广告
    10/07/2020

    AI在零售中的必要条件:在决策中找到最有价值

    Alarice Rajagopal
    高级编辑
    Alarice Rajagopal的头像
    从顶部顺时针方向:RIS和CGT编辑在Tim Denman,RSR Research的Brian Kilcourse和Hyperson Xix的Prem Kiran

    高级基兰,创始人兼首席执行官,Hypersonix Inc.加入了Brian Kilcourse,为RSR Research管理合作伙伴,分析团结起来本周讨论零售商和品牌如何在企业价值链中成功地利用机器学习和AI,以便在迅速变化的时间内快速推动有利可图的增长。

    零售商希望能够预测消费者进入零售店,因此他们可以预测他们实时出现,并且根据Kilcourse,零售商在Covid-19打到世界之前试图这样做,“但现在我们知道我们想要加速它。“

    Kiran explained how leveraging AI and data in general all is about making decisions – procurement, promotion, pricing, fulfillment decision, etc. “How can a system adapt to that so that you’re ultimately getting your customer to get the value that their looking for has been a big shift in the industry,” he said.

    基尔库斯说:“零售商必须能够从一种行为的早期阶段就预见到它,这样他们就能做出相应的反应。”他指出,这是全渠道营销的本质。这样的例子是人工智能可以提供帮助的原因之一。

    “在一天结束时,您希望能够更快地反应或预测比竞争对手更好,”Kiran说,这使得它推翻了忠诚度和客户终身价值等。“你需要能够利用数据快速以做到这一点。你需要一个可操作的智力系统,“他警告说。

    需求信号不仅来自Brick-and-Mortar商店,而且来自各种不同的渠道,但您有一个固定数量的库存可以做出反应。基兰看到AI能够更快地将淤泥数据缝合在一起,然后以一种对业务用户进行决策的方式应用决策科学和数据科学(相当实时)。

    “今天,由于NLP的进步和计算能力的进步,并且能够以更低的成本进行事件,因此,kiran补充说:”今天的能力使这些能力能够实现这些能力。

    “零售是复杂的,因为存在这么多的数据。但是,不太难以理解 - 体积是推动复杂性的东西,“评论了。但是,AI善于看着巨大的数据湖泊和检测模式。它还擅长根据它看起来的数据产生行为模型。当您开始考虑如何帮助零售商快速回应时,这变得很重要。零售是一个着名的反应业务。

    “我们不是在谈论将一个男人放在火星上,并安全地让他再次回家。我们正在谈论销售肥皂和卫生纸和衣服和鞋子,“公斤开玩笑,在他的观点之前,零售的复杂性被尺寸所驱动。

    零售商需要做的第一件事(这是非常相关的)是建立一个执行团队,该行政团队确定他们需要更快地响应的东西,以便根据KILCourse的措施,最终有利可图。“然后为这些事情做出正确的决定所需的信息是什么。系统如何支持它们?“

    这是一个跨职能的讨论公里所说,“我的期望是组织开始趋于衡量(开始持平的),并且AI是让那种发生的推动者。”