零售商多年来一直在收集客户数据，如今可以利用人工智能技术帮助他们有效地使用这些数据，他们抓住了机会，但未来面临的挑战是什么？
人工智能正在成为零售购物行业领域的主要组成部分，一些零售商或百货商（如玛莎百货、Holiday Extras、京东商城等）正在采用人工智能和机器学习技术更好地解析数据，迎合客户的体验，并最终转化为销售业绩。
那么哪些零售商在采用人工智能方面处于领先地位？他们在进入数字世界时会遇到哪些挑战以及获得哪些好处？
客户和数据的故事
Ocado公司首席技术官Paul Clarke表示，人工智能技术可以帮助零售商更智能地利用稀缺资源，但有些企业没有确定是否采用。
了解客户意味着零售商需要确保在正确的时间将正确的库存放在正确的位置。数十年来，零售商现在从许多不同的人那里收集了大量的客户数据，没有技术的帮助就不可能提供这种个性化的服务。
正如咨询机构Elixirr公司的合伙人兼零售业务主管Brian Kalms所指出的那样，一些零售商拥有如此多的数据，不再需要人工分析，特别是添加新的在线企业。
“以往，客户走进一家商店时，并没有人认出他是谁。”他说。“而网络零售厂商却知道进入网站的客户是谁，所以零售商必须精通数据技术，这是人工智能的应用之一——它以机器人和通信的形式出现，并且正在进入数据分析阶段。”
利用数据来了解客户
在以往，零售商常常以“简单的方式”对客户进行分类，现在可以使用数据来更好地了解客户。例如，根据经济背景、收入和性别使用原有的客户人口统计数据来了解“具有价值”的消费者，但情况并非如此。Kalms说，“人们购买行为的部分信息需要一段时间才能让组织找到。”
Kalms表示，随着Asos、Ocado、亚马逊等数字化本地企业成为市场颠覆者，深入了解他们的客户，他说，零售商场的运营模式越来越难赢利，迫使零售商探索其他的方式来吸引客户，并期待为客户提供更多零售体验。
“零售商期待着每个客户的到来，并提供全天候服务。”他说。
数字零售商更快地采用新技术
但数字优先的零售商和传统实体零售商之间的区别在于，数字零售商始终牢记这些技术，并且随着它们的出现，很容易采用新技术。
“他们只生活在数字世界中，所以他们认为人工智能不是一件可以去发现的东西，它只是内建于所做的每件事情之中。”Kalms说，“这可能是当前零售业最大的分歧——传统企业和数字优先企业之间的分歧。”
对于大型企业而言，尝试和采用智能镜像、数据分析和人工智能等技术增加购买量和回报。但Kalms表示，将这些实验整合到核心业务方式中存在一些困难，这对于数字优先的零售商来说要容易得多。
详细了解零售技术
正如Kalms所说，大型零售商过去致力于“产品和服务创新”，而不是敏捷和数字创新。
一些零售商已成功实现这一目标——例如，视频游戏零售商Game公司利用其拥有的数据并利用它开发个性化项目，以使其在线和店内产品适应现代数字受众。
但Boohoo．com的IT运营主管Steve Roberts表示，这种性质的项目很多都失败了，因为实际上并没有解决这个问题－ 企业竞相采用这项技术，但并不知道如何使用它或者使其适应更广泛的业务。
“听起来不错，不是吗？很明显，业内有很多流行术语，人工智能可能是其中之一。”他说，“我认为很多人不了解如何使用这些技术，他们最终会得到一些技术层面非常适合，但在商业上并不那么适合的技术。”
用例和挑战
Roberts列出了零售行业中人工智能的一些常见用例，其中包括使用机器学习防止欺诈或使用客户数据实现个性化。
另一家零售商声称，它可以在预测进入客户帮助中心的呼叫量、店铺流量或网站流量，并据此进行调整将会有所帮助。
Boohoo．com正在尝试采用人工智能用于聊天机器人，它将回答客户的一些常见问题，例如订单在哪里或如何退货。
对于零售商而言，它降低了人员成本，并且不需要参与回答这些问题 － 并且客户更满意，因为其问题可以得到快速回复。
Boohoo公司与一家名为Syte的第三方视觉搜索公司合作实施了这项工作。Roberts表示，与第三方合作可以帮助零售商解决他们可能无法解决的问题。
过去的经历
在过去，就像政府部门一样，零售商认为投资技术项目成本巨大，而且在很多情况下会失败，使零售商无法解决他们面临的问题。
但即使与第三方合作，零售商是否真的可以依赖其收集的数据来采用任何类型的人工智能技术？
“它能理解我们获得的数据并从中学习吗？可能是我们提供的数据看起来对人类来说很好，但对机器来说并不完全适合。”Roberts说。
“作为一种技术，它仍然相对不成熟，但这个领域将很快获得吸引力，因此我预计成熟度会增加很多。”
虽然机器学习和人工智能最常用于使用数据来改善客户体验并增加个人体验，但Holiday Extras集团技术总监Andy Britcliffe指出，这听起来很简单，但其工作量也可能只是“冰山一角”。
例如，当在呼叫中心使用人工智能时，Britcliffe说：“有了机器学习，就有可能更好地进行建模，这样当人们打电话给我们时，我们会在手机上找到适合的人。”
12下一页>（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
