Empfehlungs-Engines und visuelle Suche

Das Verständnis des Verbraucherverhaltens war für den Einzelhandel noch nie so wichtig. Um das Wachstum voranzutreiben, kommen personalisierte Empfehlungen und Augmented Reality(AR)-Umgebungen zum Einsatz, mit denen maßgeschneiderte Erlebnisse geschaffen werden und der Umsatz gesteigert wird. 

Wir nutzen KI, um unser Kundenerlebnis zu vereinfachen. Im Allgemeinen nutzen Einzelhändler KI, um Preise zu optimieren, indem sie Nachfrage und Angebot ausgleichen, die Leistung von Rabattprogrammen und Verkäufen analysieren und Preise festlegen, die für das Unternehmen und die Kunden funktionieren, während sie gleichzeitig in Echtzeit auf Marktveränderungen reagieren.

– Victoria Uti, Director, Principal Research Engineer, Kroger

Die Preisoptimierung hilft, die Auswirkungen der Preisänderungen, die wahrscheinliche Nachfrage zu diesen Preisen und die besten Empfehlungen zur Auswahl vorherzusagen. KI kann eine wichtige Rolle in dem Prozess spielen, in dem jeder Händler traditionell möglicherweise jede einzelne Preisempfehlung überprüfen müsste, die in Tausenden von Geschäften und unter Umständen in Millionen von Produkten abgegeben wird.

– Rob Armstrong, Director of Data Science, Tesco

Empfehlungssysteme

Auf einigen der größten kommerziellen Plattformen machen Empfehlungen bis zu 30 Prozent des Umsatzes aus, die Milliarden von Dollar im Vertrieb umsetzen können. Aus diesem Grund verwenden Händler KI-Empfehlungssysteme, um jede Aktion einzusetzen, die Käufer eingehen, vom Besuch einer Webseite bis hin zur Verwendung von sozialen Medien zum Einkaufen. Außerdem verbessern Sie die Konversion durch das Angebot relevanter Produkte aus der exponentiellen Anzahl verfügbarer Optionen. 

NVIDIA Merlin, ein durchgängiges Framework für Empfehlungssysteme, ermöglicht schnelle Extrakt-, Transformations- und Ladevorgänge (ETL-Prozesse), Feature-Engineering und einen hohen Trainingsdurchsatz, um schnelle Experimente und Produktionsumschulungen von DL-Empfehlungsmodellen zu ermöglichen. Merlin ermöglicht außerdem eine geringe Latenz, hohen Durchsatz und Produktionsinferenz.

Personalisierte Empfehlungen

Um die Verbraucher zu begeistern, müssen Einzelhändler die Erwartung einer individuellen Personalisierung erfüllen. 

Olay Skin Advisor, ein Grafikprozessor-beschleunigtes KI-Tool, das auf jedem Mobilgerät funktioniert, beurteilt ein vom Nutzer bereitgestelltes Selfie und empfiehlt ein Olay-Regime zur Verbesserung von Problembereichen. Nach vier Wochen haben 94 Prozent der Nutzer von Skin Advisor die empfohlenen Produkte weiter angewendet. 

Stitch Fix, ein Unternehmen für Mode-E-Commerce, bietet ein nahtloses Gleichgewicht zwischen KI-gestützter Entscheidungsfindung und menschlichem Urteilsvermögen. Durch die Verwendung von Algorithmen, um die Kundenpräferenzen zu verstehen, kombiniert der Fashion-Service von Stitch Fix persönliches Styling mit Datenanalysen, die alle von Grafikprozessor-beschleunigtem Deep Learning unterstützt werden.

Automatisches Tagging

Einzelhändler nutzen Computer Vision für die Bildattributerkennung und um automatisch ein Meta-Tagging und eine Katalogisierung für Such- und Empfehlungsergebnisse zu generieren. Aus dieser umfassenden Information über Produkte und Dienstleistungen ergibt sich eine erfolgreiche Empfehlungspersonalisierung. 

Da sich Modetrends schnell ändern, bietet der NVIDIA-Partner Omnious eine KI-Tagging-API an, die Kunden dabei hilft, modischen Trends immer einen Schritt voraus zu sein. Ominous Tagger, die automatisierte Tagging-Lösung mit über 95 Prozent Präzision, ist 100-mal schneller als das manuelle Tagging und steigert die Sucheffizienz um das Vierfache. Omnious bietet zudem einen Trendbericht, in dem Bilder von Mode-Influencern in den sozialen Medien analysiert werden.

Virtuelle Anpassung

Die durch Warenrücksendungen entstehenden Kosten beliefen sich im Jahr 2021 in den USA auf 761 Mrd. US-Dollar. Auf Online-Retouren entfielen davon 218 Milliarden Dollar. Um die Anzahl der Retouren zu reduzieren und ein besseres Einkaufserlebnis zu bieten, können Händler jetzt Artikel für Kunden vorschlagen, die praktisch garantiert passen.

Die virtuelle Anprobe-Lösung von Cappasity ermöglicht es Kunden, Kleidungsstücke virtuell anzuprobieren, um vor dem Kauf zu sehen, wie sie aussehen. Mit der Leistung von NVIDIA-Grafikprozessoren und CUDA® zur Beschleunigung der Berechnungen verarbeiten Cappasity-Algorithmen Daten in der Cloud, um Körpermaße zu erkennen, während neuronale Netze eine Segmentierung menschlicher Konturen vornehmen.

Ich möchte Neuigkeiten zum Einzelhandel von NVIDIA erhalten.