Overzicht over kunstmatige intelligentie in de detailhandel
Analytics Vidhya loopt al lange tijd voorop bij het overbrengen van kennis op het gebied van datawetenschap aan zijn gemeenschap. Met de bedoeling om het leren van datawetenschap aantrekkelijker te maken voor de gemeenschap, zijn we begonnen met ons nieuwe initiatief: “DataHour”.
DataHour is een serie webinars door topexperts uit de industrie waarin zij kennis op het gebied van datawetenschap onderwijzen en democratiseren. Op 28 april 2022 kregen we gezelschap van Dr. Shanta Mohan voor een DataHour-sessie op “Kunstmatige intelligentie in de detailhandel'.
Dr Shanta Mohan is mentor en projectgids bij het Integrated Innovation Institute van Carnegie Mellon University in Pittsburgh, Pennsylvania, VS. Zij is medeoprichter Retail Solutions Inc. (RSi), een baanbrekend retailanalysebedrijf gevestigd in Californië, en leidde het Global Product Development Team.
Ze begon haar carrière met een Bachelor of Engineering (Hons.) in elektronica en communicatietechniek aan het College of Engineering, Guindy. Ze promoveerde. in Operations Management aan de Tepper School of Management, Carnegie Mellon University.
Met een ervaring van bijna drie decennia werkte Dr. Shantha in de halfgeleiderindustrie. Ze werkte in Software Engineering en leidde als CEO de professionele dienstverlening van Kaveri Inc. Ze was medeoprichter en leidde 3 jaar lang het wereldwijde ontwikkelingsteam van Retail Solutions Inc. (RSi).
** Sessielink: Kunstmatige intelligentie in de detailhandel **
Heb je zin om dieper in de wereld van AI te duiken? Wij hebben u gedekt. Laten we beginnen met de belangrijkste hoogtepunten van deze sessie: Kunstmatige intelligentie in de detailhandel.
Introductie
De noodzaak om technologie te kennen en technologisch geavanceerder te worden, stelt ons in totaal voor veel uitdagingen. En in deze sessie leren we welke problemen er in de detailhandel bestaan, wat de kansen zijn, en passen we vervolgens AI en machine learning toe op die problemen. Dit datauur zal zich uitsluitend richten op de vraag hoe retaildata belangrijk zijn om veel van de uitdagingen in de retail aan te pakken.
Detailhandel betekent het verkopen in kleine hoeveelheden aan de uiteindelijke consument en de industrie van dergelijke verkopen. Het heeft dus verschillende belanghebbenden: zij zijn degenen die deze producten en diensten leveren, en degenen die deze diensten aan de detailhandelaren verkopen, en vervolgens aan de consumenten van het product. Door AI en machine learning in deze casestudy toe te passen, kunnen we dit vinden de stromen en patronen van al die mensen. En die kunnen we vervolgens gebruiken om het proces efficiënter te maken en de klant tevredener te maken.
Het landschap en de uitdagingen van de detailhandel
Het landschap van de detailhandelssector richt zich op drie belangrijke dimensies. Er kunnen er nog veel meer zijn, maar hier zullen we ons vooral concentreren op:
- Geografieën
- Producten
- Kanalen
Geografieën: Het gaat over de verblijfplaats, of de specifieke locatie waar we ons bevinden. De locatie bepaalt de uitdagingen, en hieruit kunnen we weten wat de belangrijke criteria zijn van dat deel/locatie.
Producten: Wat voor soort producten in de detailhandel? De implicaties van dit product, de uitdagingen die het tegenkomt en welke mogelijke oplossingen je kunt bedenken.
Kanalen: Hoe deze producten de klanten bereiken en wat de toeleveringsketen creëert in termen van zijn unieke uitdagingen.
Het landschap en de uitdagingen van de detailhandelssector-geografieën
De detailhandel is in de loop der jaren enorm geëvolueerd, afhankelijk van in welk deel van de wereld u zich bevindt West, je hebt allerlei technologische ontwikkelingen meegemaakt, beginnend bij de kassa's, creditcards, e-kassa's, informatiesystemen, www (wereldwijde web), e-commerce en meest recentelijk sociale media. Deze vooruitgang heeft veel verschillen teweeggebracht in de westerse/ontwikkelde werelden. En al in 1962, toen Wal-Mart voor het eerst de BIG BOX-winkel opende, waren de zaken nooit meer hetzelfde. Sterker nog, ze bestaan nu niet meer, hoewel ze zelfs vandaag nog op een paar plaatsen bestaan.
In de ontwikkelingslanden is dit fenomeen nieuw en in ontwikkeling. Bijvoorbeeld: in landen als India zijn ‘de kirana/hoekwinkels’ de levensader van de detailhandel.
Nu heeft e-commerce in de meeste landen een grote vlucht genomen, maar het is nog steeds niet zo populair als traditionele kirana-winkels. E-commerce creëert zijn eigen uitdagingen en zijn eigen kansen. De locatie bepaalt welke focus de retail moet hebben op het bedienen van de klanten.
In het Westen, bijvoorbeeld de VS, ligt de focus op het automatiseren van de winkels, alleen maar om de productiekosten onder controle te houden alsof de arbeid duur is. Hetzelfde principe leidde ook tot de oprichting van AmazonGo.
Bron: presentatie van Dr. Shanta Mohan
En in ontwikkelingslanden ligt de focus op hoe we producten en diensten efficiënter en tegen een betere prijs beschikbaar kunnen maken voor klanten en hoe we goederen op een betrouwbaardere en snellere manier naar zeer afgelegen locaties kunnen krijgen.
De focus ligt anders, hoewel technologieën vaker kijken naar wat er gebeurt in het ontwikkelde deel van de wereld en dit ook naar de andere delen willen brengen. De ontwikkelingslanden richten zich ook altijd op het aanpassen van nieuwe technologie, alsof dit bijdraagt aan hun vooruitgang.
Het landschap van de detailhandel en de uitdagingen-producten
Het soort producten en diensten dat we krijgen, bepaalt het soort problemen en uitdagingen waarmee retailers en leveranciers te maken krijgen.
Afbeeldingen Bron: presentatie van Dr. Shanta Mohan
De producteigenschappen bepalen hoe de supply chain is ingericht en welke problemen zich voordoen en hoe je dergelijke producten snel bij de klanten krijgt, zodat de versheid of authenticiteit behouden blijft.
De witgoedproducten zoals een koelkast, airconditioning, enz. zijn de apparaten die we tijdens ons leven maar heel weinig kopen, vergeleken met zoiets als vers fruit, dat bederfelijk is en een korte levensduur heeft. Vers fruit moet dus snel geleverd worden in vergelijking met witgoed.
Dan kleding waarbij we consumenten hebben die door deze leveranciers worden aangetrokken om elk seizoen of vaker een nieuwe mode te kopen. Het soort problemen dat zich in deze sector voordoet, is anders omdat ze zich meer zorgen maken over het bedienen van de klant met de nieuwste ontwikkelingen. Tegelijkertijd is er een probleem van verspilling. Iemand koopt bijvoorbeeld iets via internet en er is een probleem met de grootte, dus er wordt gestart met retourneren. Rendementen zijn dus een groot probleem in deze branche.
De markt voor luxe goederen richt zich hier op kwaliteit en klantervaring. Je doet er dus alles aan om aan de verwachtingen van de klant te voldoen.
Ten slotte hebben virtuele producten zoals Netflix, financiële instrumenten, enz. hun eigen vereisten voor het voldoen aan de eisen van klanten en het behouden van hun betrokkenheid.
Bij al deze zaken is het doel om goederen en diensten zo efficiënt mogelijk te kunnen leveren om het klantenbestand in stand te houden en te voorkomen dat ze naar een andere detailhandelaar gaan. Daarom is het soort oplossingen dat je met AI kunt ontwikkelen erg belangrijk.
Het landschap van de detailhandel en de uitdagingenkanalen
Het bestaat voornamelijk uit drie soorten:
- Brick & Mortar-retailers
- ECommerce
- DTC's
De Brick & Mortar-retailers: Walmart, COSTCO en het huidige Amazon zijn voorbeelden van dit kanaal. Hoewel Amazon een e-commercesite is, heeft het na verloop van tijd de noodzaak begrepen van de fysieke aanwezigheid van mart om zichzelf voor de klanten te houden en om enkele van de uitdagingen aan te pakken die zich voordoen als gevolg van e-commerce.
Bron: presentatie van Dr. Shanta Mohan
ECommerce: Alibaba, Flipkart, enz. zijn de voorbeelden van dit kanaal. Het heeft zijn eigen voordelen en uitdagingen. De truc bij het ontwikkelen van de AIML-oplossing is om de voordelen te begrijpen en de uitdagingen aan te pakken.
Bron: presentatie van Dr. Shanta Mohan
DTC's: Nestle, Cosper, enz. zijn enkele voorbeelden van dit kanaal. Deze richten zich rechtstreeks tot de klant. Het heeft voordelen om de klant beter te leren kennen en de detailhandelaar samen te vatten die de klanten levert. Het hele idee achter AIML om over de gegevens te beschikken en meer over uw klant te kunnen ontdekken, is erg aantrekkelijk.
Belang van gegevens
Bron: presentatie van Dr. Shanta Mohan
Zonder data kunnen er geen transformaties worden uitgevoerd. Om dit te doen moet je data zoeken, verzamelen, ervoor zorgen dat de verzamelde data relevant zijn en vervolgens analyses toepassen om te begrijpen wat je kunt doen met de inzichten in de data.
Belang van data-samenwerking
Bron: presentatie van Dr. Shanta Mohan
In de detailhandel is samenwerking de sleutel om voordeel te behalen. Het is een samenwerking omdat elke entiteit de belangrijkste stakeholder in de winkelruimte is en een deel van de data bezit. Detailhandelaren beschikken bijvoorbeeld over gegevens zoals voorraadgegevens, voorspellende gegevens over kooppatronen van klanten, enz. Deze gegevens worden masterdata genoemd en moeten aanwezig zijn voor zowel detailhandelaren als leveranciers om de inzichten die u uit de gegevens haalt, te begrijpen. Het is dus niet voldoende om alleen transactiegegevens van de verkoop te hebben; om deze beter te begrijpen is samenwerking belangrijk. Iedereen profiteert ervan, inclusief de klant.
Belang van gegevens - Soorten gegevens
Bron: presentatie van Dr. Shanta Mohan
De soorten gegevens waar we in de detailhandel mee te maken hebben:
- Gestructureerd (spreadsheet, relationele database): Deze gegevens zijn gemakkelijk te verwerken. Maar met de toename van data komt AI-ML in beeld.
- Vervolgens volgen ongestructureerde gegevens, waaronder e-mails naar klantenondersteuning en sociale media waar klanten hun feedback geven, enz.
- Vandaag gaat het over het internet der dingen. U krijgt gegevens in zulke volumes dat u ervoor moet zorgen dat uw systemen zijn ingesteld om die gegevens op te nemen en ze vervolgens efficiënt te kunnen verwerken voor betere inzichten.
Belang van gegevens - Kwaliteit van gegevens
Er is één principe van toepassing als we het over data hebben, namelijk 'garbage in, garbage out'. Als uw gegevens niet goed genoeg zijn om er inzichten uit te halen, zijn de gegevens nutteloos.
Vroeger waren het 3V's aan gegevens:
- Volume: Het gaat om de grootte van de gegevens.
- Snelheid: Het is de snelheid waarmee de data op je afkomen, je moet ermee om kunnen gaan en deze kunnen omzetten in inzichten. Bijvoorbeeld aanbevolen producten online.
- Verscheidenheid
Momenteel zijn deze 3 V's aan gegevens omgezet in 10 V's aan gegevens.
Bron: presentatie van Dr. Shanta Mohan
Gebruiksscenario's in de detailhandel
Brick & Mortar-winkels – zonder kassa
Bron: presentatie van Dr. Shanta Mohan
Het helpt bij het automatiseren, waardoor het product beschikbaar wordt gemaakt in een wrijvingsloze ervaring waarbij u gewoon de winkel binnen kunt lopen, of u nu winkelt of niet, en weer naar buiten kunt lopen. Er zijn geen wachtrijen, geen geldautomaten, detectoren en gebruikte technologie voeren automatisch hun functies uit voordat u naar buiten gaat. Bijvoorbeeld: Amazon Go, 7/11, enz.
Om te overleven in de branche moeten winkels innoveren.
Bijvoorbeeld: ALDI, een wereldwijde retailer, heeft zichzelf geïnnoveerd om te overleven op de markt. Als je hier alcohol wilt kopen, houden ze je gezicht in de gaten en beslissen dienovereenkomstig.
Een ander voorbeeld is WATASALE, aangekondigd in 2018 in India, maar vandaag de dag zijn ze overwonnen of bestaan ze niet.
Brick & Mortar-winkels – Kleding, schoonheid
Bron: presentatie van Dr. Shanta Mohan
De uitdagingen die ze hebben zijn slimme spiegels met AI-functionaliteit. Lenskart maakt bijvoorbeeld gebruik van deze technologie. Dit wordt gedaan om een betere, snellere verkoop en een perfecte klanttevredenheid te krijgen.
E-commerce winkels
Deze gebruiken AI op verschillende manieren, zoals chatbots. Eerdere chatbots waren thuisgebaseerd, maar nu met AI zijn ze verbeterd en robotachtig.
Eerder was er een Test-to-test-methode die nu is verschoven naar spraak-naar-tekst, zoals Alexa, Siri, enz.
Aanbevelingssystemen : Aanbevelingen die ons op sociale media worden getoond, dit gebeurt vanwege AIML. Door middel van gezamenlijke filtering worden uw gegevens, zoals naar welk product u het laatst zocht, uw kooppatroon, enz. getraceerd en dienovereenkomstig wordt uw feed beheerd, waarbij zowel u als soortgelijke gebruikers zoals u betrokken zijn. Een andere is op inhoud gebaseerd filteren waarbij geen andere gebruikers betrokken zijn, maar zich uitsluitend op uw gedrag richt.
Het betere systeem van vandaag combineert zowel collaboratief filteren als op inhoud gebaseerd filteren.
Supply Chain Management
Bron: presentatie van Dr. Shanta Mohan
Er zijn twee toeleveringsketens:
Bij de eerste en bij de traditionele gaat het om leverancier, distributeur, detailhandelaar, levering en laatste klant. Hierbij levert de leverancier het materiaal aan de distributeur, distributeur aan detailhandelaar, detailhandelaar aan bezorging of rechtstreeks aan de klant.
Ten tweede zijn er de leverancier en de klant. De leverancier verzorgt zelf de levering van het product en de diensten aan de klanten.
De supply chain-problemen kunnen het beste worden gemonitord met de AIML-hulp. De leverancier kan zich beroepen AI om te controleren of het product de klant op de beloofde datum bereikt of niet, wat de beste manier is om de levering snel te doen en hoe u retourzendingen kunt beheren. Het gebruik van AIML maakt dit lange proces een beetje eenvoudiger en sneller.
Verantwoorde detailhandel
Bron: presentatie van Dr. Shanta Mohan
Volgens de gegevens is de penetratie van e-commerce in de detailhandel sinds 2020 verdubbeld. Dit draagt bij aan de ecologische voetafdruk van een detailhandelaar. De toenemende behoefte aan snelle bezorging heeft geleid tot een grotere ecologische voetafdruk, omdat het concept van clubbezorging tegenwoordig aan het verdwijnen is om op zijn vroegst te kunnen leveren. Resultaat meer verzendnummers en verpakkingsproblemen. Als detailhandelaren alle artikelen in één keer verzenden, kan dit de COXNUMX-voetafdruk aanzienlijk verkleinen.
Verantwoorde detailhandel omvat:
- Stimuleer afhalen in de winkel
- Minimaliseer het totale aantal klantreizen
- Verminder toegewijde klantreizen
- Verzenden vanuit lokale winkels
Bijvoorbeeld: UPS, het is een soort bestelauto die gebruik maakt van AIML. AI helpt de chauffeur bij het ontdekken van de meest efficiënte manier om het product af te leveren.
Toekomst van AI/ML in de detailhandel
Bron: presentatie van Dr. Shanta Mohan
Er zullen zoveel nieuwe technologieën komen:
- EDGE-computing
- Drones: helpen bij last mile-bezorging
- Robots: voorraadmagazijnen beheren
- Voice-to-voice-technologie
Conclusie over kunstmatige intelligentie in de detailhandel
Ik hoop dat je de sessie over Kunstmatige Intelligentie in de detailhandel leuk vond en het heel goed hebt begrepen. Ik hoop dat ik u, door gebruik te maken van de gebruiksscenario's, een duidelijk inzicht heb gegeven in kunstmatige intelligentie in de detailhandel.
