Пока Amazon сооружает магазины без касс и очередей, General Electrics научились отслеживать процессы на всех стадиях производства. Разбираемся, как используют ИИ в России и за рубежом, какие у нее трудности и перспективы.

Искусственный интеллект – это способ решать задачи с помощью вычислительных мощностей. Хотя это кажется логичным, все работы об этом методе, начиная с выступления Джона Маккарти в 1956 году, отрицают необходимость ИИ использовать приемы, которые наблюдаются в поведении людей. Тем не менее, многие системы искусственного интеллекта создаются для понимания человеческого мышления и выполнения творческих функций, которые присущи человеку.

В ритейле технологию внедряют в маркетинг, логистику и операционную деятельность. Применение искусственного интеллекта к 2030 году приведет к росту глобального ВВП на 14% (на $15,7 трлн), подсчитали аналитики PwC. Этот показатель выше, чем общий уровень производства промышленности в Индии и Китае.

Исследования и цифры

Аналитическая компания Forrester утверждает, что искусственный интеллект, Big Data и современная аналитика увеличивают доступ предприятий к анализу данных и повышают уровень сложности полученной информации. «ИИ даст бизнесам доступ к мощным инсайтам благодаря использованию когнитивных интерфейсов в сложных системах, передовой аналитике и технологиям машинного обучения», — уточняет главный аналитик Forrester Джеймс Маккормик в отчете компании. Искусственный интеллект должен ускорить принятие решений в маркетинге, электронной торговле, управлении продуктами и других областях.

Что в первую очередь интересно ритейлерам? Исследование IBM показало: 48% клиентов считают, что компаниям важно предоставлять индивидуальные акции в онлайн-режиме, а 45% хотят внедрить этот формат в офлайн-точки. 83% руководителей розничных магазинов уверены, что когнитивные вычисления сыграют решающую роль в развитии их бизнеса. Также клиенты хотят исследовать новые продукты и покупать их, где бы они ни находились. Такая возможность у них уже есть – сейчас люди почти не ограничены временем суток или местоположением.

Кейсы

У искусственного интеллекта несколько рабочих применений:

● Продажи и CRM-системы

● Логистика и доставка

● Платежи

● Клиентские рекомендации

● Производство продукта.

Наверное, самый известный пример — магазин без касс и очередей Amazon Go. Достаточно установить приложение и зарегистрироваться в нем при входе в магазин. После этого сенсоры фиксируют продукты, которые человек набирает в корзину. При выходе у покупателя автоматически списываются деньги с аккаунта Amazon.

Nike несколько месяцев работает с Zodiac — компанией, анализирующей пользовательские данные. Благодаря технологиям подрядчика Nike стремится максимально персонализировать отношения с клиентами: чтобы каждый посетитель магазина или пользователь приложения мог получать индивидуальную выдачу товаров, интересную именно ему. После запуска приложения в Китае его скачало 2 млн человек за 1 месяц. Сейчас главная цель Nike — сделать так, чтобы при попадании в магазин каждый клиент получал советы о том, какая вещь ему, скорее всего, понравится. К 2020 году Nike планирует увеличить выручку до $50 млрд.

В 2016 году магазин одежды North Face подключил платформу когнитивных вычислений IBM Watson для персонализации покупок на своем сайте. Теперь, когда покупатель ищет, например, куртку, XPS задает вопросы о местоположении человека, его гендере и температуре воздуха для подходящих рекомендаций.

Еще одно решение — ПО Conversica. Эта система пишет письма потенциальным клиентам от роботизированного менеджера по продажам, который отвечает на вопросы и поддерживает разговор. В 2016 году такое программное обеспечение внедрила у себя компания Rachel и увеличила количество ответов от покупателей на 30% в течение нескольких часов. Также Conversica используется для перекрестных продаж и повторного вовлечения существующих клиентов. Благодаря ПО компания Bosch Automotive из Новой Англии начала проводить более 60 дополнительных сделок в месяц в одном из представительств Toyota.

В General Electrics разработали другое программное обеспечение — оно следит за всеми уровнями производства продукта: от проектирования до дистрибуции и обслуживания. Это экономит много времени и денег при затратах на аналитику. Решение подходит почти любой отрасли производства. Например, ПО в реальном времени позволяет увидеть всю происходящую на заводе работу. Нужен всего один человек, сидящий за компьютером, который сразу сможет распознать ошибку на любом этапе производства. То есть сотрудникам не нужно ходить по заводу и выискивать проблему. В числе пользователей – мультинациональная корпорация Toray Plastics, которая собирает детальные данные по своему производству.

В 2013 году PayPal запустил ПО, куда загрузил большое количество транзакций, подразделяя их на честные и мошеннические. За счет машинного обучения система безопасности теперь отличает сделки, совершаемые владельцами аккаунтов, и транзакции, проходящие с украденных адресов. Эта система помогла PayPal снизить потери от мошенничества до 0,32% выручки.

Российский опыт

В России пока немного компаний применяют искусственный интеллект, но крупные ритейлеры постепенно начинают внедрять технологию.

Например, в начале 2018 года «М.Видео» сообщила о запуске «умного» поиска товаров в интернет-магазине. Ритейлер использует решение компании Detectum, основанное на машинном обучении и Data-аналитике. Система отслеживает клиентские запросы и предпочтения по конкретным брендам и категориям, а затем показывает рекомендованные товары. В итоге, когда человек ищет что-то на сайте «М.Видео», он видит продукты, ранжированные по популярности среди своей группы потребителей. По данным компании, технология помогла повысить уровень конверсии из поисковых запросов в покупки на 15% (в сравнении со средними показателями по сайту). В то же время число клиентов, которые используют поиск, увеличилось на 25%, а сумма их покупок составила 30% от всех продаж «М.Видео».

По словам директора по информационным технологиям «М.Видео» Сергея Сергеева, главные цели компании во внедрении искусственного интеллекта – снизить расходы, а также повысить операционную эффективность в клиентском сервисе и во внутренних бизнес-процессах (HR и логистике).

Сейчас компания анализирует поведение клиентов на сайте, историю просмотров и оставленных в корзине товаров. Если пользователь кладет товар в корзину и выходит со страницы без оформления заказа, система напоминает ему об этом и предлагает похожие по характеристикам варианты.

«Более того, мы разработали модель для выбора идеального момента для взаимодействия с клиентом – времени, когда он наиболее склонен к покупке. В результате увеличивается отклик от персонализированных маркетинговых рассылок и растет конверсия в покупки за счет возврата ушедших посетителей. Сейчас мы также тестируем модели повышения эффективности целевого маркетинга – определяем склонность клиентов к различным видам промо-активностей. Так, клиенты, предпочитающие кэшбек или выгодные кредитные предложения, будут получать информацию преимущественно об этих акциях. В перспективе смотрим на решения по агрегации клиентских отзывов и автоматизированные технологии предоставления информации как для продавцов, так и для клиентов».

Сергеев добавил, что искусственный интеллект помогает компании прогнозировать ежедневную потребность в персонале более чем в 400 магазинах и управлять логистическими поставками. Также технология позволяет планировать рабочие графики персонала и транспортировки товаров в каждый из магазинов. Система учитывает местоположение магазина, трафик, сезонность, скорость розничных продаж и потенциальные объемы самовывоза онлайн-заказов.

В ноябре 2017 года ритейлер X5 Retail Group рассказал о том, что подключил в своей сети «Перекресток» обучаемый аналитический блок CRM от разработчика ПО SAS для целевого маркетинга. К тому моменту больше 70% целевых акций создавались с помощью технологии – в 7 раз быстрее, чем без машинного обучения. Представитель X5 отметил, что этот блок интегрирован с программами лояльности: системой процессинга, мобильным приложением, SMS- и e-mail-каналами.

На внедрение системы ушло около года: в 2016 X5 тестировала технологию, а в марте 2017 стала использовать на постоянной основе. Тогда же в компании занялись обучением системы, сегментацией потребителей и таргетированием кампаний. В интервью с корреспондентом ComNews представители X5 подробнее рассказали об использовании технологии: «Анализ больших данных – направление, необходимое для гибкого реагирования на изменения в среде, в том числе для создания персонифицированных предложений для клиентов на основе их предпочтений. У торговой сети «Перекресток» более 5 млн активных пользователей карт лояльности, несколько каналов коммуникаций, множество вариантов маркетинговых предложений. Автоматизированная аналитика позволяет использовать все возможности этих ресурсов».

Мнения и перспективы

Коммерческий директор «Связного» Дагмара Иванова уверена, что для успешного развития бизнеса в 2018 году компании будут уделять больше внимания любым современным технологиям, а не только искусственному интеллекту: «Все активнее будут развиваться возможности чат-ботов, которые помогают клиенту заказать товар и услугу, не заходя на сайт. «Связной» уже тестировал и внедрял подобный формат. Например, в 2017 году, когда открылся предзаказ на iPhone 8 и iPhone 8 Plus, ритейлер запустил специального Telegram-бота, помогающего покупателю быстрее оформить заказ. Или, к примеру, у проекта «Связной Трэвел» есть бот в Facebook для заказа билетов и отелей. Такой персонализированный подход к покупателю позволяет значительно сократить время на приобретение устройства или оформление услуги».

Исполнительный вице-президент «Евросети» Виктор Луканин сообщил, что компания рассматривает использование искусственного интеллекта в контексте обработки входящих запросов от клиентов в чатах и мессенджерах: «Сейчас мы оцениваем эффективность подобного проекта. Еще мы рассматриваем варианты использования AI (artificial intelligence, искусственный интеллект – прим. ред.) в маркетинге. Одно из направлений – обработка искусственным интеллектом различных воронок продаж, особенно омниканальных, чтобы в нужный момент AI управлял коммуникацией с пользователем – при наличии миллионов клиентов в месяц добиться необходимой персонализации не так просто. Также мы оцениваем возможность привлечения AI в работу колл-центра и повышение эффективности сотрудников на торговых точках».

Представитель российского офиса Unilever отметила, что у искусственного интеллекта в ритейле много перспектив: уже сейчас некоторые игроки ускоряют работы закупочных департаментов за счет роботизированных систем. За счет данных о маржинальности и популярности определенных категорий технологии облегчают закупку продуктовых решений: «В дальнейшем искусственный интеллект будет развиваться, давая прогнозы, как лучше расположить продукт на полке, какую цену на него предложить и как замотивировать потребителя приобрести максимально широкую корзину, основываясь на аудиторном и поведенческом анализе. Для производителей это возможность иметь максимально достоверный источник информации, который позволит лучше адаптироваться под нужды ритейлера.

В связи с этим не за горами то время, когда производитель начнет вести работы аналогичные SEO оптимизации сегодняшних поисковых машин Яндекса и Google, обрабатывая входящую информацию и стремясь разработать максимально релевантное решение. В том числе речь пойдет о более масштабном применении алгоритмов предиктивной аналитики, которая на базе искусственного интеллекта будет обрабатывать огромный массив данных. Это, в свою очередь, позволит разработать новые продуктовые решения, которые будут конкурировать с уже популярными сегодня».

Проблемы и риски

Развитие любой новой технологии всегда сопряжено с определенными рисками и трудностями. В первую очередь технология пока не развита настолько, чтобы совсем заменить человека. К примеру, алгоритм понимает, какие смартфоны покупатель брал раньше и рекомендует ему что-то похожее. Но система не узнает, что его предпочтения изменились, что ему необходим менее дорогой вариант, что сейчас он стал блогером и теперь ему более интересны хорошая камера и приложения для ретуши. То есть человек еще не получает того персонального подхода, который дают консультации в офлайн-магазинах. Получается, алгоритмы всегда немного предвзяты – они берут на себя ответственность за предпочтения человека, который часто изменчив и иррационален. В итоге компаниям приходится тратить средства одновременно на совершенствование машинного обучения и тренинги персонала.

Другая проблема – приватность. Компании так или иначе собирают пользовательскую информацию, пусть и без привязки к персональным данным. Но периодически происходят ситуации, когда технологии врываются в личное пространство людей. Самый известный курьезный случай произошел недалеко от Миннеаполиса. Отец девочки-подростка выяснял отношения с сотрудниками сети Target из-за того, что они отправили ей email-рассылку, таргетированную на беременных. Оказалось, компания научилась определять беременность покупательниц по сторонним товарам: такие женщины чаще покупали неароматизированные лосьоны и брали пищевые добавки с магнием. Уже потом отец выяснил, что его дочь действительно была беременна, а компания из-за скандала приостановила общение с прессой. Любое нарушение приватности – это всегда высокие репутационные риски. А в случае новых и несовершенных технологий совершить ошибку довольно просто.

Еще одна трудность – дороговизна вычислительных мощностей. Чтобы планировать закупки, выстраивать точные рекомендации или разрабатывать персонализированный маркетинг, нужно анализировать огромные массивы данных. А поскольку технологии с каждым годом только развиваются, появляется необходимость не только обрабатывать Big Data, но и делать это очень быстро. Такие затраты могут очень долго окупаться, а это не всегда целесообразно. Чтобы понять, когда окупится любая подобная инициатива, нужно проводить масштабные исследования, а это, опять же, стоит больших денег.

Некоторые эксперты сейчас делают неутешительные прогнозы о том, что скоро искусственный интеллект приведет к массовой безработице, отсутствию приватности и ошибкам машин, за которые никто не несет ответственности. Другие, наоборот, уверены, что технология создаст новые рабочие места и снизит неприятные последствия человеческого фактора. Однако пока не все уверены, что существующие внедрения вообще можно считать искусственным интеллектом: ему еще не хватает знаний человеческой психологии и более комплексного подхода к решению задач.

Алина Толмачева при участии Романа Канунникова | RETAILER.ru

Подписывайтесь на наш канал в Telegram, чтобы первым быть в курсе главных новостей ритейла.

Отправить ответ

Уведомлять о
avatar
Eugeniy
Гость
Существует гораздо больше сервисов и возможностей. очень странно, что об этом нет упоминаний: системы прогноза продаж и посетителей (трафик), позволяющие повысить эффективность управления запасами в магазинах — они ориентируются на текущие продажи, остатки и прогноз продаж на ближайшие дни; системы динамического ценообразования — пересчитывают цены исходя из спроса и запасов товара; рекомендательные системы — не только поиск по запросу клиента, но и рекомендации что купить с выбираемым товаром. Помимо этих систем есть масса решений, позволяющих существенно оптимизировать процессы внутри организации: системы подбора оптимальной маркетинговой кампании для товара, системы оценки товара (какую первую цену поставить), системы по контролю качества работы сотрудников… читать все