集简介:这一周我们跟亚历杭德罗·贾科梅蒂，在一家公司的数据科学铅叫编辑，总部设在伦敦。该公司声称帮助零售商关于库存优化，我们和贾科梅蒂讨论了如何进行人工智能可以用来搜索产品集群与主要零售商的个别产品，以帮助在网络上通知其他零售商哪些产品可能会受欢迎。
这一集有两个主要的收获。首先是监控与人工智能竞争的广泛能力，这种能力可以应用于整个行业，而不仅仅是零售业。其次，“编辑”是从网上免费提供的信息中生成信息的，因此，他们的软件似乎不需要企业将其集成到库存管理系统中，以训练其背后的算法。
我不一定称赞的公司;我没有使用过他们的产品也不会读所有的案例研究。这就是说，这是值得注意的，只是因为它的做法是比大多数AI厂商有着根本的不同。
订阅我们人工智能产业播客你最喜欢的播客服务:
客人：亚历杭德罗·贾科梅蒂，数据科学领导-编辑
专长：数据科学，机器学习，图像分析
介绍识别：贾科梅蒂拥有伦敦大学学院的图像分析博士学位。此前，贾科梅蒂是DigitasLBi的高级数据科学家。
访谈要点
(03:30)过去，(库存储存)是如何完成的，以及人工智能在其中扮演了怎样的角色?
AG:所以我们的大多数客户都是采购员、跟单员和日常的时尚零售商，他们必须要做的就是让分析师……带着笔记本走进竞争对手的商店，查看特定的产品。例如，看看这个季节的外套有什么新变化。所以他们会把库存中的每件夹克都列出来，价格是多少，材质是什么，颜色是什么，图形是什么，他们会每周或每隔几周手动告诉所有这些信息。然后他们会回到这些大型会议上，他们会比较和对比在购物中心的商店里，在大街上的商店里正在发生的趋势。
往往也会有一个数字团队去竞争对手网站,收集所有这些信息在一个极手动方式,所以最主要的一个方法,我们可以帮助这些人登录编辑时,他们立即获得数以百万计的人,他们可以搜索市场,为地区,他们甚至可以列出他们的颜色或模式,他们可以准确地定位竞争对手的位置，并对市场上实时发生的事情有一个全面的了解。
(5:30)这听起来像是一种非常复杂的抓取功能，你可以用它来训练算法，知道它是什么样的风格，什么样的颜色，什么样的设计师。
AG:是的，完全正确。我们有一个相当复杂的爬虫系统，向全世界大约1000多家零售商发出指令，他们每天收集他们网站上的每一种产品。这就得到了他们所有的信息，而不是按照零售商决定的方式提供。一些零售商有自己的层次结构，他们可能只专注于内衣，所以他们可能有非常详细的层次结构，他们把产品放在里面。所以爬虫去网站,产品通过产品,得到平均每个SKU,每一个图像,每个产品描述,然后我们收集那些像是中央位置,还有,我们有一些很复杂的人工智能,按钮在整个市场的数据。
我们有我们自己的分类层次，我们已经聘请了一起，在时尚领域的专家，我们已经决定如何精确那种进入我们的系统，而不是每一个产品只是将其归类像我们传统的等级制度。例如，你可以说鞋，然后东西是鞋类产品的类别将是引导或鞋或什么的。因此，我们有非常精确的排序层次。
但是，我们也有一些非常先进的结论神经网络，看看具体启动的图像，例如，并确定它是否有一个弱点，或者不具有脚跟。所以，当买方实际上是寻求比较发现什么，什么产品的品种会进行竞争，他们有一些非常细粒度的选择，他们可以选择市场上的部分，然后他们可以做一些有趣的事情就像是在看上一周变化一周或一个月上或在看同一个赛季了一个月，最后一年或改变颜色，或是否特定模式走出来或趋势今年或东西。
我们发现产品遵循不同的模式,这是几年前或许就不会很明显没有编辑,有些产品,真的,非常成功,他们可以在市场多年,他们从未真正出去的股票,他们回来一季又一季。也许是某个零售商的返校策略。另一方面，有些产品只是流行趋势或者是他们正在尝试的东西。例如,黄色的礼服,也许去年夏天你会看到一些零售商尝试几个黄色的裙子,你看过他们也许几天或几周或某个时候,但很可能他们只是一个市场的短时间内可能有稳定的定价。
But then exactly one season later, you would see an explosion on the same sort of yellow dresses and what do you would’ve been able to pinpoint with EDITED is these sort of smaller sort of tests that retailers are making maybe one season prior to the one that in which a product that’s going to be extremely successful. But on the other hand, a yellow dress after it has had a wave for the next season and maybe it’s not going to be such a big thing. Right? So if you see that a massive volume of yellow dresses appeared less season, this is where the experts in the industry and where we’re not trying to replace them [inaudible 00:11:17] they’re always going to have that sort of know-how, whether they’re gonna make the decision on whether something is likely to come back or something that is now here to stay.
(12:30)用桶装的过程对你人的大规模人工智能可以完成,因为很明显,如果你每天刮成千上万的零售商,它很昂贵计算与机器,但它的方式更容易与人类不必这样做。所以这听起来像是机器可以代理的东西，我可以想象它们可以代理很多标签。这东西去哪儿了?这个项目去了哪里，这个项目他们去了哪里?
AG:是的。我的意思是，传统的分析师必须做同样的事情，他们必须去商店，决定他们在商店里看到的产品，在与我们计划在下一季推出的产品竞争之前。事实上，我们最近进行了一项研究，我们比较了我们的机器的性能，我们的算法和行业的花费，我们发现我们的算法比专家做得更好，更一致。
（14:30）是什么，未来的样子给你？
AG:我认为在某种意义上我们已经收集的数据在过去10,20年最近授权的算法和工具和想法,需要我们的零售空间,我认为这些信息,我们的力量聚集到目前为止,它只会变得更好,如果我们成为更好地使用它。我认为我能看到的主要空间是有很多不同的方式使产品在市场上表现良好。成功没有单一的衡量标准。因此，如果机器可以帮助我们识别产品在市场上成功的不同方式，这可以帮助我们更好地决定要储存什么产品，在哪里销售。
这是显著不同的产品，是趋势为基础的或不同的不是一个产品，你可以有，因为也许是基于趋势的产品是第二高利润，但你真的需要弄清楚你究竟有多少需要股票， 例如。这些都是传统上都已经由人们普遍的行业，有品位的感觉决定，但数据的力量基本上是给我们一些证据来作出这些决定，而不在同行业中更换专家。我认为直觉的力量是永远不会被机器所取代，但它会得到增强。
订阅我们人工智能产业播客你最喜欢的播客服务:
标题图片来源：Adobe公司形象
