8 технологий на основе ИИ в российском ритейле, которые можно использовать уже сейчас

Команда Digital Chief собрала актуальные кейсы применения ИИ в российском ритейле и поделилась советами – как внедрить нейросети в собственный бизнес.

Недавно «Яндекс Маркет» внедрил YandexGPT, которая помогает продавцам создавать описание товаров. Нейросеть берет всю информацию о товаре, которую добавил продавец, и в один клик генерирует ее в лаконичное описание.

Новость кажется обыденной, после того, как общий хайп вокруг ChatGPT спал и нейросети стали привычным инструментом для генерации контента. Но, учитывая, что «Яндекс.Маркет» – один из крупнейших маркетплейсов в стране (более 30 000 селлеров сотрудничают с платформой и около 11,4 млн. человек в год совершают там покупки), внедрение нейросетей в работу такого гиганта может изменить привычный опыт взаимодействия тысяч селлеров с платформой.

Сегодня многие компании экспериментируют с возможностями применения ИИ и уже сейчас на российском рынке появились интересные кейсы. Команда Digital Chief также внедрила нейросети для собственного микросервисного решение по управлению электронной коммерцией — DC Commerce. Теперь в DC Commerce можно:

Примеров и сценариев использования ИИ в ретейле и e-commerce множество, делимся кейсами, которые вы можете использовать уже сейчас:

1- Умные рекомендации и поиск. ИИ помогает создавать персонализированные рекомендации, основанные на анализе предпочтений и покупок всех клиентов со схожими поведенческими паттернами. Нейросеть учится на предыдущих запросах и их конверсиях, что позволяет понять, что хочет клиент, даже если тот не знает точного названия продукта и не может внятно сформулировать свое желание. Из недавних кейсов – Lamoda запустила в своем приложении виртуального ассистента, который с помощью визуального поиска поможет подобрать одежду. Решение полезно клиентам, которые пока не определись с тем, что хотят заказать и им проще показать понравившийся товар, чем объяснять, как он выглядит.

2- Прогнозирование спроса и управление запасами. ИИ может предсказывать рост и падение спроса в реальном времени, ориентируясь на внешние факторы: новости, погоду, посты в соцсетях, отзывы на чужих ресурсах и т.д. Это хорошо дополняет традиционные прогнозы, основанные на сезонных трендах, циклах и других данных. В прошлом году с помощью ИИ и машинного обучения «Лента» автоматизировала прогнозирование спроса на регулярные и промо-товары в магазинах всех форматов. Это снизило списание товаров на 4% на начальном этапе и на 5% увеличило рост показателей доступности акционных товаров.

3- Динамическое ценообразование. Основывается на анализе прогнозов спроса, сезонности, изменении цен на рынке и иных факторах – например, истощении складских запасов у конкурентов. Интернет-аптека PharmaCosmetica внедрила динамическое ценообразование с помощью решения на основе ИИ. Алгоритмы вычисляют такие наборы цен, которые дают максимум валовой прибыли от продаж всего ассортимента. Система пересчитывает цены каждый день: автоматически корректирует цены при изменении цен конкурентов или при изменении внутренних факторов (например, себестоимости), а также в рамках исследования спроса.

4- Автоматизированные коммуникации. Согласно исследованию 83% клиентов при обращении в клиентскую службу ожидают мгновенный ответ. Задержка ответа в минуту уже грозит существенным процентом отвала клиентов. Чатбот обеспечивает такую оперативность и может разрешить большую часть простых проблем или собрать необходимые данные до подключения специалиста. «М.Видео-Эльдорадо» уже несколько лет занимается развитием двух роботов-помощников – голосового и текстового. Голосовой помощник активируется, когда клиент звонит по телефону на горячую линию поддержки. При этом часто возникают ситуации, когда общение в чате предпочтительнее – здесь можно показать изображения, предложить ссылку на рекомендованную модель товара и т.д, тогда в коммуникацию подключается чат-бот.

5- Клиентская сегментация. Анализируя массивы данных по реальному покупательскому поведению, ИИ помогает найти уникальные связи в поведении пользователей и обнаружить совершенно новые, до этого неизвестные сегменты. Это помогает лучше прогнозировать конверсии, точнее таргетить рекламные кампании и повышать их ROI. Из примеров – кейс производителя ортопедических матрасов и товаров для сна «Аскона». С помощью машинного обучения компания проанализировала поведение посетителей сайта и определила портреты людей, покупающих товары из категории «мебель для спальни». В итоге «Аскона» до 6 раз снизила рекламные расходы на привлечение клиентов в выбранном сегменте товаров.

6- Работа с отзывами. Коммуникация с покупателями – важная часть работы селлеров, и с помощью генеративного ИИ (тип ИИ, который может создавать новый контент и идеи, включая диалоги, истории, изображения, видео и музыку) эту работу можно автоматизировать. Например, научить нейросеть отвечать на отзывы покупателей. В случае положительных отзывов, нейросеть может давать стандартную реакцию довольным покупателям. Например, личный кабинет на Ozon и Wildberries можно подключить к боту Review Helpbot, чтобы давать быстрые ответы. Другой возможный сценарий использования нейросети в работе с отзывами – это выявление фейковых отзывов. ИИ может выявлять их на основе семантического, стилистического и поведенческого анализа. Но, к сожалению, нечистоплотные конкуренты также часто используют ИИ для генерации сообщений.

7- Предотвращение краж. ИИ выявляет паттерны поведения, характерные для злоумышленников и помогает быстро обнаружить их в торговом зале. Торговая сеть «Улыбка радуги» протестировала технологию поиска, обнаружения и предотвращения воровства в магазинах на основе ИИ. Поиск воришек осуществляется через установленные камеры видеонаблюдения. Система оценивает данные с видеокамер по 11 параметрам и предупреждает сотрудников охраны о воровстве.

8- Автоматизация рутины. ИИ может распознавать и сканировать товары на кассах самообслуживания. Компания X5 Group разработала и внедрила подобное решение на основе нейросети. Искусственный интеллект поможет распознать количество и вид товаров, в том числе, кофе, алкоголь, схожие по виду овощи и фрукты, конфеты. В случае ошибки ИИ подскажет пользователю, какой товар был некорректно просканирован и при необходимости «позовет» сотрудника магазина, если покупатель не справится сам.

Современный ИИ – это взрывная технология, и использовать его надо для поиска идей, способных принести значительную пользу бизнесу, а не для сокращения операционных расходов на незначительный процент. Делимся советами от CTO Digital Chief Сергея Кунцевича – как правильно внедрить технологии ИИ в бизнес:

Главная ошибка, которую можно совершить при внедрении технологии ИИ – это попытка сэкономить на сотрудниках. Можно, например, уволить контент-менеджера, передав его функции GPT, но этот подход не ведет к развитию бизнеса. Стоит больше думать о том, как с помощью ИИ освободить сотрудников от рутинных задач, дать им возможность работать эффективнее, больше экспериментировать, генерировать дополнительную прибыль. В противном случае, вместо полезного революционного инструмента бизнес получит довольно слабую замену проверенному сотруднику, а экономия на первых этапах быстро превратится в убытки и отставание от конкурентов.