近年来，在封锁、供应链中断和能源危机之间，零售商一定感觉像恐龙一样试图躲避小行星雨并避免灭绝。但与那些巨大的史前爬行动物不同，零售业可以依靠一系列技术创新在困难时期更好地应对这些挑战。而最具影响力的工具之一无疑是人工智能，包括其强大的子分支机器学习(ML)。让我们简要描述一下这项技术的本质，并探索机器学习在零售业中的关键用例。机器学习在零售业中的作用零售业中的机器学习依赖于自我改进的计算机算法，这些算法处理数据、发现变量之间的重复模式和异常，并自主学习这些关系如何影响或塑造行业。趋势、现象和业务场景。机器学习系统的自我学习和情境理解潜力可用于零售业：识别推动零售的潜在驱动因素。例如，基于机器学习的数据分析系统被广泛应用于市场营销，通过推荐引擎和基于客户数据的定向广告来个性化购物体验，还可以预测商品需求或其他市场趋势以优化库存管理、物流和定价策略.推进与人工智能相关的认知技术，例如计算机视觉和自然语言处理(NLP)，它们分别从视觉和语言模式中识别和学习，以模仿人类视觉和交流。零售商通常使用这些工具从文本和视觉来源收集数据，以支持交互式解决方案，例如聊天机器人和上下文购物，或用于视频监控。重新定义零售业的10个机器学习用例零售商如何从上述机器学习算法的实用功能中受益？以下是典型零售场景中最相关的机器学习用例。1.定向广告虽然定向营销主要用于电子商务，但定向营销是将潜在客户引导至在线平台和传统商店的强大工具。这涉及根据一系列行为、心理、人口统计和地理参数（例如他们的购买和浏览历史、年龄、性别、兴趣、地区等）对用户进行细分，并针对他们进行完全个性化的广告和促销。2.情境购物情境购物是一种不同且更具交互性的解决方案，它可以吸引用户的注意力并将他们引导至您的电子商务平台。该营销工具使用机器学习和计算机视觉来识别和指向社交媒体上视频和图像中显示的商品，同时为在线商店中的相关商品页面提供“快捷方式”。3、推荐引擎用户一旦登陆线上平台，很可能会在海量的商品中迷失方向。推荐引擎是一种强大的工具，旨在将客户推向他们可能真正想要的商品。为了提供量身定制的推荐，这些系统可以采用基于内容的过滤（推荐与过去购买的商品具有相似特征的商品）或协作过滤（这意味着推荐具有相似购买模式、个人特征和兴趣的商品）。其他客户订购的物品。4.动态定价得益于机器学习，产品推荐和广告并不是唯一动态变化的东西。如今，大多数在线商店和电子商务平台都在根据产品需求和供应的波动、竞争对手的促销和定价策略、更广泛的销售趋势等不断调整价格。5.聊天机器人聊天机器人和虚拟助手是高度交互的工具，由机器学习和NLP提供支持，能够为客户提供24/7全天候用户支持（包括有关可用产品和运输选项的信息），同时发送提醒、优惠券和个性化推荐以增加销售额.6.供应链管理产品补货和其他库存管理操作绝不能碰运气。为了更好地匹配商品供需，优化仓库空间利用率，避免食品变质，值得依赖机器学习算法的分析和预测能力。这意味着要考虑多个变量，例如价格波动或基于季节性的购买模式，以预测未来的销售趋势并相应地规划适当的补货计划。7.交付优化物流的另一个可以通过机器学习增强的方面是货物的交付。物联网传感器和摄像头网络收集的交通和天气数据为机器学习驱动的系统提供支持，该系统可以轻松计算出最快的送货路线。并且，通过处理用户数据，他们可以推荐合适的配送方式，更好地满足客户需求。这种方法的典型代表应该是亚马逊实施的基于机器学习的预期运输技术，它允许根据客户的购买模式预测未来的交付，并将产品转移到离客户最近的仓库，从而能够在交货前下订单。客户实际放置它。发货更快更便宜。8.自动驾驶汽车这种用于货物交付的机器学习和计算机视觉的实施远非完美和大规模实施，但是，亚马逊和克罗格等公司正在押注这项技术，很快我们可能会依赖自动驾驶汽车以加快货物的运送。9.视频监控由机器学习驱动的计算机视觉系统可以发现窃贼。这些工具与传统视频监控解决方案之间的主要区别在于，后者基于一种相当不准确的基于规则的方法来识别入侵者，这种方法存在大量误报。另一方面，机器学习系统可以识别更微妙的行为模式，并在出现可疑情况时提醒管理人员。10.欺诈检测对于在线零售商和电子商务平台，小偷更可能从信用卡中偷钱而不是从货架上偷东西。由于机器学习算法旨在识别重复出现的模式，因此它们还可以查明任何与正常情况的偏差，包括异常交易频率或账户数据不一致，并将它们标记为可疑以供进一步审查。使用机器学习来克服现代挑战人工智能、机器学习和认知技术已被证明在增加利润和优化成本、个性化客户体验、提高物流和库存管理的运营效率以及确保安全的零售环境等方面具有无可估量的价值。事实上，《财富》商业洞察力的2020年报告强调，到2028年，全球零售人工智能市场预计将达到311.8亿美元，其核心是机器学习。从零售的角度来看，这将使机器学习成为在两年多的恶劣天气后找到正确航向并停靠在安全港口的灯塔。（编译：??iothome）
