智能零售商如何利用人工智能

[ashammi228]

在零售业，人工智能涉及方方面面，从通过聊天机器人与客户互动、提出购买建议到指导营销等等。如果使用得当，人工智能可以成为公司更有效地吸引、留住和吸引客户的关键因素。但在你能够很好地使用它之前，你需要知道它的工作原理。

定义人工智能
《福布斯》作家伯纳德·马尔将人工智能定义为“以我 垃圾邮件数据库 们认为的‘智能’方式执行任务的机器的更广泛概念”。简而言之，它是任何“模仿人类决策过程”的计算机化功能的总称。现在，虽然有些人可能会交替使用机器学习和人工智能，但它们并不相互排斥。机器学习（机器自我学习的能力）、NLP（计算机理解人类语言差异的能力）和深度学习（本质上是一种通过机器学习更深入地执行任务的方式）都属于人工智能范畴。



快速说明：如上图所示，并非所有机器学习 (ML) 都被视为人工智能。并非所有自然语言处理 (NLP) 都被视为 ML。虽然可能存在重叠，但了解更受欢迎的应用程序的基础知识很重要，这样您就可以将炒作与实际工作区分开来。

理解机器学习
让我们先来关注一下机器学习。机器学习有三种类型：监督式、非监督式和强化式。了解这三种类型可能有助于确定品牌实际如何使用它们。

监督学习：在监督学习中，你给机器一个特定的细节或“输出”。有了关于该特定细节的足够数据，机器就会训练自己找到其他类似的东西。在零售业，视觉搜索就是这一类别的一个很好的例子。当你将蓝领衬衫的照片上传到谷歌时，你会收到大量视觉上相似的蓝领衬衫。为什么？因为算法已经过训练，可以识别和复制你原始“输出”的结果。
无监督学习：无监督学习根据机器在大量数据中看到的模式（而不是具体细节）提供结果。亚马逊的购物推荐说明了其工作原理。亚马逊收集有关客户旅程和人们购物时考虑因素的数据。根据这些信息，机器学习用于为正在购买类似商品的其他人提供推荐。每次互动都会加强关于一起购买哪些类型的商品（蓝色衬衫和手表）或具有相似背景的人在购物时行为是否相似的联系（父亲是否更有可能考虑蓝色衬衫）等。
强化学习：强化学习是指机器通过正面或负面反馈来改进某事物的工作方式。这种类型的机器学习在营销人员用于开展活动的技术中最为普遍。但需要改进的正反馈算法是什么样子的呢？嗯，可能是客户点击广告或进行购买。从这些积极行动中，机器学习算法可以开始识别导致客户做出这些积极决定的模式，甚至可以识别出更有可能购买的客户类型。
人工智能最佳实践和品牌用例
在面向消费者的方面，人工智能让客户能够更快、更轻松、更个性化地在线查找和购买产品。人工智能也在改变实体店中的消费者互动。正如《Storefront Magazine》所述，“预计 2022 年全球 83% 的商品购买仍将在店内购买”，客户希望店内体验能够媲美甚至超过在线购物。以下是三个简短、具体的用例，说明如何使用人工智能来修改和改进零售业务实践。