【案例分析】新零售时代下,人工智能是如何在背后发挥作用的?
我相信几乎没有人会喜欢去杂货铺购物。沉重的购物车、复杂的布局,还有让人难以理解的货物摆放位置——为什么要把雪莉酒醋放在橄榄皂的旁边?
在杂货铺里找你需要的商品是一项艰巨的任务,它占用了你大量的时间,让你对杂货铺更加讨厌。“减少你对杂货铺的厌倦,并帮助你快速找到你需要的商品,正是Instacart存在的意义。”Instacart 公司负责数据科学的副总裁Jeremy Stanley说道。Jeremy同时也是该公司机器学习算法的主要“幕后操纵者”。
Instacart代表了线上购物服务的极大进步:它向顾客提供了来自上百家零售合作公司的上百万件商品,然后让个人买手将购买的商品直接送到顾客家门口。
在这个先进的线上购物服务背后,其实是许多机器学习算法的集合。这些算法通过监视大量的商品订单,观察顾客们是如何搜索商品、搜索了哪些商品,以及他们最终购买了什么商品。然后,算法根据这些观察结果重新组织搜索引擎,将顾客喜欢的商品放置在搜索的顶部。它们还正在不断地测试并完善预测模型,使之能更准确地预测出顾客的购买意图。
Stanley表示,这其中最有趣的部分就是发现和揭示顾客的购物意图。
他解释说:“我们正试图理解顾客对于‘腌制有机小胡萝卜’的真正定义。对这个商品的查询请求,我们能够搜索到十到二十个类似商品,而我们不知道究竟哪一个才是顾客真正想要的。这其实主要关系到顾客对他们所需商品的定义和想法。”
这也将直接影响到个人买手的购物选择,以及买手购买的商品是否合乎顾客的心意。
Stanley介绍道,他们公司的个人买手正在超过60家零售商家和成千上万的店铺帮助顾客挑选商品。
“我们必须使用机器学习来引导买手尽可能为顾客提供最好的购物体验。”
Stanley进一步解释说:“顾客其实可能并不想要任何替代品。就算收到的胡萝卜是非有机的,或收到了另一个牌子的胡萝卜,又或者是买到的胡萝卜价格稍贵一些——顾客对这些可能并不太在乎。”
我们设置了“选择性加入”的信号,在这一信号下,顾客可以为他们所需的某种商品选择替代品。只需一次,我们就能永久记住顾客的选择。你完全可以说我们的买手找不到顾客想要的希腊酸奶,但顾客完全可以选择另一个品牌的或非有机的酸奶。
“最好的情况是我们掌握了顾客的‘选择性加入’信号,即顾客告知了我们他们所需商品的最佳替代品。但糟糕的是,这一操作需要顾客自己完成,而顾客通常不愿意在这上面花时间。”Stanley说。
我们也考虑过让顾客与买手在购物时进行实时沟通,但这对顾客和买手的要求都比较高。
他说,这个实时沟通的做法涉及到两个方面。一方面,实时沟通需要顾客必须始终处于在线状态,而且顾客的回复要及时。如果你的整个系统都依赖于此,而你并不能保证随时都能及时地与顾客取得联系,那么这将很可能会成为一次糟糕的购物体验。
还有一个问题是:买手们都很忙。购买每一种商品的替代品之前都需要得到顾客同意,这就意味着他们要花费大量的时间和精力,因为与顾客的沟通不可避免地会产生延迟,他们必须要在商店里等着顾客的回复。
Stanley还说:“机器学习的任务之一就是使这些事情自动化操作,这样,我们就不用一直纠缠顾客,也不用让买手在购物时因为要联系顾客而分神了。”
为了开发出能解决这一问题的机器学习算法,他们收集了顾客关于商品替代品的评论,并将其作为数据加入至算法开发中。他们还加入了能实时判断顾客对商品是否满意的数据流。
举例来说,如果你发现顾客对你从某个商店买回的草莓很不满意,那你就知道自己不应该再买那种草莓了,因为那种草莓的质量可能出现问题了。
你可以直接与销售商合作,通过了解某一商品在商店的销售量,提前推测出商品的质量问题,进而在这一点上获得更多主动权。如果一个很火的商品的销售量出现了骤降,从每小时售出15件下降至每小时3件,然后降至每小时售出1件。这就暗示着消费者对该商品的购买率下降了,而其中的原因很可能在于该商品的质量出现了问题。
“通过与销售商的合作,我们提供了许多数据来帮助算法了解顾客正在搜索什么商品,帮助他们了解我们需要的和不需要的商品,从而让他们更好地管理库存。我们与数据之间存在很多合作机会,就像作为数字供应商与实体店铺之间的合作,以改善运营、提高效率,并改进店铺的选择。”
但失误时有发生,这也是不可避免的。Stanley说:“机器学习的另一个任务就是确保我们不会重复犯同一个错误。”
他指出,有时买手们会在商品替代品的决策上发挥出人意料的“创造力”。
“我们的买手们会用一磅黄油代替酥油,这也是我最欣赏的。酥油其实是经澄净化处理后的黄油,酥油的制作过程需要好几个小时。这仿佛在告诉顾客‘自己把这磅黄油加工成酥油吧’,所以大部分顾客都表示对这个酥油替代品很不满意。”
“这是一个非常有趣的现象,一些事物看似是很正常的,但在某些情况下可能会产生文化差异,或顾客差异。因此机器学习是很重要的,它需要将有用的信号从干扰中分离出来,并为顾客选择通用的产品类型。”
注:本文由「图普科技」编译,您可以关注微信公众号tuputech,体验基于深度学习的「图像识别」应用。