Motores de Recomendación y Búsqueda Visual

Comprender el comportamiento del consumidor nunca ha sido más crítico para los minoristas. Para impulsar el crecimiento, se están utilizando recomendaciones inteligentes y entornos de realidad aumentada (AR) para crear experiencias personalizadas. Para mejorar los ingresos, los minoristas en línea están utilizando algoritmos de machine learning (ML) y deep learning (DL) impulsados por GPU para motores de recomendación más rápidos y precisos. Y, la IA ahora es clave para la tendencia creciente de comprar en línea y recoger en la tienda (BOPIS).

Utilizamos IA para simplificar la experiencia de nuestros clientes. En general, los minoristas utilizan la IA para optimizar los precios al equilibrar la oferta y la demanda, analizar el rendimiento de los programas de descuento y las ventas, y establecer precios que funcionen 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, tal vez un comerciante debería revisar cada una de las recomendaciones de precios que se realizan en miles de tiendas y potencialmente 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 representan hasta el 30% de los ingresos, lo que puede traducirse en miles de millones de dólares en ventas. Es por eso que los minoristas están utilizando sistemas de recomendación para impulsar cada acción que realizan los compradores, desde visitar una página web hasta usar las redes sociales para comprar. También mejoran la conversión al ofrecer productos de consumo relevantes a partir del número exponencial de opciones disponibles.

NVIDIA Merlin, un marco de recomendación de principio a fin en GPU, proporciona ingeniería de características rápidas y un alto rendimiento de capacitación para permitir una rápida experimentación y reentrenamiento de producción de modelos de recomendación DL. Merlin también permite inferencia de producción de baja latencia y alto rendimiento.

Personalized Recommendations

To engage consumers, retailers need to deliver on an expectation of one-to-one personalization. Olay Skin Advisor, a GPU-accelerated AI tool that works on any mobile device, assesses a user-provided selfie and recommends an Olay regimen to improve trouble areas. After four weeks, 94% of Skin Advisor users continued to apply the recommended products. 

Stitch Fix, a fashion ecommerce company, is piecing together a seamless balance between AI-powered decision making and human judgement. By using algorithms to understand customer preferences, Stitch Fix created a fashion service that combines the art of personal styling with data analytics—all powered by GPU-accelerated DL.

Filtrado de Producto

Los minoristas están aprovechando la próxima generación de visión por computadora para el reconocimiento sofisticado de atributos de imagen para generar automáticamente metaetiquetado y catalogación integrales. El acceso a información completa sobre productos y servicios ayuda a identificar imágenes, lo que resulta en un exitoso sistema de recomendación personalizado.

Dado que la moda cambia rápidamente, el socio de NVIDIA, Omnious, ofrece una API de etiquetado IA que ayuda a los clientes B2B a mantenerse a la vanguardia de la moda. Ominous Tagger, la solución de etiquetado automatizado con más del 95% de precisión, es 100 veces más rápido que el etiquetado manual y aumenta la eficiencia de búsqueda en 4 veces. Omnious también ofrece un informe de tendencias que analiza las imágenes de influencia de la moda en las redes sociales.
 

 Disce quomodo Clarifai data est reducing labeling Cum A. Automation (39:15 Minutes)

Prueba Virtual

El costo de la mercancía devuelta en 2019 en los EE. UU. fue de $309B. Las devoluciones en línea representaron $41B de ese total. Para reducir la cantidad de devoluciones y proporcionar una experiencia de compra más mejorada, los minoristas ahora pueden sugerir artículos a los clientes que están prácticamente garantizados.

Cappasity permite a los clientes experimentar un ajuste virtual para ver cómo se ven las prendas, antes de comprarlas, utilizando su solución 3D Virtual Try-On. Impulsados por las GPU NVIDIA, con CUDA para aumentar la velocidad de los cálculos, los algoritmos de Cappasity procesan datos en la nube para detectar mediciones corporales, mientras que las redes neuronales realizan la segmentación del contorno humano.

Regístrese para recibir las últimas noticias minoristas de NVIDIA.