通过机器学习改变购物体验

无论是父亲节、母亲节、生日，还是仅仅是“为什么不呢”，购买礼物就像盘点沙粒一样 - 换句话说，并不容易。同时，美国有25万-30万家电子商务公司，都在争夺买家的注意力。更不要说全美国所有的实体店。如何吸引，让消费者决定将他的血汗钱花在哪里呢？零售商如何才能创造出更加个性化的购物体验，而不面临如2017年关闭的6700家门店一样的消亡命运呢？

简而言之，零售业处境艰难。

机器学习的案例：1-800-Flowers.com

鉴于当今零售业的高风险性质以及将在线访问者转变为付费客户的挑战，具有极大潜力改善购物体验的解决方案就是机器学习。例如，想象一下，您想给某人买花。 您想发送一些温馨的信息，但是您可能还会担心信息传达错误。您可以去当地的花店解释一下-他们会为您推荐很多选择。但是您真的有时间吗？如果有一种方法可以为各场合订购完美的礼物，但是是在线上，那不是就太好了吗？
 
1-800-Flowers.com也这么认为 - 因此在2016年推出了Gifts When You Need，亲切地称为GWYN。可以将GWYN视为AI技术的礼宾，他可以询问有关您要购买礼物的人的一系列问题，然后根据从其他类似客人的购买情况提供更个性化的建议。最好的是，每次购买新产品时，GWYN可以了解有关客户需求的更多信息，然后改善对消费者的建议。据首席执行官Chris McCann，在推出后的两个月内，大约有70％的在线购买是通过GWYN进行的。
 
这仅是机器学习算法可分析的海量数据中的无数方法之一。每次访问者访问您的网站时，都会创建另一个数据点。现在想象一下可以为您的模型提供信息的数百万个数据点。这不仅可以帮助您更好地了解客户，而且可以大规模的在正确的时间交付正确的产品。

起步：自身的数据和预先训练的模型

机器学习的概念很简单：通过统计技术，程序可以从数据中“学习”，而无需进行明确的编程。当我们说“学习”时，就表示随着程序收到更多的输入（即数据），它们将提供更准确的输出 - 如礼物的建议。
 
鉴于机器学习的力量可以完全改变我们所认知的购物体验，因此人们可能会认为这仅适用于预算较大的大型公司。但事实并非如此。 无论您的公司规模大小或预算如何，机器学习是每家零售商都可以起步将其应用到业务中的东西。

让我们暂时假设您的公司已经建设良好，并且您正持有一个真正的历史数据宝库。您持有的数据越多机器学习的效果就越好，因此您可以轻松的将专有或初步数据输入机器学习训练模型。无论是金融交易还是客户通话记录，该数据都可以用于训练和优化模型，从而使您对如何为客户提供更好的价值具有独特的认知。

另一方面，如果您的公司无法访问大量数据，您仍然可以使用在云端中立即可用的预先训练机器学习模型来成为机器学习专业人员。例如，Google拥有Cloud AutoML，它是一系列机器学习产品的集合，可让拥有有限机器学习经验的开发人员轻松上手。
 
您可以从图像分析模型开始，该模型可以帮助您了解图像的内容。提供图像并获取文本类别（例如“汽车”，“艾菲尔铁塔”）。该模型还可以识别图像上打印的物品、人脸或文字。
 
例如，CI＆T为客户创建了一个自动发票读取器，有助于加快发票处理 - 我们都知道这是个烦人但又必须执行的工作。由于某些发票带有公司徽标而不是写出公司名称，因此我们能够使用Cloud Vision API徽标检测工具来训练发票阅读器模型，以识别公司名称并提高发票处理的准确性。看到减少花在这些重复性任务上的时间，使得公司能够专注于高价值活动，总是令人兴奋的。
 
根据您的需求，您可以利用文本分析模型更好地了解文本的结构和语义含义。此外，它还有助于从任何文本，例如新闻文章、博客或聊天日志中推断出有关人、地点和事件的信息。语音识别模型将音频转换为文本。
 
强大的视频分析模型可以识别视频中的对象，并识别出一个镜头或图片中发生的事情。

冰山一角

希望利用机器学习解决方案的零售商可以将精力集中在供应链计划上，以改善预测和订购。我们已经说过如何定制购物体验 - 那么要如何根据季节、可用货物或任何其他相关因素优化定价策略？
 
以上的所有示例只是冰山一角，并没有完全抓住由机器学习彻底改变零售业的潜力。

---