Google Cloud ha introdotto oggi quattro tecnologie AI, nuove e aggiornate, per aiutare i retailer a trasformare i loro processi di controllo degli scaffali in negozio e migliorare i loro siti di e-commerce con esperienze di acquisto online più fluide e naturali per i clienti.
Come sottolineato in una nota ufficiale da Carrie Tharp, VP of Retail and Consumer, Google Cloud: «I cambiamenti degli ultimi anni hanno rimodellato il panorama del retail e gli strumenti di cui i rivenditori hanno bisogno per essere più efficienti, più attraenti per i loro clienti e meno esposti a future scosse. Nonostante l’incertezza, il settore del retail offre enormi opportunità. I leader di domani saranno coloro che affronteranno le sfide più pressanti di oggi, in negozio e online, servendosi dei più recenti strumenti tecnologici, come l’intelligenza artificiale e il machine learning».La nuova AI per il controllo degli scaffali aiuta i retailer a migliorare la disponibilità dei prodotti
Il problema dell’inventario scarso o assente sugli scaffali dei negozi è uno dei più preoccupanti per i retailer. Secondo un’analisi di NielsenIQ sulla disponibilità a scaffale, solo nel 2021 gli scaffali vuoti sono costati ai rivenditori statunitensi 82 miliardi di dollari di mancate vendite. Sebbene i retailer abbiano provato per anni diverse tecnologie di controllo degli scaffali, la loro efficacia è stata spesso limitata dalle risorse necessarie a creare modelli di intelligenza artificiale affidabili per rilevare e differenziare i prodotti, dai diversi gusti di marmellata, alle dozzine di tipi di spazzolini da denti.
Ora disponibile in anteprima a livello globale, la nuova soluzione di controllo degli scaffali basata sull’intelligenza artificiale di Google Cloud può aiutare i retailer a migliorare la disponibilità dei prodotti sugli scaffali, fornire una migliore visibilità sull’aspetto effettivo dei loro scaffali e aiutarli a capire dove sono necessari rifornimenti. Basata su Vertex AI Vision di Google Cloud e alimentata da due modelli di machine learning – uno per il riconoscimento del prodotto e uno per il riconoscimento dei cartellini – l’intelligenza artificiale per il controllo degli scaffali consente ai retailer di risolvere un problema molto complesso: come identificare prodotti di tutti i tipi, su larga scala, basandosi esclusivamente sul caratteristiche visive e testuali di un prodotto, e tradurre tali dati in insight fruibili.
I retailer non devono dedicare tempo, sforzi e investimenti nella raccolta dei dati e nel training dei propri modelli di intelligenza artificiale. Grazie al database di Google che contiene miliardi di entità uniche, l’AI per il controllo degli scaffali di Google Cloud può identificare i prodotti da una varietà di immagini scattate da diverse angolazioni e punti di vista. I retailer potranno beneficiare così di un alto grado di flessibilità nei tipi di immagini che possono fornire all’AI per il controllo dello scaffale. Ad esempio, un retailer può utilizzare le immagini di una telecamera montata sul soffitto, del telefono cellulare di un collaboratore o di un robot che si aggira per il negozio adibito al controllo degli scaffali.
Ora in anteprima, questa tecnologia dovrebbe essere generalmente disponibile a livello mondiale per i retailer nei prossimi mesi. È importante sottolineare che le immagini e i dati di un retailer rimangono di sua proprietà e l’intelligenza artificiale può essere utilizzata solo per l’identificazione di prodotti e cartellini.
L’AI trasforma l’esperienza di acquisto nelle vetrine digitali
Storicamente, i siti di e-commerce ordinavano i risultati dei prodotti in base ai bestseller di categoria o a regole stabilite da persone, come determinare manualmente quale abbigliamento evidenziare in base alla stagionalità.
Per aiutare i retailer a rendere l’esperienza di navigazione online e di scoperta dei prodotti più moderna, veloce, intuitiva e soddisfacente per gli acquirenti, Google Cloud ha introdotto una nuova funzione di navigazione alimentata dall’intelligenza artificiale nelle sue soluzioni Discovery AI per i retailer. La funzionalità utilizza il machine learning per selezionare l’ordine ottimale dei prodotti sul sito di e-commerce di un retailer una volta che gli acquirenti scelgono una categoria.
Nel corso del tempo, l’intelligenza artificiale apprende l’ordine dei prodotti ideale per ogni pagina di un sito di e-commerce utilizzando i dati storici. Il nuovo strumento è ora generalmente disponibile per i retailer di tutto il mondo e supporta 72 lingue.
Ricerca e navigazione più personalizzati con il machine learning
Una ricerca commissionata da Google Cloud ha rilevato che il 75% degli acquirenti preferisce brand che personalizzano le interazioni nei suoi confronti e l’86% desidera un brand che comprenda i suoi interessi e preferenze.
Per aiutare i retailer a creare esperienze di acquisto online più fluide e intuitive, Google Cloud ha introdotto oggi una nuova funzionalità di personalizzazione basata sull’intelligenza artificiale che personalizza i risultati che un cliente ottiene quando cerca e naviga nel sito web. La tecnologia potenzia le capacità della nuova offerta di navigazione di Google Cloud e della soluzione Retail Search esistente.
L’intelligenza artificiale alla base della nuova capacità di personalizzazione è un riconoscimento di pattern di prodotto che utilizza il comportamento di un cliente su un sito di e-commerce, come i clic, il carrello, gli acquisti e altre informazioni, per determinare i gusti e le preferenze dell’acquirente. L’AI quindi sposta i prodotti che corrispondono a tali preferenze nella classifica di ricerca e navigazione per offrire un risultato personalizzato.
I risultati di ricerca e navigazione personalizzati di un acquirente si basano esclusivamente sulle sue interazioni sul sito di e-commerce di quel retailer specifico e non sono collegati all’attività del suo account Google. L’acquirente viene identificato tramite un account che ha creato con il sito del retailer o tramite un cookie di prima parte sul sito web.
Come con tutte le soluzioni Google Cloud, i clienti possiedono e controllano i propri dati: le informazioni sulle preferenze dei clienti sono comunicati esclusivamente al retailer. Questa tecnologia è ora generalmente disponibile per i retailer di tutto il mondo.
L’AI aumenta i profitti dei retailer con raccomandazioni migliori
I retailer hanno avuto a lungo difficoltà a determinare quali informazioni mostrare sui propri siti Web, come organizzarle in modo efficace e come coordinare contenuti pertinenti e personalizzati. La soluzione Recommendations AI di Google Cloud utilizza il machine learning per aiutare i rivenditori a offrire consigli sui prodotti ai propri acquirenti.
Nuovi aggiornamenti a Recommendations AI, annunciati oggi, introducono nuovi strumenti di personalizzazione dei siti ecommerce. Ad esempio, una nuova funzione di ottimizzazione a livello di pagina ora consente a un sito di e-commerce di decidere dinamicamente quali pannelli di suggerimento prodotto mostrare in modo univoco a un acquirente. L’ottimizzazione a livello di pagina riduce inoltre al minimo la necessità di test della user experience che richiedono notevoli risorse e può migliorare il coinvolgimento degli utenti e i tassi di conversione.
Inoltre, una funzione di ottimizzazione dei profitti aggiunta di recente utilizza il machine learning per offrire migliori consigli sui prodotti che possono aumentare le entrate per sessione utente su qualsiasi sito di e-commerce. Un modello di machine learning, realizzato in collaborazione con DeepMind, combina le categorie di prodotti di un sito di e- commerce, i prezzi degli articoli, i clic e le conversioni dei clienti per trovare il giusto equilibrio tra soddisfazione a lungo termine per gli acquirenti e aumento delle entrate per i retailer. Infine, un nuovo modello di riacquisto (buy-it-again) sfrutta la cronologia degli acquisti di un cliente per fornire consigli personalizzati per potenziali acquisti ripetuti.
Rispetto ai sistemi di raccomandazione di base utilizzati dai clienti di Google Cloud, Recommendations AI ha mostrato un aumento a due cifre delle percentuali di conversione e di clic negli esperimenti controllati dai retailer che utilizzano la tecnologia. I nuovi modelli di ottimizzazione a livello di pagina, ottimizzazione delle entrate e riacquisto sono ora disponibili a livello globale per i rivenditori.
