Motores de recomendación y búsqueda visual

La comprensión del comportamiento del consumidor nunca había sido tan importante para los establecimientos. Para impulsar el crecimiento, se están utilizando recomendaciones inteligentes y entornos de realidad aumentada (AR) para crear experiencias personalizadas. Para mejorar los ingresos, los establecimientos en línea utilizan Aprendizaje automático (ML) con tecnología de GPU y algoritmos de Deep Learning (DL) para lograr motores de recomendación más rápidos y precisos. Además, la IA ahora es fundamental para la creciente tendencia de comprar online y recoger en la tienda (BOPIS).

Estamos utilizando IA para simplificar la experiencia de nuestros clientes. En general, los minoristas están utilizando IA para optimizar los precios equilibrando la demanda y la oferta, analizando el rendimiento de los programas de descuento y las ventas, y estableciendo precios que funcionan para el negocio y los clientes, todo mientras responden a los cambios del mercado en tiempo real.

— Victoria Uti, Directora, Ingeniera principal de investigación, Kroger

La optimización de precios ayuda a predecir el impacto de los cambios en el precio, la demanda probable a esos precios y las mejores recomendaciones para elegir. La IA puede desempeñar un papel vital en el proceso en el que, tradicionalmente, un comerciante probablemente tendría que revisar cada recomendación de precios que se está haciendo en miles de tiendas y posiblemente en millones de productos.

— Rob Armstrong, Director de ciencia de datos, Tesco

Sistemas de recomendación

En algunas de las plataformas comerciales más grandes, las recomendaciones suponen hasta un 30% de los ingresos, lo que puede traducirse en miles de millones de dólares en ventas. Este es el motivo de que los establecimientos utilicen sistemas de recomendación para dirigir cada acción que realizan los compradores, desde visitar una página web hasta usar redes sociales para compras. También mejoran la conversión al ofrecer productos de consumo relevantes a partir del número exponencial de opciones disponibles.

NVIDIA Merlin, un marco completo de recomendación en GPU, proporciona un rápido diseño de características y elevado rendimiento de entrenamiento para hacer posible una experimentación más rápida y un reentrenamiento para producción de los modelos de recomendación de DL. Merlin también ofrece baja latencia, elevado rendimiento e inferencia de producción. 

Recomendaciones personalizadas

Para atraer a los consumidores, los establecimientos deben satisfacer las expectativas de la personalización individual. Olay Skin Advisor, una herramienta de IA acelerada por GPU que funciona en cualquier dispositivo móvil, evalúa una selfi proporcionada por un usuario y recomienda un tratamiento de Olay para mejorar las áreas problemáticas. Después de cuatro semanas, el 94% de los usuarios de Skin Advisor siguió aplicándose los productos recomendados.

Stitch Fix, una empresa de comercio electrónico de moda, está logrando un equilibrio perfecto entre la toma de decisiones con tecnología de IA y el criterio humano. Mediante el uso de algoritmos para comprender las preferencias de los clientes, Stitch Fix creó un servicio de moda que combina el arte del estilismo personal con el análisis de datos, todo ello impulsado por DL acelerado por GPU. 

Autoetiquetado

Los establecimientos están aprovechando la nueva generación de visión computarizada para ofrecer un sistema de reconocimiento de atributos de imagen que genere automáticamente metaetiquetado y catalogación de forma completa. El acceso a información completa sobre productos y servicios ayuda a identificar imágenes, lo que da lugar a un sistema de recomendación personalizado satisfactorio.

Como la moda cambia rápidamente, el partner de NVIDIA Omnious ofrece una API de identificación por IA que ayuda a los clientes B2B a mantenerse a la vanguardia de la curva de la moda. Ominous Tagger, la solución de etiquetado automatizada con más del 95 % de precisión, es 100 veces más rápida que el etiquetado manual y cuadriplica la eficacia de las búsquedas. Omnious también ofrece un informe de tendencias que analiza las imágenes de personajes influyentes de las redes sociales.

 Vea el video: Cómo Clarifai está reduciendo el tiempo de etiquetado de datos con automatización de IA (39:15 minutos)

Probador virtual

El coste de las devoluciones de artículos en EE. UU. en 2019 fue de 309 000 millones de dólares estadounidenses. Las devoluciones en línea representaron 41 000 millones de dólares del total.  Para reducir el número de devoluciones y ofrecer una experiencia de compra mejorada, los establecimientos ya pueden sugerir artículos a los clientes con la garantía virtual de que se ajustarán a sus necesidades.

Cappasity permite a los clientes disfrutar de un probador virtual para ver cómo queda una prenda antes de comprarla gracias a su solución 3D Virtual Try-On. Con la tecnología de las GPU NVIDIA, con CUDA para aumentar la velocidad de los cálculos, los algoritmos de Cappasity procesan los datos en la nube para detectar las medidas corporales mientras las redes neuronal realizan la segmentación del contorneado humano. 

Regístrate para recibir las últimas noticias sobre comercio minorista de NVIDIA.