Transformar a Experiência de Compra Através da Aprendizagem de Máquina

Seja o Dia do Pai, o Dia da Mãe, um aniversário ou simplesmente "porque sim", comprar presentes pode ser como contar grãos de areia - ou seja, não é fácil. Enquanto isso, existem 250.000 a 300.000 empresas de comércio eletrónico nos EUA, todas a competir pela atenção dos compradores. Esqueça todas as lojas físicas em toda a América. Como se espera que os consumidores decidam onde gastar o seu dinheiro suado? E como os retalhistas podem criar uma experiência de compra mais personalizada, em vez de enfrentar o mesmo fim dos 6.700 pontos de venda que fecharam as suas portas em 2017?

Resumindo, o setor de retalho está numa situação difícil.

Um caso de aprendizagem de máquina: 1-800-Flowers.com

Dada a natureza de elevado risco do retalho hoje em dia e os desafios de converter visitantes online em clientes que pagam, uma solução que possui um enorme potencial para melhorar a experiência de compra é a aprendizagem de máquina. Imagine, por exemplo, que quer comprar flores para alguém. Quer enviar algo atencioso, mas talvez também esteja preocupado em enviar a mensagem errada. Pode ir à sua florista local e explicar isso - e nesse ponto eles irão guiá-lo(a) por uma grande variedade das suas ofertas. Mas tem realmente tempo para isso? Não seria ótimo se houvesse uma forma de pedir o presente perfeito para a ocasião, mas online?
 
A 1-800-Flowers.com também pensava assim - e em 2016 lançou o Gifts When You Need, carinhosamente conhecido como GWYN. Pense no GWYN como um concierge com tecnologia de IA que pode fazer uma série de perguntas sobre a pessoa para quem está a comprar um presente e, seguidamente, oferecer recomendações mais personalizadas com base nas compras de outros clientes com perfis semelhantes. A melhor parte é que, a cada nova compra, o GWYN pode aprender mais sobre os desejos e necessidades dos clientes e, então, melhorar as suas recomendações para os consumidores. De acordo com o CEO Chris McCann, em dois meses após o lançamento, aproximadamente 70% das compras online foram feitas através do GWYN.
 
Esta é apenas uma das formas infinitas pelas quais os algoritmos de aprendizagem de máquina podem analisar um mar de dados. Cada vez que um visitante chega ao seu site, outro ponto de dados é criado. Agora imagine os mil milhões de pontos de dados que podem informar o seu modelo. Tal não apenas o ajuda a entender melhor os seus clientes, mas também a entregar o produto certo na hora certa - em escala.

Começar: dados próprios e modelos com formação prévia

O conceito de aprendizagem de máquina é simples: através de técnicas estatísticas, os programas têm a capacidade de "aprender" com os dados, sem serem programados explicitamente. Quando dizemos "aprender", tal significa que conforme os programas recebem mais inserções (ou seja, dados), eles fornecem resultados mais precisos, tais como ideias para presentes.
 
Dado o poder da aprendizagem de máquina para transformar completamente a experiência de compra como a conhecemos, pode-se pensar que é apenas para grandes empresas com grandes orçamentos. Tal não é verdade. Não importa o tamanho ou o orçamento da sua empresa, a aprendizagem de máquina é algo que todos os retalhistas podem começar a aplicar nos seus negócios.

Vamos supor por um momento que a sua empresa está bem estabelecida e que está sentado(a) num verdadeiro tesouro de dados históricos. Como os resultados da aprendizagem de máquina melhoram quanto mais dados tem, está perfeitamente situado para começar a alimentar esses dados proprietários - ou primários - em modelos de formação de aprendizagem de máquina. Sejam transações financeiras ou transcrições de chamadas de clientes, esses dados podem ser usados ​​para formar e otimizar os seus modelos para que esteja armado com insights únicos sobre como entregar melhor valor aos seus clientes.

Por outro lado, se a sua empresa não tiver acesso a grandes quantidades de dados, ainda pode tornar-se um profissional de aprendizagem de máquina usando modelos de aprendizagem de máquina com formação prévia que estão instantaneamente disponíveis na nuvem. Por exemplo, a Google tem o Cloud AutoML, que é uma coleção de produtos de aprendizagem de máquina que torna mais fácil aos desenvolvedores com experiência limitada em aprendizagem de máquina começarem.
 
Pode começar com o modelo de análise de imagem, que ajuda a entender o conteúdo das imagens. Forneça imagens e obtenha categorias de texto (por exemplo, "automóvel", "Torre Eiffel"). Este modelo também pode identificar objetos, rostos ou palavras impressas nas imagens.
 
Por exemplo, a CI&T criou um leitor de fatura automatizado para um cliente, o que ajudou a agilizar o processamento da fatura - algo que todos concordamos que é irritante, mas necessário. Como algumas faturas contêm logotipos em vez do nome da empresa escrito, pudemos usar a ferramenta de deteção de logotipo da API Cloud Vision para treinar o modelo do leitor de faturas para identificar nomes de empresas e aumentar a precisão do processamento de faturas. É sempre incrível ver como gastar menos tempo com estes tipos de tarefas repetitivas liberta as empresas para se concentrar em atividades de maior valor.
 
Dependendo das suas necessidades, pode aproveitar o modelo de análise de texto para entender melhor a estrutura e o significado semântico do texto. Para além disso, ajuda a extrapolar informações sobre pessoas, lugares e eventos de qualquer texto, tais como artigos de notícias, blogs ou registos de chats. O modelo de reconhecimento de fala converte áudio em texto.
 
E um modelo poderoso de análise de vídeo pode identificar objetos dentro de vídeos e dizer o que está a acontecer numa imagem ou frame individual.

A ponta do iceberg

Os retalhistas que procuram potenciar as soluções de aprendizagem de máquina podem concentrar a sua energia no planeamento da cadeia de fornecimentos para melhorar a previsão e os pedidos. Já falámos sobre como personalizar a experiência de compra, mas que tal otimizar a sua estratégia de preços com base nas estações do ano, nos materiais disponíveis ou em qualquer outro fator relevante?
 
Todos estes exemplos são apenas a ponta do iceberg e não começam a capturar totalmente o potencial de aprendizagem de máquina para revolucionar o setor de retalho.

---