Az AI a személyre szabott marketing területén
A kiskereskedők jellemzően marketing-automatizáló szoftvert vagy kampánymenedzsment megoldásokat használnak a célközönség eléréséhez. Az ügyfélkapcsolat-kezelési (Customer Relationship Management, azaz CRM) adatok felhasználásával a különböző eszközök a vásárlási szokások, demográfiai jellemzők, preferenciák és egyéb kritériumok alapján csoportokba sorolják a vásárlókat. Ezeknek a rendkívül kiterjedt adatbázisoknak a vizsgálatakor még a legjobb marketingszakemberek figyelmét is sok minden elkerülheti. „Emberi erőforrással” a folyamat nem vesz figyelembe minden potenciálisan hasznos kritériumot, és nehézséget okozhat azon ügyfelek szegmentálása is, akik nem felelnek meg az előre felállított kategóriáknak.
Ezzel szemben a gépi tanulást nem zavarják feltételezések és sztereotípiák, az információk alapja csak és kizárólag az adatok széles körű elemzése. Az AI segítségével ráadásul könnyen kezelhetővé válik az is, ha bizonyos tényezők, például az adott fogyasztók jövedelmi viszonyai, megváltoznak. A mesterséges intelligencia a teljes adatkészletet figyelembe véve, minták alapján „klaszterekbe” rendezi a hasonló adatokat, így beazonosíthatóak lesznek olyan trendek és kapcsolatok, amely az egyes adatok elemzése során elkerülhetik az ember figyelmét. Mindez segít rendkívül személyre szabott ajánlatokat küldeni a vásárlók felé.
A Big Data és az AI előretörésével tehát egyre fontosabbá válnak a személyre szabott kampányok és az emberi beavatkozás nélküli egyéb kezdeményezések. Ezek az eszközök már figyelme veszik a fogyasztó korábbi vásárlásait, közösségi médiahasználatát és az egyéb csatornák használatát. A korábbi és a jelenlegi módszerek közti legnagyobb különbség az, hogy a legújabb kezdeményezések a vásárlókat egyéni, személyre szabott alapon közelítik meg, ráadásul az AI használatával a kiskereskedők ezt a módszert nagyon nagyszámú vásárlóra is alkalmazhatják.
Nem véletlen, hogy egy friss nemzetközi felmérés szerint ma már a kiskereskedők jelentős hányada rendkívül fontosnak tartja ezt a területet, de több mint felük egyelőre alacsony szintre taksálja a saját személyre szabott stratégiájának megvalósulását. Nem meglepő módon az érintettek bő kétharmada (69%-a) a fejlődés legnagyobb akadályának a megfelelő technológiák hiányát nevezte meg – a többségnek tehát nagyon is elkél a segítség ebben a roppant szövevényes világban való tájékozódáshoz.
Az AI használata a kereskedelmi promóciók területén
Az FMCG vállalatok és a kiskereskedők manapság egyre többet költenek a termékeik ismertségének növelésére. Becslések szerint a kereskedelmi kiadások az FMCG vállalatok kiadásainak több mint 15%-át teszik ki, és ez a szám egyre növekszik, miközben a promóciók egyre bonyolultabbak és egyre nehezebb kezelni őket. Egy átlagos üzleti felhasználó számára jelenleg négy hétbe telik annak felmérése, hogy egy kereskedelmi promóció sikeres volt-e vagy sem. Ezzel együtt kutatások szerint a promóciók 72%-a nem hozza vissza a beruházást és sok új termék elbukik. Mindez szoros összefüggésben lehet azzal, hogy a vállalkozások körülbelül 60%-a továbbra is manuális folyamatokat, táblázatkezelőt vagy saját szoftvert használ. Ezzel elesnek a valós idejű, pontos és jól hasznosítható ismeretek megszerzésének lehetőségétől, amellyel sokkal jobban kezelhetővé válna a promóciók megfelelő tervezése, menedzselése és optimalizálása. Az AI és az elemzés betekintést nyújt a promóciók belső folyamataiba és iránymutatásként szolgál a menedzsmentek és a pénzügyi csapatok számára a befektetések okos elosztásakor.
A promóciók pontosságának javítása az NLP segítségével
Az NLP, azaz a természetes nyelv feldolgozás egy olyan gépi képesség, amely értelmezi az írásbeli kommunikációt. A hangulatelemzés használatával képes annak megállapítására, hogy a fogyasztók termékkel kapcsolatos reakciói pozitívak, negatívak vagy semlegesek. A fogyasztók közösségi médiában, blogokban, elektronikus kereskedelmi oldalakon és egyéb platformokon (ideértve az FMCG vállalatok saját közösségi média oldalain) olvasható visszajelzései, értékelései rengeteg hasznos információval szolgálhatnak a gyártók számára.
Az NLP használatával a fogyasztási cikkek gyártói lehetővé tehetik a kísérletezést a különféle promóciós kritériumokkal. Szóban megkérdezhetik például a rendszert, hogy milyen eredményekkel járna, ha promóciót július helyett augusztusban folytatnák le. A válasz azonnal megérkezik és nincs szükség jelentős számítási teljesítményre. Ezzel a módszerrel hatékonyan megelőzhetővé válnak az egyébként meglehetősen drága hibák.
Mindez nagyon értékes visszajelzést ad marketing költségek tervezése, a beavatkozást igénylő árszintek megállapítása, a gyengén teljesítő termékek beazonosítása és a piaci rések megtalálása terén. Nem véletlen, hogy ez a terület is óriási robbanás előtt áll: a MarketsandMarkets.com szerint az NLP piaca 2021-re nagyjából megduplázódik és eléri a 16 milliárd dolláros, átszámítva nagyjából 4500 milliárd forintos szintet.
AI az ellátási láncban
A logisztikai folyamatok, az ellátási lánc tervezése az egyik legnagyobb kihívás napjainkban a kiskereskedelmi vállalatok számára. Az igény-előrejelzés, a megrendelés, a költség- és kapacitás-tervezés, valamint a raktár-menedzsment csak néhány a jelentős feladatok közül, márpedig ha bármelyikbe hiba csúszik, máris lehetetlenné válik a kitűzött pénzügyi célok teljesítése.
A gépi tanulás az ellátási láncban is nagyon fontos szerepet tölt be. A hagyományos módszerekkel végzett tervezés és igény-előrejelzés nem mindig képes pontos adatokat szolgáltatni. Ez sokszor készlethiányhoz vagy többlethez, továbbá a visszáru felhalmozódásához vezet. A gépi tanulás segít a készletek és az igények előrejelzésében, továbbá abban, hogy mely árucikkek értékesíthetők a legjobban. A valós idejű adatokra épülő elemzés elkészítése során segítségül hívja a demográfiai, időjárási, a hasonló termékek értékesítési adatait, vagy akár az online értékelésekből és a közösségi médiából származó információkat. Az előrejelzések üzletre, termékváltozatra, méretre, színre és egyéb kritériumokra lebontva is előállíthatók.
A mesterséges intelligencia képes optimalizálni az áruk szállítását, kiegyensúlyozza a kínálati és keresleti oldalt, így az emberi elemzés szükségtelenné válik. A gépi tanulás alkalmazása a különféle igény minták és forgatókönyvek korábbinál sokkal hatékonyabb feltérképezésével a vállalkozások fontos lépést tehetnek a jól ütemezett árufeltöltés és a hatékony logisztika megvalósításának irányába.
Az AI használata az árukészlet-tervezés területén
Korábban a kiskereskedelmi árukészlet tervezéséhez hozzátartozott a korábbi évek értékesítési adatainak elemzése, az elmúlt időszak legkelendőbb termékeinek beazonosítása, majd a megfelelő készlet összeállításához ezeket az adatokat össze kellett vetni a legújabb trendekkel. A végeredmény a legújabb divatőrületeknek megfelelő darabok, illetve a legújabb trendekre nem nyitott vásárlóknak szánt időtlen darabok valamilyen egyvelege.
A probléma ezzel az, hogy a fogyasztók köre, ízlése és vásárlási szokásai folyamatosan változnak. Elképzelhető például, hogy a tavaly még középiskolás vásárlók főiskolára, egyetemre mentek. Ha a célcsoport valamely munkavállaló kör volt, lehet, hogy a munkaerőpiaci változások jelentősen befolyásolták a vásárlási szokásaikat. Bármi is legyen az ok, a múltbeli adatok csak a tegnap vásárlóira vonatkoznak.
Az AI vezérelt algoritmusok a versenytársak és a többi brand árukészletének elemzése alapján előálló adatokat összevetik az adott kiskereskedő ügyfeleinek demográfiai és vásárlás-történeti adataival, majd előrejelzik, hogy mely cikkekkel kell feltölteni a kiskereskedő raktárkészletét - mindezt valós időben. Egyes eszközök a következő 30 napra képesek jelezni egyes termékek keresleti ingadozását, melyet százalékban és a cikkek számában is képesek meghatározni.
Ezek a jellemzők különösen értékesek a kiskereskedők számára. Megjeleníthetjük, hogyan teljesítenek máshol ugyanazon vagy hasonló cikkek, rangsorba állíthatjuk őket és eldönthetjük, hogy mennyit rendelünk belőlük, vagy, hogy mennyi ideig tartsunk bizonyos cikkeket, melyik üzletben árusítsuk őket, stb.
Összegzés
Mindez pedig tényleg csak a „jéghegy csúcsa”, az AI-ban még a fenti felsoroláshoz képest is jóval nagyobb potenciál rejlik. A gépi tanulást például az ügyfelek közösségi médiában vagy e-kereskedelmi oldalakon adott visszajelzéseinek „olvasására” is fel lehet használni. A gépi algoritmus megtanítható a hozzászólások kategorizálására vagy szövegminták keresésére, sőt, az AI kiszűri a durva beszédet és a félrevezetés-gyanús hozzászólásokat. Márpedig az online visszajelzések, értékelések különösen értékes eszköznek tekinthetők: egy friss kutatás szerint a vásárlók 97%-át az értékelések befolyásolják a vásárlással kapcsolatos döntéseikben, 92%-uk pedig elbizonytalanodik, ha nem talál értékelést az adott termékre vonatkozóan.
Az AI már most hatalmas hatást gyakorol a gazdaság különböző területeire, de leginkább a kiskereskedelmi és FMCG vállalkozások profitálhatnak a technológia használatából, elsősorban a kereskedelmi promóciók és személyre szabott marketing területén. Az olyan vállalatoknál, mint például az Amazon, akik idejében felismerték a mesterséges intelligenciában rejlő lehetőségeket, már most óriásit dob a profiton egy-egy innováció. És bár a korán ébredő cégek lépéselőnyben vannak, mindez nem ledolgozhatatlan, sőt. Az AI olyan gyorsan fejlődő terület, hogy aki most kapcsolódik be, a legújabb technológiák révén pillanatok alatt az élmezőnyben találhatja magát.
A mesterséges intelligencia megoldásainak beépítése különösen fontos lehet Magyarországon, hiszen az egyre égetőbb munkaerőhiány közepette segíthet nem kevés emberi erőforrás kiváltásában is. A témáról többet is megtudhat, aki 2019. október 2-án ellátogat a 8. Laurel Retail Konferenciára, amely ezúttal az „Automatizált kereskedelem a munkaerőhiány ellen” címet viseli.
Forrás: Symphony RetailAI; EnsembleIQ
