Durante l'Nrf 2023 Google Cloud ha annunciato nuove applicazioni basate sull'intelligenza artificiale e machine learning per trasformare i processi di gestione di back office e front office sia nel negozio fisico sia sul sito di eCommerce. I cambiamenti degli ultimi anni infatti hanno rimodellato gli strumenti del retail verso una maggiore efficienza interna nei processi con l'obiettivo di aumentare l'attrattività verso i clienti. Le quattro aree di miglioramento diretto sono: il controllo degli scaffali, l’esperienza di acquisto, la navigazione e le raccomandazioni. Vediamoli uno per uno con qualche dettaglio aggiuntivo.
Tenere sotto controllo i prodotti sugli scaffali
A causa degli scaffali vuoti, il retail Usa ha perso 82 miliardi di dollari in mancate vendite solo nel 2021 (NielsenIQ). Google Cloud ha sviluppato Vertex Ai Vision, una soluzione di controllo degli scaffali basata su computer visione e intelligenza artificiale che migliora la disponibilità dei prodotti individuando dove sono necessari rifornimenti. Il motore di Vertex, grazie a un processo di machine learning, riconosce sia i prodotti, sia le etichette, accedendo ad un database di Google che contiene miliardi di entità uniche. La tecnologia è attualmente in anteprima e dovrebbe essere disponibile a livello mondiale nei prossimi mesi.
Trasformare l'esperienza di acquisto online
La nuova funzione di navigazione alimenta le soluzioni Discovery Ai nel supporto agli utenti di eCommerce. Offre una migliore esperienza di navigazione, in particolare nella scoperta dei prodotti online. Storicamente, i siti di eCommerce ordinavano i risultati dei prodotti in base ai bestseller di categoria o a regole applicate dal personale per determinare quale abbigliamento evidenziare in base alla stagione. Ora, grazie al tool di Google Cloud, i prodotti su un sito di eCommerce vengono ordinati in maniera ottimale. L’analisi dei dati storici identifica l'ordine ideale per ogni pagina del sito. Discovery Ai è disponibile per i retailer di tutto il mondo con supporto per 72 lingue.
Gestire il comportamento di un cliente sul sito di eCommerce
Il comportamento del cliente su un sito di eCommerce è importante per determinare i gusti e le preferenze dell'acquirente. Il 75% degli acquirenti preferisce brand che personalizzano le interazioni nei suoi confronti; l'86% desidera un brand che comprenda i suoi interessi e preferenze (indagine Google).
La tecnologia potenzia le capacità della nuova offerta di navigazione di Google Cloud e della soluzione Retail Search già esistente. In questo caso, l'Ai si basa sulle interazioni del cliente sul sito del retailer e non sull'attività del suo account Google. I clienti possiedono e controllano i propri dati e le informazioni sulle preferenze dei clienti sono comunicate solo al retailer. Questa tecnologia è ora disponibile per i retailer di tutto il mondo.
Migliorare le raccomandazioni
I retailer hanno avuto a lungo difficoltà con le informazioni da mostrare sul web: come sceglierle, come organizzarle e come coordinare contenuti pertinenti e personalizzati. I miglioramenti in quest’area sono molti. Grazie al machine learning, la Recommendations Ai offre direttamente consigli sui prodotti.
Una nuova funzione di ottimizzazione a livello di pagina ora consente al software di decidere dinamicamente quali pannelli di suggerimento prodotto mostrare a ciascun acquirente. Oltre alla qualità del risultato, questa automazione riduce al minimo la necessità di test della user experience. Inoltre, una ottimizzazione realizzata in collaborazione con DeepMind combina le categorie di prodotto, i prezzi degli articoli, i clic e le conversioni per trovare il giusto equilibrio tra soddisfazione a lungo termine per gli acquirenti e aumento delle entrate per i retailer.
Infine, un nuovo modello di riacquisto (buy-it-again) sfrutta la cronologia degli acquisti di un cliente per fornire consigli personalizzati per potenziali acquisti ripetuti. Rispetto ai sistemi di raccomandazione di base finora usati su Google Cloud, Recommendations Ai ha mostrato un aumento a due cifre delle percentuali di conversione e di clic negli esperimenti. Sono ora disponibili i nuovi modelli di ottimizzazione a livello di pagina, ottimizzazione delle entrate e riacquisto.
