Искусственный интеллект в магазинах

Сегодня технологии искусственного интеллекта внедряются во все сферы бизнеса: здравоохранение, реклама, развлечения, образование… В этом материале поговорим о том, как искусственный интеллект меняет ритейл – не только электронную коммерцию, но и традиционные магазины. Посмотрим, что делают крупные корпорации и какие сервисы предлагают стартапы.

 

Что делают корпорации

Amazon разрабатывает технологию Go, которая позволит покупателям забирать товары с полок и просто уходить из магазина. Компьютерное зрение отслеживает выбранные товары, а Amazon спустя время снимает деньги со счета на вашем аккаунте. Покупателю на почту приходит чек.

Пока что компания планирует работать только с едой для перекуса на ходу (выпечка, готовые завтраки и обеды, напитки). Сервис еще не запущен.

 

eBay запустила чат-бота, который помогает вам искать товары. Им уже можно воспользоваться в Facebook Messenger, правда, только на английском.

Кстати, компания сотрудничает с Google Home, чтобы запустить «торгового ассистента». Робот поможет оценить товары, которые вы планируете выставить на продажу.

 

IBM развивает сервис IBM Watson Customer Engagement, который анализирует данные о покупателях онлайн-магазинов в режиме реального времени, чтобы предложить вашим пользователям релевантные товары и акции. Сайт проекта наполнен стандартными для такого сервиса формулировками: персонализированный маркетинг, персонализированный контент, анализ поведения покупателей.  

 

Google уже управляет крупнейшей в мире рекламной сетью, которая в 2016 году принесла доходы в 79 миллиардов долларов. Как известно, интернет-гигант отслеживает ваши cookies и просмотренные видео, чтобы показывать релевантную рекламу. Теперь компания решила следить за покупками и в традиционных магазинах. Новый инструмент будет отслеживать, сколько денег люди тратят в офлайн-магазинах после просмотра цифровых объявлений.

Анализ возможен благодаря сопоставлению кликов по рекламным объявлениям с суммами покупок. Причем компания следит не за отдельными людьми, а за «агрегированными платежами групп людей», чтобы соблюсти условие анонимности данных. Google утверждает, что имеет доступ к данным примерно 70% кредитных и дебетовых карт в США через партнерские отношения с другими компаниями.

Еще одно направление Google – голосовой ассистент. Недавно компания объявила, что с его помощью можно будет заказывать товары и еду в ресторанах (правда, пока что только в США).

 

Что делают стартапы

Рейтинг направлений ИИ-стартапов по объему привлеченных инвестиций:

1. Общие решения (для разных индустрий)

2. ИИ + здравоохранение

3. ИИ + коммерция

4. ИИ + маркетинг

5. ИИ + бизнес-аналитика

6. «Умный интернет вещей»

7. ИИ + финансы и страхование

8. ИИ + кибербезопасность

9. ИИ + продажи и CRM

10. ИИ + автомобильная индустрия

11. Персональные ассистенты

12. ИИ + образование

13. ИИ + HR

14. ИИ + новости, медиа и развлечения

15. ИИ + туризм

Компании на стыке искусственного интеллекта и коммерции привлекли в сумме 990 миллионов долларов за 201 сделку в период между 2012 и началом 2017 года. Рассмотрим некоторые стартапы.

 

Анализ «пробелов» магазина

Сингапурская компания Trax Image Recognition привлекла в сумме 73,5 миллиона долларов. Это огромная платформа для управления ассортиментом, ценами и акциями в традиционном магазине.

Например, есть такая технология:

  • сотрудник фотографирует полку;
  • фотография отправляется в облачный сервис аналитики;
  • менеджеры получают отчет о проданных продуктах с советами, какие продукты нужно добавить на полку, чтобы сбалансировать ассортимент, как их расположить, где не хватает ценников и т. д.

Trax также предоставляет отчет о деятельности конкурентов: их эффективность в категории, пробелы, тенденции размещения продукта, волатильность цен, запуск новых продуктов и т. д.

Так как Trax собирает и анализирует данные из магазинов со всего мира, сервис может советовать вам наиболее эффективные промо-кампании.

Сообщается, что среди клиентов стартапа – Coca-Cola, Nestle и Procter&Gamble.

 

«Не проходите мимо»

Парижская компания Databerries в сумме привлекла 18 миллионов долларов.

Платформа позволяет показывать мобильную рекламу тем пользователям, которые посещают определенные места (например, магазины ваших конкурентов). Обещают точность от 15 до 10 метров. Кроме того, сервис показывает, сколько людей реально посетили ваш магазин после просмотра рекламы. А еще ранжирует пользователей по индексу лояльности к вашему магазину.

Среди клиентов компании – Volkswagen, магазин спортивных товаров Intersport и McDonalds.

 

Используй помещение с умом

Шведская компания ModCam привлекла в сумме 3,3 миллиона долларов. Это сенсор с компьютерным зрением, который отслеживает перемещения по магазину, чтобы предоставить аналитику об использовании помещения (какие участки обычно более загружены и т. д.)

Кроме того, камера распознает лица (вся информация анонимна) и может рассказать о том, какие именно группы людей посещают вашу точку.

 

«Желтые брюки из денима, в клеточку»

Израильская компания Twiggle привлекла в общей сумме 35 миллионов долларов. Она разрабатывает технологию распознавания человеческой речи, которую можно встроить в поиск на сайте онлайн-магазина. То есть, пользователь может писать не «стол-трансформер», а, например, «стол, который можно раскладывать и складывать, маленький, до $100».

Стартап основали бывшие топ-менеджеры израильского отделения Google.

 

Глубокое обучение для поиска товаров

Американский стартап с индийскими основателями Reflektion привлек в сумме 27,8 миллиона долларов. Это большая платформа с разными функциями для онлайн-магазинов.

Например, сервис отслеживает поведение пользователей на сайте и на основе этого предлагает ему релевантные товары. Еще одна функция – покупатель может прикрепить к поисковому запросу фотографию желаемого товара и получить максимально приближенный результат.

Reflektion, как и Twiggle, работает с обработкой естественного языка: можно написать в поиске «показать мне черные платья ниже 100 долларов» вместо «платье черное».

Среди крупных клиентов указана компания Disney.

 

За помощь в подборке кейсов спасибо блогу CB Insights.