多年來,零售體驗并沒有發(fā)生太大變化:走進商店,尋找合適的產(chǎn)品,然后購買。但人工智能的出現(xiàn)正在改變一切,通過個性化、自動化和效率提高將零售體驗提升到新的水平。下面讓我們來看看20個人工智能改善零售體驗的實例。
在一家硬件商店里瀏覽商品可能很困難的,但Lowes使用了一款名為LoweBot的機器人,它可以在商店里為顧客導(dǎo)航,幫助找到他們所需的商品。LoweBots在商店里巡游,向顧客提出簡單的問題,找出他們正在尋找的商品。同時,它還會提供產(chǎn)品的指示和位置地圖,并向顧客分享專業(yè)知識。在后端,LoweBots還可以幫助門店監(jiān)控庫存,及時提醒補貨。
流感可能會讓你感到很不適,治療不當(dāng)?shù)脑捝踔潦侵旅?。Walgreens公司正在通過在8000多個地點抗病毒處方數(shù)據(jù),來跟蹤流感傳播情況。這種在線交互式地圖不僅可以幫助客戶了解他們所在地區(qū)的流感情況,還可以幫助Walgreens在受感染地區(qū)庫存更多與流感相關(guān)的產(chǎn)品。
利用人工智能,走進絲芙蘭商店,不需要往臉上涂抹任何東西,就可以找到非常適合你的化妝品。比如,Color IQ可以通過掃描顧客的臉部,為其提供個性化的建議,比如適合哪款粉底和遮瑕膏。Lip IQ也是如此,它可以幫助顧客找到完美的唇膏色調(diào)。對于苦于反復(fù)試用化妝品的消費者來說,這真是幫了大忙。
不知道買什么外套?North Face可以提供幫助你。North Face正在使用IBM Watson的認知計算技術(shù),向顧客問詢他們穿著的場合等信息,并通過這些信息提供個性化的建議,幫助顧客找到適合自己的一件完美外套。
奢侈品百貨商店Neiman Marcus正在使用人工智能讓顧客更容易找到商品。這款名為Snap. Find. Shop. 的應(yīng)用允許用戶通過一張商品照片搜索Neiman Marcus庫存,以尋找相同或者類似的商品。相較于過去含糊的搜索詞查找方式,使用這些照片通??梢哉业椒浅O嗨频钠ヅ洹?/p>
當(dāng)我們想到炸玉米餅時,當(dāng)然想立馬吃上。Taco Bell就是這樣一家讓顧客通過AI直接訂購食物的餐廳。通過與Slack合作,Taco Bell讓顧客通過發(fā)短信或語音就可以直接下單,包括定制訂單和大型團購訂單,而且機器人會在每個訂單后回復(fù)一些有意思的評論。
你有沒有遇到過走進百貨商店而不知道能在哪里找到你想要的東西?梅西百貨的On Call應(yīng)用針對每個門店進行量身定制。顧客在商店中打開應(yīng)用,就可以與AI機器人聊天,獲取特定商品的指示或檢查是否還有庫存。機器人甚至可以檢測到顧客的情緒,并提醒商場工作人員為顧客提供幫助。
沃爾瑪是世界上最大的零售商店之一,它計劃使用機器人在巨大的過道中進行巡檢。目前,沃爾瑪已經(jīng)在數(shù)十家商店測試這種貨架掃描機器人。機器人會掃描貨架上是否缺少商品、是否需要補貨、以及更換價格標(biāo)簽。這樣的方式讓店員可以花更多時間在顧客身上,并且確保貨架上不是空空蕩蕩的。
在線商店ThredUp最近發(fā)布了Goody Boxes,上面包括了一些針對每個顧客風(fēng)格量身定制的二手服裝商品??蛻艨梢栽谏厦孢x擇購買自己喜歡的商品,同時退回不喜歡的商品。AI算法會記住每個客戶的偏好,以便將來更好地適應(yīng)他們的風(fēng)格。對于顧客而言,非訂閱的方式要比搜索單個商品更容易一些。
在Amazon Go商店,顧客可以走進商店從貨架上拿走他們想要的商品,然后在走出商店后自動完成結(jié)賬,而無需再通過收銀臺。在這個過程中,整個商店的傳感器和攝像頭都會跟蹤顧客以及其購買的商品,然后通過亞馬遜賬戶在離開商店時自動收取費用。AI有助于創(chuàng)建快速無縫的購物體驗,讓客戶不需要排隊等候。
優(yōu)衣庫是使用科學(xué)和人工智能打造獨特店內(nèi)體驗的先行者。在優(yōu)衣庫精選商店內(nèi),布置了基于人工智能的UMood信息亭向客戶展示各種產(chǎn)品,并通過神經(jīng)遞質(zhì)識別他們對顏色和風(fēng)格的反應(yīng)。UMood會根據(jù)每個顧客的反應(yīng)推薦商品。顧客甚至不必按下按鈕,他們的大腦信號就足以讓系統(tǒng)知道他們對每件商品的感受。
顧客以前常常會把他們喜歡的家具產(chǎn)品實物樣板帶到家具零售店里,但現(xiàn)在,家具零售商West Elm通過人工智能就實現(xiàn)了這一點。West Elm使用Pinterest Style Finder掃描顧客的Pinterest樣板,以了解他們的個人風(fēng)格,借此推薦一系列家居裝飾和家具物品。這個簡單的方法讓客戶得到設(shè)計精美、又反映他們風(fēng)格的家居設(shè)計。
倉庫超市Sam's Club最近開設(shè)了一家名為Sam's Club Now的小型人工智能商店,使用人工智能技術(shù)讓客戶不需要通過傳統(tǒng)的收銀臺完成購物。相應(yīng)的應(yīng)用甚至可以提供最有效的店內(nèi)路線,讓顧客獲取購物清單上的所有商品。
在人工智能的幫助下,Olay客戶可以獲得個性化的護膚服務(wù),而無需看皮膚科醫(yī)生。通過Olay的Skin Advisor,顧客可以自拍一張自己的臉型,該應(yīng)用使用AI來判斷皮膚的真實年齡,評估皮膚健康狀況,并通過個性化的皮膚護理方案,為問題區(qū)域提出建議。
雜貨連鎖店Kroger正在測試使用智能貨架。當(dāng)顧客走在商店過道并打開他們的Kroger應(yīng)用時,傳感器會識別購物者并推薦他們可能感興趣的產(chǎn)品。比如,該應(yīng)用會可以無麩質(zhì)購物者推薦無麩質(zhì)產(chǎn)品,為家長推薦兒童食品。如果購物清單上的商品正在銷售,該應(yīng)用還可以提供定制化定價并提醒購物者。
流行服裝商店H&M靠著走在流行前沿取得商業(yè)上的成功。而近期,它也開始使用AI來分析商店收據(jù)和退貨,以評估每家商店的購買情況。該算法可幫助商店了解要在某些位置推廣和庫存更多商品。比如,數(shù)據(jù)顯示,碎花裙子在城鎮(zhèn)很暢銷,所以可以據(jù)此調(diào)整庫存以滿足顧客的需求。
在線購買然后線下取貨成了顧客的一個熱門選擇。時尚零售商Zara最近開始使用機器人來幫助客戶取件。顧客走進商店,輸入一個代碼,啟動機器人在倉庫中尋找商品。一旦找到訂購,機器人就通過投遞箱交付。對顧客來說這是一種快速有效的取件方式。
咖啡巨頭星巴克通過支持人工智能的語音訂單功能,讓你更輕松地拿到每天早晨的一杯咖啡。顧客可以與My Starbucks Barista應(yīng)用聊天,通過語音或文字下單。當(dāng)顧客到達門店的時候,訂單已經(jīng)就緒,不需要排隊。
沒有什么比進入試衣間卻發(fā)現(xiàn)拿錯了尺寸或者想嘗試其他顏色更糟糕的了。American Eagle正在打造互動式的試衣間,顧客只需要掃描他們想要的商品,就可以看到庫存情況。如果顧客需要把商品送到試衣間,商店員工就會收到通知。此外,該技術(shù)甚至還可以根據(jù)顧客試穿的情況給出商品建議。
服裝設(shè)計公司Rebecca Minkoff在全球擁有三家商店,是最早開設(shè)“連鎖店”的品牌之一。這些商店采用了基于人工智能的觸摸屏智能鏡,讓顧客可以瀏覽服裝商品,尋找靈感。購物者可以在配有定制照明選項的互動試衣間試穿。試衣間鏡使用RFID技術(shù)自動了解客戶正在試穿什么,并告訴他們還有其他哪些顏色和尺寸可以選擇。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。