近年來，在封控、供應鏈中斷和能源危機之間，零售商們一定覺得自己像頭恐龍，試圖躲避小行星雨，避免滅絕。

但與那些巨大的史前爬行動物不同，零售業(yè)可以依靠一系列技術創(chuàng)新來更好地應對困難時期的這些挑戰(zhàn)。

而最有影響力的工具之一無疑是人工智能，包括其強大的子分支機器學習(ML)。讓我們簡要介紹一下這項技術的性質，并探討零售業(yè)中機器學習的關鍵用例。

機器學習在零售業(yè)中的作用

零售業(yè)中的機器學習依賴于自我改進的計算機算法，這些算法用于處理數(shù)據(jù)，發(fā)現(xiàn)變量之間的重復模式和異常，并自主學習這種關系如何影響或決定行業(yè)的趨勢、現(xiàn)象和業(yè)務場景。

機器學習系統(tǒng)的自我學習和情境理解潛力可以在零售業(yè)中用于：

• 確定推動零售業(yè)的潛在動力。例如，基于機器學習的數(shù)據(jù)分析系統(tǒng)在營銷中被廣泛采用，以通過基于客戶數(shù)據(jù)的推薦引擎和有針對性的廣告來個性化購物體驗，還可以預測商品需求或其他市場趨勢，從而優(yōu)化庫存管理、物流和定價策略。
• 推動與人工智能相關的認知技術，例如計算機視覺和自然語言處理 (NLP)，它們分別從視覺和語言模式中識別和學習，以模仿人類的視覺和交流。零售商通常使用這些工具從文本和視覺來源收集數(shù)據(jù)，為聊天機器人和情境購物等交互式解決方案提供動力，或用于視頻監(jiān)控。

重新定義零售業(yè)的10個機器學習用例

零售商如何從上述機器學習算法的實際功能中受益？以下是典型零售場景中最相關的機器學習用例。

1、定向廣告

雖然主要用于電子商務，但有針對性的營銷是一種將潛在客戶引導至在線平臺和傳統(tǒng)商店的強大工具。這涉及根據(jù)一系列行為、心理、人口統(tǒng)計和地理參數(shù)（例如他們的購買和瀏覽歷史、年齡、性別、興趣、地區(qū)等）對用戶進行細分，并針對他們推出完全個性化的廣告和促銷活動。

2、情境購物

一種不同的、更具互動性的解決方案是情境購物，它可以吸引用戶的注意力，并將他們引向你的電子商務平臺。該營銷工具利用機器學習和計算機視覺來識別和指出社交媒體上視頻和圖片中顯示的商品，同時提供一種“快捷方式”來訪問在線商店的相關商品頁面。

3、推薦引擎

一旦用戶登陸在線平臺，他們可能會在海量的商品中迷失方向。推薦引擎是一種強大的工具，旨在將客戶可能實際需要的商品推到他們眼前。

為了提供量身定制的建議，這些系統(tǒng)可以采用基于內容的過濾方法，即推薦與過去購買的商品具有相似特征的商品，或者選擇協(xié)作過濾，這意味著推薦具有相似購買模式、個人特征和興趣的其他客戶訂購的商品。

4、動態(tài)定價

由于機器學習，產品推薦和廣告并不是唯一動態(tài)變化的東西。如今，大多數(shù)在線商店和電子商務平臺都會根據(jù)產品需求和供應的波動、競爭對手的促銷和定價策略、更廣泛的銷售趨勢等因素不斷調整價格。

5、聊天機器人

聊天機器人和虛擬助手是由機器學習和 NLP 提供支持的高度交互工具，能夠為客戶提供 24/7 的用戶支持（包括有關可用產品和配送選項的信息），同時發(fā)送提醒、優(yōu)惠券和個性化建議，以增加銷售額。

6、供應鏈管理

產品補貨和其他庫存管理操作絕不能碰運氣。為了更好地匹配商品供應和需求、優(yōu)化倉庫的空間利用率、避免食品變質，值得依賴機器學習算法的分析和預測能力。這意味著要考慮多個變量，例如價格波動或基于季節(jié)性的購買模式，來預測未來的銷售趨勢，并因此規(guī)劃適當?shù)难a貨計劃。

7、交付優(yōu)化

可以通過機器學習增強物流的另一個方面是商品交付。由物聯(lián)網(wǎng)傳感器和攝像頭網(wǎng)絡收集的交通和天氣數(shù)據(jù)為機器學習驅動的系統(tǒng)提供動力，可以輕松計算出最快的交付路線。并且，通過處理用戶數(shù)據(jù)，它們可以推薦合適的交付方法，以更好地滿足客戶需求。

這種方法的典范應該是亞馬遜實施的基于機器學習的預期發(fā)貨技術，該技術允許根據(jù)客戶的購買模式預測未來的交付，并將產品轉移到離客戶最近的倉庫，因此能夠在客戶實際下單時更快、更便宜地發(fā)貨。

8、自動駕駛汽車

這種用于商品交付的機器學習和計算機視覺的實施方式還遠未完善和大規(guī)模實施，然而，像亞馬遜和克羅格這樣的公司正在押注這項技術，不久我們可能會依靠自動駕駛汽車來加快商品配送。

9、視頻監(jiān)控

由機器學習驅動的計算機視覺系統(tǒng)可以發(fā)現(xiàn)竊賊。這些工具與傳統(tǒng)視頻監(jiān)控解決方案的主要區(qū)別在于，后者基于一種相當不準確的基于規(guī)則的方法來識別闖入者，這種方法存在大量誤報。另一方面，機器學習系統(tǒng)可以識別更微妙的行為模式，并在可疑情況發(fā)生時提醒管理人員。

10、欺詐檢測

對于在線零售商和電子商務平臺而言，盜賊更有可能從信用卡中偷錢，而不是偷拿貨架上的商品。由于機器學習算法旨在識別重復出現(xiàn)的模式，因此它們也可以查明任何偏離正常的事件，包括異常交易頻率或賬戶數(shù)據(jù)不一致，并將其標記為可疑，以供進一步檢查。

利用機器學習克服現(xiàn)代挑戰(zhàn)

事實證明，人工智能、機器學習和認知技術在增加利潤和優(yōu)化成本、個性化客戶體驗、提高物流和庫存管理方面的運營效率，以及確保安全的零售環(huán)境方面具有不可估量的價值。

事實上，F(xiàn)ortune Business Insight 的 2020 年報告強調，到 2028 年，全球零售業(yè)人工智能市場預計將達到 311.8 億美元，其中機器學習是其核心部分。

從零售業(yè)的角度來看，這將使機器學習成為一個燈塔，使其能夠在經歷兩年多的風浪之后，找到正確的航線并?？吭诎踩母劭?。（編譯：iothome）