小売業における機械学習: 基本事項と 10 の主要なアプリケーション

近年、ロックダウン、サプライチェーンの混乱、エネルギー危機の間で、小売業者は小惑星の雨を避け、絶滅を避けようとしている恐竜のように感じていたに違いありません。

しかし、先史時代の巨大な爬虫類とは異なり、小売業界はさまざまな技術革新に頼って、困難な時期にこれらの課題にうまく対処できます。

そして、最も影響力のあるツールの 1 つは、間違いなく、強力なサブブランチ機械学習 (ML) を含む人工知能です。このテクノロジーの性質を簡単に紹介し、小売業における機械学習の主な使用例を見てみましょう。

小売業における機械学習の役割

小売業における機械学習は、データを処理し、変数間の繰り返しパターンや異常を見つけるために使用される自己改善型コンピューター アルゴリズムに依存しており、これがどのように行われるかを独自に学習します。この関係は、業界のトレンド、現象、ビジネス シナリオに影響を与えたり、決定したりします。

機械学習システムの自己学習と状況理解の可能性は、小売業界で次の目的で使用できます。

• 小売を推進する根本的なダイナミクスを特定します。たとえば、機械学習ベースのデータ分析システムは、顧客データに基づいたレコメンデーション エンジンやターゲットを絞った広告を通じてショッピング エクスペリエンスをパーソナライズしたり、製品需要やその他の市場トレンドを予測して在庫管理、物流および価格戦略を最適化するために、マーケティングに広く採用されています。 。
• コンピューター ビジョンや自然言語処理 (NLP) など、人工知能に関連する認知テクノロジーを進歩させます。これらは、それぞれ視覚パターンと言語パターンを認識して学習し、人間の視覚とコミュニケーションを模倣します。小売業者は多くの場合、これらのツールをテキストおよびビジュアル ソースからデータを収集し、チャットボットやコンテキスト ショッピングなどの対話型ソリューションを強化したり、ビデオ監視に使用したりします。

小売業を再定義する 10 の機械学習ユース ケース

小売業者は、上記の機械学習アルゴリズムの実用的な機能からどのようにメリットを得られるでしょうか?以下は、典型的な小売シナリオにおける最も関連性の高い機械学習のユースケースです。

1. ターゲットを絞った広告

主に電子商取引で使用されますが、ターゲットを絞ったマーケティングは、潜在的な顧客をオンライン プラットフォームや従来の店舗に誘導するための強力なツールです。これには、行動、心理学的、人口統計学的、地理的パラメータ (購入履歴や閲覧履歴、年齢、性別、興味、地域など) に基づいてユーザーをセグメント化し、完全にパーソナライズされた広告やプロモーションでユーザーをターゲティングすることが含まれます。

2. コンテキスト ショッピング

別の、よりインタラクティブなソリューションはコンテキスト ショッピングであり、ユーザーの注意を引き、e コマース プラットフォームに誘導します。このマーケティング ツールは、機械学習とコンピューター ビジョンを使用して、ソーシャル メディア上のビデオや画像に表示されている商品を識別して指摘すると同時に、オンライン ストアの関連商品ページへの「ショートカット」を提供します。

3. レコメンデーション エンジン

ユーザーはオンライン プラットフォームにログインすると、大量の製品の中で迷ってしまう可能性があります。レコメンデーション エンジンは、顧客が実際に必要とする可能性のある製品を顧客の目の前に提示するように設計された強力なツールです。

カスタマイズされた推奨事項を提供するために、これらのシステムは、過去に購入したものと同様の特性を持つアイテムを推奨するコンテンツベースのフィルタリング アプローチ、または同様の購入パターンを持つアイテムを推奨する協調フィルタリングのいずれかを採用できます。他の顧客の個人的な特徴や興味。

4. 動的な価格設定

機械学習のおかげで動的に変化するのは、製品の推奨と広告だけではありません。現在、ほとんどのオンライン ストアや電子商取引プラットフォームは、製品の需要と供給の変動、競合他社のプロモーションおよび価格戦略、広範な販売傾向などの要因に基づいて価格を常に調整しています。

5. チャットボット

チャットボットと仮想アシスタントは、機械学習と NLP を活用した高度にインタラクティブなツールであり、顧客に送信しながら年中無休のユーザー サポート (利用可能な製品や配送オプションに関する情報を含む) を提供します。売上を増やすためのリマインダー、クーポン、パーソナライズされた推奨事項。

6. サプライ チェーン管理

製品の補充やその他の在庫管理作業を偶然に任せてはいけません。商品の需要と供給をより適切に一致させ、倉庫スペースの利用を最適化し、食品の腐敗を回避するには、機械学習アルゴリズムの分析機能と予測機能に頼る価値があります。これは、価格変動や季節ベースの購入パターンなどの複数の変数を考慮して、将来の販売傾向を予測し、それに応じて適切な補充計画を計画することを意味します。

7. 配送の最適化

機械学習によって強化できる物流のもう 1 つの側面は、商品の配送です。 IoT センサーとカメラのネットワークによって収集された交通データと気象データは、最速の配送ルートを簡単に計算できる機械学習駆動のシステムを強化します。また、ユーザーデータを処理することで、顧客のニーズをより適切に満たす適切な配信方法を推奨できます。

このアプローチの例は、Amazon が実装した機械学習ベースの予測出荷テクノロジーです。これにより、顧客の購入パターンに基づいて将来の配送を予測し、顧客に最も近い倉庫に商品を移動できます。顧客が実際に注文したときに、より速く、より安く発送します。

8. 自動運転車

商品配送のための機械学習とコンピューター ビジョンのこの実装は、完成したものから大規模に実装されたものにはほど遠いですが、Amazon や Kroger などの企業がこのテクノロジーに賭けて取り組んでいます。私たちは間もなく、商品の配達を迅速化するために自動運転車に依存するようになるかもしれません。

9. ビデオ監視

機械学習を活用したコンピューター ビジョン システムは、泥棒を検出できます。これらのツールと従来のビデオ監視ソリューションの主な違いは、後者は侵入者を識別するためのかなり不正確なルールベースのアプローチに基づいており、誤検知が多数発生する傾向があることです。一方、機械学習システムは、より微妙な行動パターンを識別し、何か不審なことが発生した場合に管理者に警告することができます。

10. 不正行為の検出

オンライン小売業者や電子商取引プラットフォームの場合、泥棒は店頭にある商品よりもクレジット カードからお金を盗む可能性が高くなります。機械学習アルゴリズムは、繰り返し発生するパターンを特定するように設計されているため、異常な取引頻度や口座データの不一致など、標準からの逸脱を特定し、疑わしいものとしてフラグを立ててさらなる検査を行うこともできます。

機械学習を使用して現代の課題を克服する

人工知能、機械学習、コグニティブ テクノロジーは、利益の増加とコストの最適化、顧客エクスペリエンスのパーソナライズ、物流と在庫管理の効率の向上に効果があることが実証されています。安全な小売環境を確保します。

実際、フォーチュン ビジネス インサイトの 2020 年レポートでは、世界の小売 AI 市場が 2028 年までに 311 億 8000 万ドルに達すると予想されており、機械学習がその中核を成していることが強調されています。

小売業の観点から見ると、これにより機械学習がビーコンとなり、2 年以上の嵐の後でも適切なコースを見つけて安全な港に停泊できるようになります。 (作成者: iothome)

以上が小売業における機械学習: 基本事項と 10 の主要なアプリケーションの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。