人工智能将如何改变零售业

简介: 希望改善客户体验的零售商需要将人工智能作为其数字化转型计划的一部分,否则就可能面临进一步落后的风险。

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

在冠状病毒爆发之前,消费者的预期已经发生了变化,并给零售业也带来了挑战。而以往与开发新客户体验几乎毫无关系的首席信息官,如今也越来越多地承担起了推动创新的任务。为了提供类似亚马逊的即时产品和服务,并建立品牌忠诚度,他们正在转向人工智能来改善消费者在商店和网上的购物体验。

image

当然,单靠人工智能是无法改变零售业的,但有几项关键技术,当与人工智能结合时,也可以为这个行业带来创新。一个是视频分析,它把普通的商店变成了智能商店,可以看到消费者的行为,从而优化商品销售。零售商可以利用视频对商店进行分析,以实现诸如热图之类的功能,显示消费者在商店中花费最多时间的地方。这是许多零售商目前所不具备的知识。

智能商店需要针对各种使用案例的各种应用程序。通过使用视频分析软件,零售商可以构建一个分布式的基础设施,在每家商店的同一台服务器上部署多个应用程序。视频分析还可以用于自助结账亭的资产保护,并监控员工盗窃。对于一个普通的零售商来说,缩水或库存损失约占收入的1.5%到2%--在人工智能的帮助下,这一成本则可以显著降低。

那么,这在实际的商店里又会是什么样子呢?以一家大型零售商为例,该公司在自助结账亭实施了一项人工智能资产保护解决方案,该方案可以识别误扫描和票证转换。当有人试图扫描一瓶葡萄酒时,而下面有一袋薯片,应用程序就可以识别出产品的形状,锁定扫描仪,并通知店员。

NVIDIA的工业和零售垂直领域的人工智能总经理Azita Martin在供应商的2020年GPU技术会议(GTC)上解释说,这些解决方案已经被多个零售商实施,并在减少损失方面产生了重大影响。GTC会议由于冠状病毒的爆发而转移到了网上。

下面我们来看看一些领先的零售商是如何使用人工智能的。

家乐福走向了自助购物

自助购物是智能商店的代名词,类似于亚马逊已经在“Go”商店做的事情。它允许消费者在商店内使用零售商的移动应用程序,绕过结账过程,在自己的设备上为商品付款。法国连锁超市家乐福在其部分门店使用了AiFi的自动商店平台,消费者可以使用一款移动loyalty应用购买支持grab-and-go项目的商品,并自动通过信用卡进行收费。

沃尔玛正在改进库存预测

沃尔玛正在利用与英伟达合作开发的一个人工智能驱动的需求预测平台,创建算法,帮助这家跨国零售商迅速用正确的产品补充库存。沃尔玛现在可以在12小时内进行预测,而不是像过去那样每周进行一次预测。除了提高预测的准确性之外,该零售商还发现,在部署了利用RAPIDS开源库进行图形处理单元(GPU)加速分析的平台后,销售额也有所增加。

机器人技术加上人工智能改善了仓库运营

对于其他零售商来说,人工智能也正在利用机器人技术来促进仓库物流。这些智能仓库自动化了整个过程--从在卡车内卸货到使用爬架机器人和自适应速度输送机。例如,英国在线杂货零售商Ocado的技术部门正在依靠仓库自动化机器人和人工智能来提高物流效率。

Ocado公司正在使用计算机视觉摄像机和机器人来包装杂货。该解决方案可以扫描条形码,识别产品,并检测产品是否损坏。该解决方案不仅保证了订单的正确执行,而且还加快了拣选和包装过程。Ocado在其商店成功部署了该解决方案,并将其出售给了其他零售商,如Kroger。

Stitch Fix利用图像识别技术来搜索照片

最终,AI已经在电子商务中实现了定制推荐、视觉搜索和增强现实(AR)/视觉现实(VR)。Stitch Fix是一家受欢迎的在线零售商和个人设计师,能够为消费者提供量身定制的服装推荐。拥有超过1.5亿活跃用户的Stitch Fix,过去常常被试图传达个人风格的Pinterest照片所淹没。因为设计师们没有搜索大量数据的工具,无法在全国的多个仓库中找到库存。

Stitch Fix部署了一个深度学习图像识别平台,利用数据分析来匹配消费者与设计师所共享的Pinterest风格图板。现在,Stitch Fix已经可以提供样式建议,并根据消费者的偏好进行匹配了。

这些只是其中的几个例子。越来越多的零售商发现了人工智能的价值,并将其用来简化物流和商店运营,改善消费者的购物方式,以及防止库存缺失所带来的损失。

首席信息官们从未像现在这样重视人工智能,并将其作为了数字化转型任务的一部分。而那些不这样做的企业将很快落后,并有可能变得无足轻重。

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/live

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-04-28
本文作者:Zeus Kerravala
本文来自:“企业网D1Net”,了解相关信息可以关注“企业网D1Net

相关文章
|
人工智能 自然语言处理 算法
人工智能在新零售业的应用
“AI+零售”解决方案的落地效果提升,需要依托海量数据对算法进行优化并在实际落地过程中打磨方案逻辑,以便“解决真实需求、真实解决需求”。
人工智能在新零售业的应用
|
19天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战及未来发展趋势。通过分析AI如何辅助医生进行疾病诊断,提高诊断效率和准确性,以及其在个性化医疗中的潜力,文章揭示了AI技术对医疗行业变革的推动作用。同时,也指出了数据隐私、算法偏见等伦理问题,并展望了AI与人类医生协同工作的前景。 ####
39 0
|
23天前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在现代医疗中的革新应用
本文深入探讨了人工智能(AI)技术在医疗领域的最新进展,重点分析了AI如何通过提高诊断准确性、个性化治疗方案的制定以及优化患者管理流程来革新现代医疗。文章还讨论了AI技术面临的挑战和未来发展趋势,为读者提供了一个全面了解AI在医疗领域应用的视角。
30 0
|
14天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
9天前
|
数据采集 人工智能 移动开发
盘点人工智能在医疗诊断领域的应用
人工智能在医疗诊断领域的应用广泛,包括医学影像诊断、疾病预测与风险评估、病理诊断、药物研发、医疗机器人、远程医疗诊断和智能辅助诊断系统等。这些应用提高了诊断的准确性和效率,改善了患者的治疗效果和生活质量。然而,数据质量和安全性、AI系统的透明度等问题仍需关注和解决。
125 10
|
16天前
|
机器学习/深度学习 人工智能 算法
探索人工智能在医疗诊断中的应用
本文深入探讨了人工智能(AI)技术在医疗诊断领域的革新性应用,通过分析AI如何助力提高诊断准确性、效率以及个性化治疗方案的制定,揭示了AI技术为现代医学带来的巨大潜力和挑战。文章还展望了AI在未来医疗中的发展趋势,强调了跨学科合作的重要性。 ###
60 9
|
19天前
|
机器学习/深度学习 数据采集 人工智能
深度探索:人工智能在医疗影像诊断中的应用与挑战####
本文旨在深入剖析人工智能(AI)技术在医疗影像诊断领域的最新进展、核心优势、面临的挑战及未来发展趋势。通过综合分析当前AI算法在提高诊断准确性、效率及可解释性方面的贡献,结合具体案例,揭示其在临床实践中的实际价值与潜在局限。文章还展望了AI如何与其他先进技术融合,以推动医疗影像学迈向更高层次的智能化时代。 ####
|
22天前
|
机器学习/深度学习 人工智能 自然语言处理
探索未来编程:Python在人工智能领域的深度应用与前景###
本文将深入探讨Python语言在人工智能(AI)领域的广泛应用,从基础原理到前沿实践,揭示其如何成为推动AI技术创新的关键力量。通过分析Python的简洁性、灵活性以及丰富的库支持,展现其在机器学习、深度学习、自然语言处理等子领域的卓越贡献,并展望Python在未来AI发展中的核心地位与潜在变革。 ###
|
22天前
|
机器学习/深度学习 数据采集 人工智能
探索人工智能在医疗诊断中的应用与挑战
随着人工智能技术的飞速发展,其在医疗领域的应用日益广泛,尤其是在疾病诊断方面展现出巨大的潜力。本文将深入探讨AI技术在医疗诊断中的应用现状、面临的挑战以及未来的发展趋势,旨在为相关领域的研究者和从业者提供参考和启示。
45 2