Home / Economia / Home Depot e l’uso dell’intelligenza artificiale nell’e-commerce

Home Depot e l’uso dell’intelligenza artificiale nell’e-commerce

In che modo Home Depot sta migliorando l’esperienza di e-commerce con l’IA

L’esperienza di vendita al dettaglio sta sicuramente cambiando di fronte alla pandemia globale. Un Rip Van Winkle ( l’uomo che dormì 20 anni ) che potrebbe essersi addormentato nel gennaio 2020 e svegliarsi nel settembre 2020 avrebbe trovato la sua esperienza di vendita al dettaglio un’esperienza surreale con gli acquirenti che indossano maschere, segni sul pavimento che separano le persone l’una dall’altra di sei piedi e schermi in plexiglass si registra nelle corsie di cassa.

Anche l’esperienza di acquisto online è cambiata in molti modi, con alcuni articoli che in precedenza erano stati dati per scontati come la carta igienica, le piscine gonfiabili e altri prodotti che ora sono scarsi. La vendita al dettaglio online sta cambiando in altri modi profondi mentre i consumatori cambiano i loro modelli e comportamenti di acquisto, con il passaggio al lavoro da casa e la scuola a casa che cambia il modo in cui le persone vivono, lavorano e socializzano. Le strutture di vendita al dettaglio che in precedenza avevano contato su grandi celebrazioni del 4 luglio e del Labor Day, offerte speciali per il rientro a scuola, grandi raduni sociali e praticamente l’intero settore dei viaggi e dell’ospitalità hanno dovuto abbandonare le loro solite pratiche di vendita, marketing e catena di fornitura e ripensare le loro strategie aziendali fondamentali.



Tutto ciò rende ancora più essenziale che mai l’attenzione ai dati e all’apprendimento automatico. I precedenti approcci ai processi e ai programmi sono stati messi in discussione, portando le organizzazioni a comprendere l’importanza dei dati e del processo decisionale basato sui dati. Alla recente conferenza Data for AI 2020 , Khalifeh Al Jadda ha condiviso approfondimenti su come The Home Depot sta affrontando questi problemi esistenziali di vendita al dettaglio e ha fornito approfondimenti sul nucleo dei sistemi di e-commerce dell’azienda. In un podcast di follow-up AI Today , ha condiviso approfondimenti sull’organizzazione della scienza dei dati in evoluzione e sul suo ruolo sempre più strategico nelle operazioni di vendita al dettaglio. In questo articolo, condivide ulteriori approfondimenti su come i principali rivenditori come The Home Depot si stanno avvicinando all’intelligenza artificiale e alla scienza dei dati.

Quali sono alcune delle sfide che le operazioni di vendita al dettaglio devono affrontare quando si tratta di adozione dell’IA?

Khalifeh: Ci sono molte sfide che devono affrontare l’adozione dell’IA nella vendita al dettaglio. La più importante è costruire l’organizzazione della scienza dei dati con i talenti giusti data la carenza di leadership nella scienza dei dati nel mercato del lavoro. Inoltre, il posizionamento della scienza dei dati è un’altra sfida poiché le società di vendita al dettaglio non sono società tecniche e in quanto tali tendono a non avere organizzazioni di ricerca e sviluppo in cui collocare la scienza dei dati. A volte il gruppo di data science diventa parte di un’organizzazione IT esistente e cercano di gestire il team di data science con la stessa strategia che utilizzano per gestire gli altri team IT, ma non è corretto. L’altra sfida che devono affrontare nell’adozione dell’IA è la mentalità dei leader aziendali che non credono necessariamente nell’automazione e nell’apprendimento automatico. Molte persone nelle aziende di vendita al dettaglio si sentiranno minacciate dall’intelligenza artificiale e quindi respingeranno qualsiasi iniziativa o opportunità che i team di data science potrebbero presentare. Le organizzazioni hanno bisogno della capacità di creare una cultura della ricerca e della scoperta che è essenziale per il successo di qualsiasi organizzazione di data science.

In che modo Home Depot sta risolvendo problemi di e-commerce impegnativi utilizzando la potenza di AI e Data Science?

Khalifeh: Home Depot ha un’organizzazione di data science matura con data scientist di livello mondiale provenienti dalle migliori scuole e laboratori di ricerca. Questa organizzazione sfrutta diversi aspetti della scienza dei dati per risolvere problemi complessi come la pertinenza della ricerca, la comprensione delle query, consigli personalizzati e altre applicazioni della scienza dei dati. Una delle aree in cui [Home Depot] ha sfruttato la scienza dei dati è l’automazione dei suggerimenti per la raccolta. Il punto dolente del cliente era trovare tutti i prodotti che formano una collezione quando acquista per la ristrutturazione del bagno o della cucina o per i mobili da giardino. Il cliente può trovare un prodotto, come un rubinetto, che gli piace e vuole completare il set bagno con soffione doccia, portasciugamani, anello portasciugamani e altri articoli coordinati che hanno lo stesso stile, colore, finitura colore e marca. A questo punto il cliente deve condurre una ricerca separata per ciascuno degli altri prodotti per trovarli nel nostro catalogo, il che è un’esperienza che richiede tempo e frustrante. Il nostro algoritmo multimodale di deep learning è stato progettato per automatizzare il processo di ricerca di tutti i prodotti nel nostro catalogo che formano una collezione e fornirli come consigli ogni volta che il cliente arriva sulla pagina del prodotto. Questo lavoro è stato pubblicato nelACM RecSys 2019 e abbiamo molti altri casi d’uso di cui puoi leggere in questi documenti di ricerca pubblicati.

PROMOSSA

UNICEF USA BRANDVOICE | Programma a pagamento
Uno sguardo da vicino: come COVID-19 sta approfondendo la crisi dei migranti in Honduras
Civic Nation BRANDVOICE | Programma a pagamento
Consigli di un consulente universitario prima di scendere in passerella per il college
Gradi di vita BRANDVOICE | Programma a pagamento
No, mettere una persona di colore sul pannello non soddisfa la “diversità”
Quali sono alcune delle opportunità uniche che le operazioni di vendita al dettaglio devono affrontare quando si tratta di adozione dell’IA?

Khalifeh: le operazioni di vendita al dettaglio hanno opportunità uniche che sfruttano l’intelligenza artificiale. alcune di queste aree includono:

Prezzi migliori basati sul comportamento dei clienti e analisi in tempo reale.
Previsione della domanda più accurata.
Rilevamento delle anomalie per proteggere i clienti e le aziende.
Ricerca e consigli personalizzati.
Ricerca basata su immagini e voci.
In che modo The Home Depot sfrutta la scienza dei dati per ottenere informazioni e feedback sui prodotti?

Khalifeh: Home Depot ha costruito un sistema di analisi del sentiment all’avanguardia che automatizza il processo di comprensione dei reclami dei clienti e delle caratteristiche che i clienti apprezzano dei nostri prodotti. Questo sistema aiuta i nostri clienti a capire rapidamente cosa è piaciuto o meno ad altri clienti di un prodotto senza bisogno di leggere migliaia di recensioni.

In che modo The Home Depot utilizza l’intelligenza artificiale per fornire consigli migliori per i prodotti correlati?

Khalifeh: Home Depot ha investito nella creazione di motori di raccomandazione personalizzati sfruttando tecniche all’avanguardia come l’apprendimento profondo, l’apprendimento attivo e il mining di grafici. Il nostro motore basato sull’intelligenza artificiale utilizza diverse modalità come testo, immagini, flusso di clic e dati dei profili per abbinare i nostri clienti ai consigli più pertinenti che corrispondono al loro intento e interesse.

Quali sono alcuni esempi di come The Home Depot ha sfruttato diversi aspetti dell’IA per risolvere problemi di e-commerce impegnativi?

Khalifeh: Abbiamo utilizzato l’analisi statistica e le regole di associazione per scoprire la relazione tra le diverse categorie. Abbiamo utilizzato NLP e NLU per comprendere le recensioni dei clienti ed estrarre i pro ei contro dei prodotti.

Abbiamo riscontrato un aumento del coinvolgimento e dei tassi di conversione dopo l’implementazione di queste tecniche avanzate basate sui dati, soprattutto quando tali tecniche consentono un’esperienza personalizzata.

Quali consigli puoi fornire su come formare e gestire i team di data science?

Khalifeh: La scienza dei dati deve essere trattata come un’organizzazione di ricerca e sviluppo, quindi la gestione dei team di scienza dei dati non dovrebbe seguire il processo agile e il quadro di sprint di 2 settimane. I team di data science devono dedicare del tempo alla ricerca e alla scoperta in una cultura che incoraggia l’innovazione e la creatività. Inoltre, i team di data science devono lavorare a stretto contatto con i product manager e i team di ingegneri, quindi il loro posizionamento nell’organizzazione è fondamentale per prepararli al successo. Alcune aziende collocano i team di data science sotto l’IT, il che aiuta a renderli più connessi con i loro partner di ingegneria, ma non dovrebbero essere gestiti come un tipico team di ingegneria del software, ma dovrebbero essere gestiti come un team di ricerca e sviluppo.

Come vede l’evoluzione dell’utilizzo dell’IA nei prossimi anni nell’e-commerce?

Khalifeh: L’ intelligenza artificiale continuerà a trasformare l’e-commerce e con più capacità di NLP, NLU e Computer Vision mi aspetto che l’e-commerce diventi più personalizzato. Inoltre, l’AI conversazionale trasformerà il nostro modo di fare acquisti rendendo lo shopping più interattivo. Ad esempio, posso andare all’app Home Depot e chiederle: “Ho bisogno di un nuovo lavabo”, quindi l’app mi chiederà se ne vorrei uno con doppio lavabo o singolo lavabo. Alla mia risposta l’app discuterà con me diverse opzioni e mi guiderà attraverso il processo di acquisto in modo interattivo.

Qual è una tecnologia AI che sei più entusiasta di vedere diventare mainstream nei prossimi anni?

Khalifeh: Sono entusiasta delle applicazioni di intelligenza artificiale in ambito sanitario e una cosa entusiasmante che non vedo l’ora è l’intelligenza artificiale per l’assistenza sanitaria attraverso dispositivi indossabili. Immagina un dispositivo indossabile intelligente in grado di prevedere un attacco di cuore prima che accada e consigliare azioni / farmaci che puoi intraprendere per prevenire eventuali conseguenze negative? Immagina il tuo dispositivo indossabile intelligente che predice una potenziale insufficienza renale prima che accada e ti consiglia le azioni / i farmaci per prevenirlo? L’intelligenza artificiale nel settore sanitario consentirà tutto questo e altro ancora, quindi ne sono molto appassionato.

Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi