Розничная торговля ещё никогда не была так вовлечена в различные применения искусственного интеллекта для целей продаж. От автоматизации цепочек поставок до создания динамических товарных рекомендаций — инновационные технологии кардинально меняют способы взаимодействия брендов с клиентами, управления операциями и увеличения прибыли. Но за обещаниями всех плюсов от использования ИИ кроется суровая реальность: большинство ритейлеров не готовы в полной мере использовать его потенциал. Проблема даже не в отсутствии способов применения в бизнесе, а в нехватке пригодных для использования и достоверных данных.
Поскольку генеративный искусственный интеллект быстро становится неотъемлемой частью розничной торговли, он обеспечивает автоматизированные ответы для обращающихся за консультацией потенциальных покупателей, создаёт динамические тексты описаний в карточки товаров и обеспечивает персонализацию в режиме реального времени. Однако, когда эти инструменты обучаются на фрагментированных или неполных данных, они дают заметные перекосы и критические сбои. К распространённым ошибкам относятся отправка предложения скидки клиенту, который только что совершил покупку по полной цене, или принятие разового посетителя за ценного постоянного клиента. Подобные ошибки разочаровывают не только розничных продавцов, но и самих клиентов, что может помешать компаниям выстроить долгосрочное доверие и обеспечить лояльность. Кроме этого, такое «поведение» интеллектуальной системы может привести к тому, что раздосадованные люди оставят множество негативных отзывов в разных частях интернета – это сейчас сильно влияет на падение уровня продаж и подрыв доверия заинтересованной аудитории.
Ожидания потребителей в отношении искусственного интеллекта также растут. Покупатели полагают, что бренды, использующие ИИ, должны понимать, кто они и чего хотят. Когда эти ожидания не оправдываются, ущерб может быть значительным. Именно поэтому качество информации должно быть важнее различных маркетинговых экспериментов. Лучший опыт использования ИИ основан на доверии, которое начинается с точных и унифицированных правильных данных. Однако их наличие — это лишь часть уравнения. Розничным торговцам также необходимо сосредоточиться на преодолении разрыва между стратегией и её реализацией.
Несмотря на расширение сфер применения — от персонализированного маркетинга до прогнозирования запасов и автоматизации поддержки клиентов — многим ритейлерам не хватает операционной инфраструктуры для их полной поддержки. У розничных продавцов товаров народного потребления есть идеи, но им не хватает инфраструктуры для их реализации. Среди наиболее часто упоминаемых препятствий 58% опрошенных называют фрагментацию данных, которая является главным препятствием для использования потенциала ИИ. А 33% ритейлеров сообщают, что отсутствие интеграции мешает им в полной мере реализовать свои идеи. Однако за этими инфраструктурными проблемами кроется более глубокая проблема: большинство сегодняшних проблем в области искусственного интеллекта можно отнести к одной-единственной точке отказа: разрозненным профилям клиентской базы.
Торговцы взаимодействуют с покупателями через десятки точек и каналов (мобильные приложения, сайты электронной коммерции, маркетплейсы, программы лояльности и сторонние платформы доставки). Каждый из них генерирует полезный поток данных, но они часто остаются разрозненными и разнотипными, что препятствует формированию целостного представления о потенциальных и уже случившихся покупателях. Это означает, что инструменты ИИ, обученные на этих данных, работают с неполной или противоречивой информацией. Например, клиент может отображаться как впервые зашедший на один канал, но одновременно восприниматься системой, как VIP-клиент на другом. Предложения могут попадать не в ту аудиторию, рекомендации продуктов могут казаться общими, а истории карты просмотра сайта не унифицированы – такая совокупность не обеспечивает осмысленного контекста. Такие разрозненные системы подрывают доверие, как к клиентскому опыту, так и к самим моделям работающих нейросетей. Ритейлеры, добивающиеся наибольших успехов в использовании ИИ, не обязательно используют более продвинутые или сложные модели. Они в первую очередь решают проблему идентификации, используя технологии и вычислительную возможность серверов для очистки, согласования, унификации данных клиентов, создавая единый, функциональный профиль, который может эффективно использоваться остальными технологическими системами.
Унифицированные данные делают все бизнес-процессы интеллектуальнее. Владельцы бизнеса, обладающие развитыми возможностями распознавания идентификационных данных, почти в два раза чаще используют возможности искусственного интеллекта в работе с несколькими подразделениями. Упорядочивание идентификации (особенно на основе машинного обучения) не требует точных входных данных. Оно позволяет устранять расхождения, связывать анонимные сеансы с известными пользователями и выявлять взаимосвязи между транзакциями, устройствами или поведением клиентов. Такой уровень интеллекта упрощает всё: от прогнозирования оттока из-за негативных факторов (которые можно предотвратить) до формирования предложений в режиме реального времени и адаптивных программ лояльности.
Чтобы сократить разрыв между амбициями в этой области и их реализацией, не обязательно отказываться от всего. Но это означает новый подход к работе с собираемой информацией о всех, с кем удаётся войти в контакт, через различные каналы привлечения клиентов. Прогрессивные системы фокусируются на:
— Модернизации инфраструктуры данных, для обеспечения унифицированного доступа к информации о клиентах в режиме реального времени.
— Инвестирование в объединение кросс-канальных взаимодействий, для обработки в функциональные профили.
— Внедрение интеллектуальных инструментов для целевых сценариев использования, которые увеличивают доход или сокращают эксплуатационные расходы.
— Обучение персонала не только использованию инструментов, но и пониманию того, как эффективно проверять и применять полученные результаты.
Рассматривая данные как основополагающую возможность, ритейлеры могут разрабатывать инициативы в области ИИ, которые эффективно масштабируются по всей организации. Основная задача — не представить, на что способен «искусственный разум», а воплотить эту идею в жизнь. Только надо понимать, что базовая реализация начинается с правильного сбора и обработки информации. Унифицированные, точные данные о клиентах в режиме реального времени — это основа, на которой эксперименты приводят к измеримым бизнес-результатам. На рынке, где клиенты ожидают безупречного и релевантного взаимодействия, это может стать самым важным конкурентным преимуществом, которое могут создать ритейлеры. Ведь в конечном счёте ИИ терпит неудачу не из-за отсутствия стратегии, а из-за отсутствия точных объективных данных.