随着互联网普及率的上升，电子商务行业在印度蓬勃发展。根据由波士顿咨询集团研究到2018年，印度的互联网用户将从2014年6月的1.9亿跃升至5.5亿。印度拥有超过3亿智能手机用户，超过美国成为全球第二大智能手机市场。据估计，电子商务公司在印度销售的商品总值(GMV)预计将增长到大约$ 80十亿2020年从2009年大约40亿美元。
印度的电子商务公司正处于激烈的竞争中，每家公司都在努力超越对方。许多顶级电子商务公司正在部署人工智能，以创造更好的产品、用户体验、更智能的物流、瞄准正确的人口统计数据，并成为客户的首选。他们意识到，差异化是他们在艰难市场中生存的关键。
在本文中，我们将研究印度市场份额最大的3家电子商务公司——Flipkart、亚马逊印度(Amazon India)和Myntra——是如何使用人工智能的。根据印度的估计经济时报，Flipkart其独立经营的子公司Myntra，共同拥有的38.5％的市场份额，而Flipkart就有大约34％的市场份额。亚马逊印度占29％的市场份额。可以注意到，这些是不同意他们的收入或市场份额的数字，经常发生争执媒体和分析公司产生的数字私有公司。
Flipkart - 2016年收入24亿美元(源)
合作伙伴与微软
今年早些时候，Flipkart全球科技巨头微软合作为消费者提供在印度更好的网上购物服务。由于两家公司之间的广泛的合作的第一步，Flipkart已经通过微软Azure作为其唯一的公共云平台。当微软CEO萨蒂亚·纳德拉在2月访问班加罗尔的宣布了，被任命为微软的CEO后，印度第一次访问。
During an event organised during Nadella’s visit, Flipkart said in a statement that it plans to leverage AI, machine learning and analytics capabilities in Azure, such as Cortana Intelligence Suite and Power BI, to optimize its data for innovative merchandising, advertising, marketing and customer service (this statement is a claim from the author, who states that he was at said press conference).
项目米拉
Flipkart的被称为“Mira”的人工智能项目旨在提供离线体验到网上购物。该项目似乎是Flipkart的报道回报率10％-11％的响应。Flipkart的，该公司研究了其客户来到他们的回报很大比例本来是可以避免的一个或两个简单的问题得出结论的产品拉姆Papatla索赔总统在购买前询问客户。
米拉的这个目标是规模有销售人员的店内体验 - 而是通过人工智能，并通过数字电视频道。“......现在，我们有广泛的意图用户（搜索，说，鞋或床单）与相关的问题，对话过滤器，逛街的想法，报价和趋势集合引导”，Papatla说。
该公司声称，该技术已经在Flipkart使用（虽然我们无法确定哪些用户的比例已经暴露于米拉）。经济时报的文章（引用两段以上）使用这个会话技术的实际应用程序的下面的例子：
“喂，有人来Flipkart寻找一个空调。由于项目米拉，Flipkart现在问什么样的交流的买家，他们希望，吨位，房间大小，品牌，和这样的。这是在帮助客户找到他们在网上设置是不太容易导航需要确切的产品一个开始“。（资源：经济时报)
如同线下购物的地方销售经理询问客户对她的大小，使建议之前其他要求，Flipkart是试图让AI做类似的事情。
硅谷的野心
Flipkart还在扩大其在美国硅谷的存在，并通过利用硅谷的世界级研究设施，专注于基于人工智能的产品。这是通过F7实验室，Flipkart位于美国的研究机构在帕洛阿尔托。
米希尔Naware，Director产品在F7实验室曾指出，Flipkart拥有一批由印度方面提出更有趣的人工智能问题。“以颜色识别，你可以使用标准的颜色，但我们也有Gulaabi在印度。这是什么，有被教导。一个库尔塔和kurti之间的区别是长度，但你需要根据图片是否被拍摄的是模特还是一个人”来弥补，说Naware（在上面提到的F7实验室文章）。也Naware指出F7实验室已经使用自然语言处理来了解特定种类的英语口语的也就是通常用于印度取得了进展。
Flipkart的主要数据科学家MAYUR达塔尔提到（其他点中的）图像分析和深入的学习是Flipkart高利益的领域现在。下面的视频是完整TECH2采访MAYUR：
深学习技能确实是稀缺的，所以其在硅谷的存在肯定是从人才的角度收购是有道理的。
亚马逊印度
亚马逊在印度的业务已经获得了20亿美元的投资，它致力于在印度的技术和基础设施方面的长期投资，其中人工智能是它投资的一项关键技术。“人工智能将使智能电子商务成为可能，提高运营效率，并带来新的客户体验(如语音界面、对话系统)，从而改变人们的生活，”亚马逊印度(Amazon India)机器学习总监拉吉夫•拉斯托吉(Rajeev Rastogi)对媒体Emerj表示。
亚马逊印度是利用机器学习和人工智能在一些领域。Rastogi解释了以下这些方面：
纠正地址
印度的地址结构不合理，用户经常输入错误的地址(如错误的pin码或城市名)或信息缺失的地址(如街道名缺失)。错误的地址会导致包裹错过投递日期，导致投递失败。该公司一直在使用机器学习技术来检测垃圾地址、计算地址质量分数、纠正城市识别码不匹配，并为用户提供纠正错误地址的建议。
编目质量
产品目录的缺陷，如缺少品牌、颜色或低质量的图像/标题等属性，可能会对客户体验产生负面影响。该公司正在使用人工智能和机器学习从产品名称和图像中提取缺失的属性信息，如品牌或颜色。
尽管我们没有足够的时间在手机上确认细节，我们可以推测，自然语言处理是用来评估有关产品的书面资料（为了填补信息差距，例如缺少品牌名称）。通过目录项之间的分析成千上万的其他产品目录，并且连接，系统可以假设性地培训，以填补在其他产品上的一些缺失的信息。我们也可以推测，机器视觉是用来添加额外的信息（如网上所列产品的缺失颜色或大小）。
产品尺寸的建议
在鞋类和其他服装类别中，不同品牌通常有不同的尺寸要求。例如，6号目录可能对应于锐步15厘米的实际尺寸，而耐克6号目录可能对应于16厘米的实际尺寸。引用Rastogi:
“当客户访问产品页面时，我们使用机器学习来推荐最适合客户的产品尺寸。我们的算法利用过去的客户购买和返回数据(例如产品尺寸太大/太小)来推断出客户的最佳尺寸。”
亚马逊印度显然还采用产品的建议一般 - 同样的方式亚马逊在美国一样。在22:30到下面的视频，Rastogi通过Kalaari资本举办演讲活动期间介绍了一些流程和挑战的背后亚马逊的方式进行产品建议：
交易事件
机器学习被用来识别特定活动的相关产品，如排灯节、圣诞节等。这些通常是在活动期间需求量很大的产品，或者在活动期间获得大量的搜索查询和评论提及。机器学习算法还可以预测产品的交易和折扣，从而实现一定的销售预测，帮助更好地进行规划。
通过训练机器学习系统在过去的节日采购数据和当前的采购活动,一个系统可以更准确地校准需求为了在合适的价格出售产品,(a)在高容量移动某些项目,或(b)利润率最大化利润最高的产品匹配的用户在节日期间。
产品搜索
为了显示最相关的产品搜索结果，查询分为一个产品类别，然后显示在搜索结果中该类别的产品。“So for instance, the query ‘red Apple iPhone’ belongs to the smartphones category and so we should show smartphones in search results but the query ‘red Apples’ belongs to the grocery category and so we should show grocery items in search results,” says Rastogi.
Myntra（由Flipkart拥有）
Myntra首席产品官Ambarish Kenghe表示，时尚电商Myntra的人工智能项目围绕三个关键支柱展开——产品、体验和物流。每一个领域的详细说明如下:
产品
Myntra专注于通过其人工智能平台Rapid打造智能快时尚。“快时尚”被定义为:时尚零售商使用的一个当代术语，用来表达设计迅速从t型台转移到捕捉当前时尚趋势(源）。
这可以大大降低对来自通常长9-14个月的生命周期创建一种时尚产品，以几个星期的时间。“根据现有的销售数据，我们弄清楚什么属性都卖。然后，基于的是，我们的设计师开始生产的时尚单品，” Kenghe告诉Emerj。“这个结果已经让我们感到吃惊......我们已经破解搞清楚时尚是什么样的代码，”他说。
“你可以称之为机器增强设计，”Kenghe说。Myntra正在使用一种新技术，称为生成式对抗网络(GANs)，用于创建相似但不相同的产品的设计。“它运行得很好，将会大规模推广……它就像时尚界的自动驾驶汽车，”Kenghe说。
Myntra似乎在自动设计时尚产品方面也走得更远。今年2月，他们推出了全机生成设计的t恤。
Myntra还利用快速智能地选择在平台上卖什么。“你不能什么都卖。我们感到自豪，销售独特的时尚“。
经验
Myntra正在使用机器学习来提高在线交易的付款接受率，这个问题在失败率很高的印度尤其普遍。根据一项研究根据全球商业环境研究所(IBGC)的研究，印度的在线支付交易通常会失败，原因有两种。
- 首先是用户遗弃;这可能是由于互联网连接不完善，界面笨拙，或者只是失去了兴趣。
- 其次，在任何支付交易中提供收购服务的银行，往往拥有糟糕的IT系统。
该研究引用了Citrus公司首席执行官兼联合创始人古普塔(Jitendra Gupta)的话:“印度的银行系统可以在任何地方同时宕机4-5个小时，这让客户的体验非常沮丧。”
利用机器学习，系统计算出支付需要通过的最佳支付网关。这是通过检测和分析成千上万的成功和失败模式，然后通过最优化的路线发送。
Myntra也增强了通过给基于什么客户已看到或过去买对了建议的用户体验。它采用“协同过滤”（一个概念，我们在深入解释我们推荐引擎的文章)，它会根据另一个人刚刚买到的东西向这个人推荐产品，还会帮助你选择适合自己的款式。
物流
由于客户经常抱怨晚退款，Myntra创建“军刀”，基于AI-回报系统，能够更快的退款谁表现出良好的买入回报的行为的客户。Myntra想让其退货政策更有效，因为它认为收益是时尚界的一个组成部分 - 它依赖于尺寸，配合，和口味，使回报率比其他行业（区分商品，比如服装更常见往往有较高的回报率比未分化的货物）。
通过分析客户的历史回报率的模式，Myntra声称，“军刀”是能够检测哪些客户是真正回归的出货量，哪些试图诈骗活动。
It should be noted that companies at the scale of Myntra (i.e. large online retailers) are in the best position to detect fraud, because they have the most instances of both legitimate and fraudulent activity on record, allowing them to train machine learning systems to predict fraud based on more robust contextual and historical data.
Myntra也旨在减少其返回原籍（RTO）的速度。较高的RTO转换为上递送更高的损耗尽可能多的现金（COD）订单不传递因各种原因，例如不存在或在该时间点不具有现金客户。一些客户甚至说，提供用于放置他们的回报令人难以置信的，荒诞的理由。“我们现在开始，如果有些事情是会导致RTO预测。如果是的话，我们称之为特定客户... AI这里帮助的，呼吁大家是不是值得我们花时间和精力。今天，我们有至少RTO在行业据我所知，” Kenghe说。
这种客户服务“介入”方法是Emerj之前在采访中提到的AI研究员博士的Mazin吉尔伯特AT＆T。该公司还涉及干预，以防止退款或客户流失。我们怀疑这可能沿在未来几年很多行业很普遍 - 尤其是在大容量B2C领域。
