Technologia od lat odgrywa kluczową rolę w branży handlowej – począwszy od skanowania kodów paskowych i cyfryzacji kas fiskalnych, aż po utworzenie globalnych sieci logistycznych. Stałymi cechami rynku detalicznego są: ogromne ilości generowanych danych, nieprzewidywalne zmiany na rynku oraz konieczność przystosowywania się do zmieniających się i rosnących oczekiwań klientów.
Są to wyzwania w sam raz dla AI (Artificial Intelligence; sztucznej inteligencji). Technologia oparta na Big Data (dużych, zmiennych i różnorodnych zbiorach danych), płynnie adaptująca się do zmian i przynosząca użytkownikom personalizowane doświadczenia to podstawa dla budowania modeli AI. Przed nami gorączka świątecznych zakupów – przyjrzyjmy się więc dwóm firmom korzystającym z Cloud AI: 3PM dla zakupów internetowych oraz Tulip dla zakupów w sklepach stacjonarnych. W jaki sposób oferują one wydajniejsze, bardziej spersonalizowane i bezpieczne zakupy?
Tulip pomaga markom z całego świata zapewniać klientom elastyczność w zakupach i spersonalizowane oferty znane z rozwiązań e-commerce (handlu elektronicznego) w sklepach stacjonarnych. 3PM działa online i stale śledzi miliony sprzedawców z różnych stron e-commerce, pomagając przeciwdziałaniu oszustom internetowym, którzy np. podrabiają produkty lub podszywają się pod autentyczne marki.
3PM: zapewnianie bezpieczeństwa w sklepach online na światową skalę
Zaufanie to podstawa relacji klient-sprzedawca, szczególnie w przypadku handlu internetowego. Wraz z powstaniem stron jak Amazon, eBay, czy Walmart.com, zasoby firm takie jak znaki towarowe lub wartości objęte prawami autorskimi są często rozsiane w wielu miejscach i trudno sprawować nad nimi kontrolę.
Szczególnie niepokojące są podrabiane przedmioty, których liczba stale rośnie. Nie chodzi wyłącznie o podrabiane adidasy czy torebki. Podrabiane suplementy diety, a nawet leki i formuły dla niemowląt są dostępne w Internecie od ręki, a oferty są układane tak, by oszukać użytkowników i przekonać co do ich autentyczności. Te produkty mogą zagrażać zdrowiu konsumentów. Zarówno małe sklepy jak i światowe marki mają problem z powstrzymaniem oszustów, głównie z powodu skali i ich rozproszenia. Potrzebne jest rozwiązanie podchodzące do problemu z szerszej perspektywy niż pojedynczy sklep lub producent.
3PM Solutions pomaga w walce z fałszywymi sprzedawcami poprzez połączenie sił zaawansowanych analiz z danymi o globalnej skali. Zestaw narzędzi 3PM pozwala automatycznie wykrywać podrabiane produkty, monitorować reputacje firm na przestrzeni lat i pomaga markom lepiej zrozumieć potrzeby ich klientów.
Na początku, ambitna wizja 3PM postawiła przed firmą znaczne wyzwania natury technicznej. Sklepy internetowe rutynowo zmieniają format i strukturę swoich ofert, co wprowadza zamieszanie w ręcznie tworzonych regułach i filtrach wyszukiwania. Dodatkowo, treść zawarta w tych ofertach jest zwykle nierzetelna. Fałszerze często celowo wprowadzają błędy w nazwie marki lub produktu, by nie zostać namierzonym. Tak złożony problem potrzebował wyjątkowo elastycznego rozwiązania, które brałoby pod uwagę ogromne ilości danych, dostosowując się do ich zmienności.
Z tych powodów, 3PM zdecydowało się na migrację do Google Cloud Platform, przenosząc dane, infrastrukturę oraz wyspecjalizowane narzędzia AI do pojedynczego środowiska.
Elastyczność Google Cloud pomogła 3PM w zaimplementowaniu zwinnego procesu rozwoju rozwiązania. Specjaliści 3PM zaprojektowali klasyfikator obrazów oparty na bibliotece TensorFlow i trenowali go na milionach przykładów. W ten sposób stworzyli podstawy dla narzędzia, które pozwala firmom trafnie wykrywać niewłaściwie przypadki użycia zdjęć ich produktów, logo i innych znaków towarowych. Zespół 3PM zbudował zindywidualizowane modele uczenia maszynowego (machine-learning) by sprawnie analizować oferty handlowe w internecie. Dzięki dużej ilości danych, modele te wykrywają subtelne szczegóły skojarzone z oszustwami, które zostałyby pominięte przez inne systemy i ludzi. 3PM użyło Cloud Translate API, by automatycznie pokonywać bariery językowe.
Tulip: cyfrowa personalizacja w sklepach fizycznych
Sklepy stacjonarne pozostają zasadniczym elementem tożsamości wielu marek – tam wciąż odbywa się 80% wszystkich transakcji. Atrybuty handlu e-commerce takie jak szybkość, elastyczność oraz personalizacja mają wpływ na oczekiwania klientów – nawet gdy dokonują oni zakupów osobiście.
Tulip wspiera sprzedawców starających się sprostać oczekiwaniom klientów za pomocą swoich mobilnych aplikacji. Udostępniają one pracownikom sklepów fizycznych opcje, które istnieją w sklepach internetowych, takie jak np. wyszukiwanie produktów, zarządzenie informacjami klientów czy komunikację z klientami. Dzięki rozwiązaniu firmy Tulip, sklepy stacjonarne, tak samo jak sklepy internetowe, mogą budować silniejsze więzi ze swoimi klientami bazując na ich preferencjach, zachowaniach i historii zakupów.
Umiejętność przewidywania obciążenia jest wyzwaniem dla każdej aplikacji przeznaczonej dla masowego odbiorcy. W handlu może to być nagła nowość w modzie lub powtarzające się wydarzenie, jak wyprzedaż Black Friday. Silne zmiany aktywności konsumentów stanowią wyzwanie dla tradycyjnego zarządzania zasobami w aplikacji.
„W związku z tym, że musieliśmy brać pod uwagę szczytowe zapotrzebowanie na usługę aplikacji, wykupiliśmy odpowiednie pojemności, które jednak nie były w pełni wykorzystywane przez większość czasu, kiedy zapotrzebowanie było mniejsze. Stało się to dla nas kosztowne” wyjaśnia Jeff Woods, dyrektor oprogramowania infrastruktury w firmie Tulip.
Po migracji do Google Cloud, firma Tulip była w stanie rozlokować infrastrukturę zdolną do skalowania w każdym momencie i płacić wyłącznie za to, co wykorzystywała. Firma zyskała także dostęp do jednej z najbardziej zaawansowanych technologii Machine Learning na świecie. Obecnie, wraz ze swoimi danymi, infrastrukturą oraz narzędziami AI w jednym miejscu, Tulip jest gotowe prezentować rozwiązania na najwyższym poziomie.
Rozwiązania Tulip korzystają z zestawu modeli TensorFlow znajdujących się na Platformie AI. Na podstawie danych z aplikacji mobilnych, z których korzystają klienci w sklepach stacjonarnych, Tulip określa przewidywane zachowania klientów oraz szanse na dokonanie przez nich zakupów. W ten sposób powstają rekomendacje do kontaktu z klientem i sugestie, jak zaangażować ich poprzez spersonalizowane komunikaty.
Rozwiązanie firmy Tulip to podręcznikowy przykład potęgi sztucznej inteligencji: używanie nieznanych wcześniej schematów istniejących w dużych zbiorach danych do rozwiązania konkretnego wyzwania w biznesie. „Każdego dnia, Tulip zbiera miliony danych z interakcji klientów we wszystkich kanałach” tłumaczy Ali Asaria, założyciel i dyrektor firmy Tulip – „poprzez integrację machine learning Google i big data na naszej centralnej platformie, możemy używać tych danych do kreowania wnikliwych analiz i rekomendacji dla klientów.”.
Wnioski
Jeszcze kilka lat temu, sztuczna inteligencja wydawała się zbyt droga i złożona dla firm takich jak 3PM i Tulip. Jednak w obu przypadkach przeniesienie do Google Cloud udowodniło opłacalność, kompatybilność i łatwość obsługi tej technologii.
Niezależnie od tego, czy tłumy klientów znajdują się w sklepie, czy na stronie internetowej, 3PM i Tulip pokazały możliwości i potrzebę korzystania ze sztucznej inteligencji do zapewniania bezpieczeństwa każdej transakcji.
Artykuł źródłowy: https://cloud.google.com/blog/products/ai-machine-learning/how-cloud-ai-shaping-future-retailonline-and-store