Как модные ритейлеры используют искусственный интеллект для оптимизации электронной коммерции и потребительского опыта

Платформа Lily AI, основанная на искусственном интеллекте, была запущена в 2015 году соучредителями Пурвой Гуптой и Совмией Нараянан для того, чтобы помочь клиентам розничной сети получить доступ к соответствующим продуктам, которые они ищут в Интернете, в больших масштабах.

Используя искусственный интеллект для создания надежной таксономии атрибутов продукта, программа призвана предоставить потребителям более индивидуальный опыт электронной коммерции за счет улучшения конверсии при поиске на месте и персонализированного поиска товаров. Сегодня она выросла в размерах и масштабах, и среди ее клиентов такие разнообразные магазины модной одежды, как Macy’s, Joor, The Gap, Bloomingdale’s, Vans и ThredUp.

Хотя технологии уже произвели революцию в способах ведения бизнеса мировыми модными компаниями, пандемия Covid-19 и последовавшие за ней изменения в поведении покупателей подтвердили, насколько важны технологические инновации для успеха и дальнейшего роста.

Действительно, специальный выпуск главного отчета BoF «Состояние моды в мире моды: технологии», подготовленный в партнерстве с McKinsey &amp, Компания выделяет “гиперперсонализацию” как один из пяти технологических императивов для индустрии моды, указывая на возможности для руководителей использовать большие данные и искусственный интеллект для предоставления персонализированного индивидуального опыта, который способствует формированию долгосрочной лояльности.

На самом деле, более 60% руководителей сферы моды считают, что создание интегрированных цифровых процессов во всех их организациях будет одной из пяти основных областей для оцифровки в 2025 году. Теперь BoF беседует с соучредителем Lily AI Пурвой Гуптой, чтобы узнать о примерах использования Lily AI, преимуществах персонализации покупок с помощью технологий и взаимосвязи между искусственным интеллектом и ориентацией на клиента.

Какими идеями о меняющемся поведении покупателей может поделиться Lily AI?

Пандемия привела к массовому распространению цифровых технологий, что, по сути, привело к резкому росту ожиданий покупателей. Несмотря на то, что после пандемии разделение на онлайн и офлайн, возможно, в какой-то степени восстановилось, ожидания покупателей полностью изменились.

Сейчас мы работаем в мире, где такие игроки, как Amazon, полностью меняют представление потребителей о продуктах — от скорости к точности и [широте] ассортимента. В результате спрос клиентов на онлайн-сервисы без проблем растет. По сути, вся розничная сеть должна усвоить то, что мы называем языком покупателя. Позвольте мне привести вам пример. Если потребитель ищет свободное платье, есть 50 других способов, которыми он может его найти. Они могут ввести «платье—солнце», «платье для сна» или «платье-качелька» - существует так много разных способов поиска одной и той же вещи. Розничные продавцы не учитывают разницу в языке и [терминологии]. Как работает технология Lily AI?

ИИ - это когда машина имитирует то, что может сделать человек, но в больших масштабах. Ваш ИИ хорош ровно настолько, насколько хороши ваши обучающие модели и ваши обучающие данные, поэтому мы позаботились о том, чтобы у нас были отличные обучающие данные, которые наши специалисты по предметной области собрали собственными силами. Если потребитель ищет свободное платье, у него есть 50 других способов найти его. Розничные продавцы не учитывают разницу в языке и [терминологии]. Наш искусственный интеллект способен использовать любой каталог товаров от бренда или розничной сети. Затем он может извлекать обширные, мельчайшие характеристики из этих изображений и текста в каталоге продукции. Затем, с помощью нашей платформы, наши клиенты могут сопоставить эти атрибуты со своими внутренними рабочими процессами, чтобы убедиться, что они согласованы с тем, как эти данные используются во всех различных типах операций. Они могут настраивать его, они могут делать все, что захотят, чтобы убедиться, что он согласован. Как развиваются варианты его использования?

На данный момент существует около полудюжины приложений, над которыми Lily AI работает совместно с нашими брендами и розничными продавцами.

Есть еще полдюжины значимых приложений, которыми эти бренды и розничные продавцы уже поделились и которые они хотели бы, чтобы мы изучили вместе. Теперь вопрос в том, чтобы выяснить, сколько различных приложений и интеграций можно придумать. Как только мы получим все эти подробные атрибуты с помощью платформы Lily, мы сможем отправлять их в различные целевые системы розничной торговли, от поисковых систем до рекомендательной системы и даже в приложения для прогнозирования спроса. Все это различные типы приложений, которые используют эти обширные данные об атрибутах продукта. Важно понимать, что просто предоставить эти атрибуты розничным продавцам недостаточно. Речь идет о том, чтобы передать эту информацию в нужные целевые системы и замкнуть цикл, чтобы розничные продавцы могли видеть рентабельность инвестиций во всех различных приложениях, в которых они могли бы использовать эти данные. Какими примерами лучшей в своем классе стратегии вы можете поделиться, чтобы другие розничные продавцы могли ими руководствоваться?

У одного из ритейлеров, с которым мы сотрудничаем, количество релевантных результатов поиска увеличилось в тридцать раз. Результаты, подобные этому, могут изменить ситуацию, потому что конечный потребитель заметит улучшение.

Это действительно лучший комплимент, который мы можем получить, когда улучшения замечают не только розничные продавцы, но и непосредственно конечные потребители. Недостаточно просто предоставить эти характеристики розничным продавцам. Важно донести эту информацию до нужных систем назначения и замкнуть цикл. Благодаря этим улучшенным результатам поиска вы также получаете в 30 раз лучшие результаты для бизнеса. Для этого ритейлера это принесло компании дополнительный доход в размере не менее 20 миллионов долларов только за счет поиска. Как бренды могут использовать искусственный интеллект, чтобы стать более ориентированными на клиента?

В современной розничной торговле в целом отсутствует понимание языка потребителя. Объем данных, которые используются в процессе принятия решений, очень мал. Это простое обновление может помочь сохранить клиента в центре внимания вашего бизнеса и привести к значительному увеличению доходов. Допустим, ваш потребитель ищет блейзер statement. Сегодня продавцам, возможно, нелегко вручную применить атрибуты для блейзера statement. Если розничные продавцы описывают товары исключительно на основе устаревших местных терминов, это может означать, что они упускают важный потребительский контекст, что затрудняет поиск или рекомендации покупателям. Если вы посмотрите на поведенческие данные покупателей — как они взаимодействуют с интернет—магазином, куда они заходят, что они покупают, что они возвращают, - то все эти поведенческие данные использовались в течение последних 20 с лишним лет в самых разных ситуациях.

Однако, когда дело доходит до данных о продукте, это действительно низко висящий фрукт, который еще предстоит полностью изучить розничным торговцам. Это важный способ для ритейлеров глубже понять поведение потребителей и, в свою очередь, стать более ориентированными на клиента.

В среднесрочной перспективе, что вас больше всего привлекает в объединении возможностей искусственного интеллекта и электронной коммерции?

Что меня особенно радует, так это то, что, в конечном счете, это не фантастика. То, что происходит в этом пространстве, настолько интуитивно понятно.

Это язык потребителя — то, как покупатель ищет вещи, как он их анализирует, — то, чего не хватает во всей розничной [экосистеме]. На мой взгляд, это может коренным образом изменить принципы работы розничной торговли, поскольку компании будут гораздо больше знать о своих клиентах, как онлайн, так и офлайн.

Существует множество различных мнений об искусственном интеллекте и о том, как он работает, а как нет. Я очень рад, что у нас есть история, в которой мы нашли что-то настолько интуитивно понятное, что действительно нужно розничной торговле. Мы смогли решить проблему распознавания изображений — традиционно сложную технологическую проблему. Второй элемент, который меня радует, - это замкнутый цикл, который ИИ может обеспечить в розничной торговле. Вы можете создавать действительно хорошие технологические решения, но если вы не можете применить их на практике и обеспечить рентабельность инвестиций, замкнуть цикл для розничных продавцов и конечного потребителя, то вы упускаете часть головоломки.