下解决方案：丝芙兰智能镜子使用一种智能算法，该算法混合了看着它的人的性别，年龄，外观和风格，以便提出建议。它甚至声称可以区分穿着中性或鲜艳色彩，大胆或保守风格的人以及带有花卉和几何图案的衣服。
通过深度学习，我们还看到了一种新技术的出现：情感计算。它是计算机识别，解释并可能刺激情绪的能力。确实可以识别出诸如头部和身体动作之类的手势，而语音的语气也可以表达有关个人情绪状态的声音。这些见解可以在零售业中使用，以免给显然不需要帮助或打扰的客户带来不便。但是，这些技术是新技术（仅Releyeble提供零售用例）且具有侵入性：因此，最好不要对将来的用例发表评论。
4.使客户的购物体验更加顺畅
镜子，增强现实，虚拟现实……他们很少响应零售商及其顾客的真正痛点。而且我们深知这些痛苦点：结帐时间，快速产品本地化和库存管理……对于那些寻找使用机器学习和深度学习解决方案的方式的零售业来说，这些应该是优先事项。
减少结帐时的摩擦
例如，在中国，某些肯德基的客户可以使用支付宝技术，将自己的脸部图像链接到数字支付系统或银行帐户后，将自己置于配备摄像头的POS机前进行购买。美国连锁店Caliburger也已在其一些餐厅测试了面部识别的想法：首次顾客使用店内自助服务亭进行订购时，他们被邀请使用（NEC）NeoFace 's将他们的面孔与他们的帐户关联面部识别软件为了从众多优势中受益。仍然需要通过银行卡付款，但是如果初始测试阶段成功，该公司打算转换为通过面部识别付款。
但是，对网络安全的担心可能会阻止这种解决方案大规模出现。确实，顾客越来越嫉妒他们的个人数据（正确的是）：根据Wavestone的一项研究，只有11%的消费者愿意在零售业中接受面部识别。为了被移动应用识别，这个数字上升到40%。
因此，正在考虑使用计算机视觉来使结账更加流畅的其他更可行的方法。到目前为止，我们都熟悉Amazon Go的自动零售业（不太希望，有人希望如此），该零售业允许具有Prime帐户的客户使用手机上的代码进入零售业，进行购物，然后不走零售业就离开零售业。通过结帐。一种算法“跟踪”了客户，自动扣除了购买金额，并通过电子邮件发送了发票。与XXII合作，也在Casino进行了这项技术的测试。
这个领域有很多初创企业：Standard Cognition，Zippin，Trigo Vision …都声称可以帮助公司消除客户结账。同时，中国正在通过欧尚的Bingo-Box随意地修改零售业的概念。
减少缺货
所有这些摄像机都可以用来为客户提供更多的视野：确实已经出现了许多用于监视货架的解决方案。他们提出在人员短缺的情况下向员工发送警报，以便迅速做出响应。
这对于零售业而言至关重要：缺货每年在北美造成的销售损失超过1290亿美元（占收入的4%）。不仅如此，缺货还会使客户积极参与竞争：亚马逊24%的收入来自在当地零售商缺货的客户。此类解决方案的例子很多：在法国，Angus AI与Les Mousquetaires合作。自去年以来，沃尔玛就一直在研究这一概念，ABInbev也在Focal Systems进行了研究。有趣的是，尤奥比奇的解决方案提供了类似的过程，但是相机要由个人掌握才能拍摄将由算法分析的照片。同时，在中国，Hema（阿里巴巴的未来零售业）在全球范围内不断扩大增强零售业的边界。
通过语音技术进行购物建议
当然，图像并不是零售业中唯一可以分析的东西。语音在简化客户旅程中也可以发挥作用。这种低估的购物方式是一场小小的革命：根据OC&C Strategy Consultants的数据，2017年美国所有家庭中有13%拥有智能扬声器。预计到2022年，这一数字将上升到55%。
亚马逊还是语音技术的领导者这一事实表明，西雅图巨人在实体市场（已经征服了虚拟空间）方面的重视程度。该品牌的Echo Buds于2019年推出，可与Alexa合作，以解决客户在旅途中遇到的任何疑问。对于零售而言，更有趣的是，它还会通知用户最近的Whole Foods（亚马逊拥有Whole Foods）是否有顾客要寻找的商品。收到通知并进入零售业后，Echo Buds可以将其引导至正确的过道。你可以想象Alexa不仅可以指导您制作一个商品，而且如果您告诉您要制作千层面，它还可以指导您在零售业中购物，从而为您提供最快的方式来提取所有必需的食材。未来就在耳边（懂吗？）。
虚拟助手的数量确实在上升。例如，火星代理商已与美国零售商BevMo!合作!到测试SmartAisle，数字威士忌采购助理。通过在架子上混合使用人工智能，语音激活技术和LED灯，SmartAisle帮助买家选择完美的威士忌酒瓶。快速交谈后，建议使用三个瓶子，并且相关的货架会亮起来，以引导客户找到首选的瓶子。如果客户已经有了一个品牌，助手可以推荐其他具有相似风味的品牌或瓶子。整个体验持续不超过2分钟。语音助手结合了开玩笑和有用的信息，为您带来愉悦而丰富的体验。
从NLP到虚拟助手，以上两个示例表明，如果使用得当，语音技术可以释放更多员工的时间，并将关键数据提供给零售商。
机器人自动化
没有围绕机器人技术的讨论，就不会完成关于改进和简化流程的讨论。这些物品长期以来一直属于科幻小说，现在在世界各地的零售业中显示其实用性。尽管机器人技术本身并不是人工智能的子类别，但是在过道中漫游的机器人使用计算机视觉和NLP的概念。就像亚马逊一样，沃尔玛也在技术的最前沿：Bossa Nova专门用于扫描货架上的物品以帮助提高价格准确性和补货的机器人（称为“ Auto-S”）已经在其1000家零售业中出现。这些六英尺高的设备各包含15个摄像头，可扫描货架并实时向员工发送警报。这使工作人员从专注于可重复，可预测和手动的任务中解放出来，从而使他们有时间专注于销售和客户服务。
沃尔玛还推出了机器人，用于清理地板，从卡车上卸下物品并对其进行分类以及在零售业接订单。有趣的是，这一小众市场正迅速变得竞争激烈，Simbe的机器人已在全美的Schnuck零售业中部署，具有与Bossa Nova相同的价值主张，而Lowe于2016年推出了一种能够理解和响应的机器人简单的客户问题。在冠状病毒之后，几乎可以肯定的是，在未来几个月中，机器人技术的发展将会加速。
5.预防损失
“收缩”（盗窃）的成本巨大：在欧洲范围内，每年490亿欧元（占分销部门年营业额的2.1%），这对已经受到价格战高度压力的分销商的利润造成沉重负担。因此，安全性成为当务之急。由于成本，自动化也是如此。这可以采取多种形式。例如，增强型相机可以识别产品是否被隐藏，并向人类发出警报。然而，由于全知相机的物理不可能，这将产生许多误报。诸如Vaak或DeepCam AI之类的公司声称，只有在访客的行为高度可疑时，才可以通过提醒某人来避免此问题。StopLift等解决方案还提供检测“甜心”（假装进行交易，但实际上是在不付款的情况下将产品送给熟人的雇员）。重要的是要记住，大部分零售业盗窃都是通过员工进行的。这些解决方案的投资回报率很容易计算：零售业准确地知道他们因盗窃和错误而损失了多少。这样，该用例很可能是第一个要实现的用例。
以上就是关于零售业如何实施机器学习和深度学习的全部内容，想了解更多关于机器学习的信息，请继续关注。
