2017年开展科技孵化1mantbex 有51位不同的ai市场主管。的人工智能市场营销供应商我们采访了零售和电子商务作为最适合应用人工智能软件营销的行业。下面是我们研究的一个图表，展示了人工智能营销供应商销售最多的行业:
到目前为止，许多公司都声称愿意提供帮助零售的专业人士在他们的角色方面改善客户服务预测需求。
我们研究了这个空间，以便更好地了解它在哪里基于人工智能的商业智能软件起作用零售印度河试着回答以下问题:
- 目前在使用哪些类型的基于人工智能的商业智能软件零售吗?
- 基于人工智能的商业智能软件带来了多么具体的结果啊零售吗?
- 这些创新努力有什么共同的趋势吗?这些趋势将如何影响未来零售吗?
本报告涵盖了跨地区提供商业智能软件的供应商三个应用程序:
- 改进的转化率优化(CRO)
- 需求预测
- 客户分析
改进转化率优化
的技术
有知觉的是一个加州的公司,92员工。该公司提供了一款名为提升该公司表示，这可能会有所帮助在线零售商改进促销活动中的营销设计并改进转化率优化(CRO)，增加访问在线零售网站转化为客户的百分比，使用机器学习。
的索赔在线零售商可以使用Ascend软件测试他们网站的几种不同设计的性能。来自Sentient first的一个团队与客户业务的营销和软件开发团队一起工作。团队充实了设计的各个方面，比如标题中的位置和内容，进度条，价格显示，产品图片，用于概念验证项目。
然后创建一个控件设计，以比较任何设计更改对控件的影响。然后,提升自动测试每种设计的客户转化率的变化。该软件应用遗传算法来创建新的设计变化，并测试其性能。
在几个星期的过程中，Ascend可以根据CRO测试和建议客户端网页的最佳设计。然后系统提供表现最佳的网页设计元素组合，显示预期的客户转化率从设计增加。
以下是短片1-分钟视频演示如何提升工作原理:
有知觉的索赔有帮助Euroflorist提高在线零售网站的客户转化率。Euroflorist和他们的合作伙伴在线对话部署了有意识的Ascend，为了证明概念(POC)在Euroflorist的瑞典桌面网站上，专注于他们的产品细节页面。
据报道，该项目在11周内完成，在此期间，四代遗传算法进行了全面测试。遗传算法使用类似于生物进化过程的方法来为一个问题找到最优的解决方案。
大多数遗传算法从一个确定的目标和几个软件“代理”开始，这些代理的性能经过许多代或软件的迭代测试。在每一代中，性能最好的个体被选择和复制，同时在它们的行为中加入一些随机的变化(以模拟遗传特征的传递和进化中的自然选择)。在Sentient的例子中，每一代的设计元素都被改变和组合，以发现提高转化率的特性。
根据有感情的,这导致了第四代设计的产品显示出显着提高转化率的欧洲花店。没有进一步的可测量的结果，并且进一步警告软件必须使用正确的输入来显示对业务案例的积极影响。
似乎有一些证据表明，感知技术与麻省理工学院的计算机科学和人工智能实验室团队合作(CSAIL)，为期一年，在医疗保健领域的一个项目。该公司还列出了乐天(Rakuten)、Mobly和National Debt Relie作为一些他们过去的客户。
本公司由现任CEO创立Babak Hodjat。他拥有九州大学机器智能博士学位。在创办Sentient之前，Hodjat还曾担任其他三家人工智能初创公司的创始人和首席技术官。
需求预测
蓝色那边
蓝色那边是一个德国公司,提供了一个预测分析软件，它声称可以帮助零售企业获得商业智能洞察力，以改善客户服务，并发现新的机会使用机器学习。
蓝色那边要求用户可以首先将历史交易和营销数据上传到软件中。例如，该软件可能被杂货零售商用于需求预测应用程序。杂货零售商需要组织他们的内部数据，如销售点记录、促销活动和产品信息。
然后,蓝色那边的软件将内部数据与零售商的天气、假日和特殊事件数据组合在一起。该软件使用机器学习来预测每天对每种产品的需求。然后系统提供库存经理每天在他们的仪表板上为每个商店的每个产品提供库存补充通知。
蓝色那边声称帮助了莫里森优化库存补充，并在其所有491家门店实现26,000个产品库存单元的自动化订购。莫里森公司部署了Blue Yonder需求预测和补充解决方案，该方案使用人工智能。
这家杂货零售商将历史产品、促销活动和销售数据上传到软件中，以预测所有商店中每种产品的需求。根据蓝色那边，这导致在12个月的时间里，货架缺口减少了30%，2016年第四季度的同店销售额增长了1.7%。
以下是短片4-分钟视频演示如何蓝色那边的软件工作原理:
蓝色那边还列出了奥托和Selgros作为一些他们过去的客户。Blue Yonder公司由前欧洲核子研究中心科学家迈克尔·费恩特教授创立，并于2018年被JDA软件公司收购。
简小跟班他在蓝色的那边。他拥有一个女士在计算机科学来自波茨坦大学。在此之前,小跟班担任开发架构师在SAP AG。
IBM华生
IBM提供了零售客户参与解决方案使用他们的沃森人工智能平台，据称可以提供帮助零售企业提高客户接触使用机器学习。
IBM要求用户可以设计对话界面，收集客户对购买产品的反馈。零售商可以利用这些数据进行客户分析，并找到利用人工智能提高客户参与度的方法。沃森为零售和电子商务公司的客户服务团队提供仪表板上每个产品的最重要的客户问题。
IBM声称帮助1-800-Flowers.com开发了他们的新产品——“当你需要时的礼物”(GWYN)，一个“人工智能礼宾台”。根据IBM的说法，该软件通过比较客户在搜索查询中提供的细节和为类似收件人购买的礼品来定制礼品推荐。作为一个结果,70%的网上订单是通过GWYN完成的。案例研究将以视频的形式进行描述:
IBM还列出了靴子,英国作为一个他们过去的客户。
客户分析
RetailNext
RetailNext是一个加州的公司,超过200员工。该公司提供了一款名为2.0交通该公司表示，这可能会有所帮助零售企业通过对商店流量进行基准测试来提高运营效率使用机器学习。
RetailNext索赔用户可以将RetailNext的SaaS与零售商店中的遗留系统集成起来访问物联网数据。RetailNext还提供自己的物联网硬件传感器Aurora。RetailNext的解决方案使用视频分析、货架上的传感器和销售点系统的数据。
该系统使用机器学习从这些数据中得出关于客户参与的见解。然后，该系统通过网络浏览器或其移动应用程序提供对RetailNext平台的访问。用户可以看到商店趋势的图形可视化。
以下是短片1-分钟视频演示如何2.0交通工作原理:
RetailNext索赔有帮助100%的纯,一个化妆品零售商个性化的顾客体验。100%纯部署RetailNext的解决方案，覆盖其在美国的所有门店。RetailNext使用历史POS数据、促销活动数据和来自商店内物联网传感器的数据来分析单个客户的购物趋势。根据RetailNext，这使得100% Pure能够更好地理解影响客户购物旅程的核心因素。对于这个案例研究，我们找不到进一步的可测量的结果。
RetailNext还列出了布鲁明戴尔、摩纳哥俱乐部、皮奇约翰逊、TSI控股和布斯克英尺作为一些他们过去的客户。
马克Jamtgaard是RetailNext的技术总监。他持有学位斯坦福和圣克拉拉大学。在此之前,Jamtgaard担任技术领先思科。
商业领袖们的外卖零售
为零售消费者创建定制的体验，例如有针对性的营销或个性化的促销，是人工智能可以直接影响业务结果的领域。在能够访问大量客户数据(如客户购买历史)的公司，公司的数据科学人才可以实施基于人工智能的商业智能项目来驱动价值。在实际业务回报方面，与人工操作相比，零售商可以节省时间和成本。
在我们2017年的人工智能研究中，我们的高管告诉我们人工智能供应商公司塔吉特(Target)和沃尔玛(Walmart)等大型全球零售商可能拥有成功实施人工智能技术所需的预算和数据量。但是，由于零售行业的利润率很低，大多数大型零售商可能还需要三到五年的时间，才能投资于制造、物流或客户服务等领域的人工智能应用。
看看我们在这篇报告中所涵盖的软件的用例，似乎有很高可能性被采用的人工智能应用程序是那些已经很好地建立了用例和ROI的应用程序。RetailNext已经筹集了1.84亿美元，并得到了Activant Capital和NGP Capital的支持。
和其他行业部门一样医疗保健或金融在美国，未来对基于人工智能的商业智能应用程序的采用，可能将由规模较大的零售企业推动。我们很可能会看到一个零售生态系统，大型零售商遵循亚马逊(Amazon)等公司制定的战略和用例。小型和中型企业可能会更好地投资于具有完善案例研究的关键业务人工智能应用程序。
标题图片来源:BoF
