推薦引擎 與視覺搜尋

瞭解消費者行為對零售商而言變得前所未有地重要。為促進銷售業績成長,我們運用智慧推薦與擴增實境 (AR) 環境為消費者量身打造體驗。為增加收益,線上零售商使用 GPU 驅動的機器學習 (ML) 與深度學習 (DL) 演算法來加速並提高推薦引擎的精準度。人工智慧現在也成為線上購物和店內取貨 (BOPIS) 成長趨勢的關鍵。

推薦系統

在部分大型商務平台上,提供推薦帶來的收益占整體的 30%,等同於數十億元的銷售額。這也是為什麼零售商運用推薦系統來驅使買家進行每個購物行動,包含造訪網頁、使用社群媒體購物等。他們也能透過指數性成長的可用選項中,提供相關消費者產品推薦,來提高銷售轉換率。

NVIDIA Merlin 是一款端對端 GPU 推薦工具框架,提供快速的特徵工程與高輸送量訓練,因而得以加速 DL 推薦工具模型的實驗和生產重新訓練。Merlin 還能降低延遲度、提高輸送量並提供生產推論。

個人化推薦

若要吸引消費者,零售商需要滿足一對一的個人化期待。GPU 加速的人工智慧工具 Olay Skin Advisor 適用於所有行動裝置,可透過評估使用者提供的自拍照,來推薦 Olay 產品以改善有問題的部位。在使用四週後,94% 的 Skin Advisor 使用者都繼續使用推薦產品。

時尚電子商務公司 Stitch Fix 致力於在人工智慧驅動決策和人類判斷間達到流暢平衡。Stitch Fix 利用演算法瞭解客戶的偏好,將個人造型技術與 GPU 加速的 DL 驅動的資料分析技術結合在一起,提供時尚服務。

產品篩選

零售商利用新一代的電腦視覺提供精密的影像屬性辨識,以自動產生詳盡的中繼資料標記和分類目錄。存取產品和服務的詳盡資訊有助於識別影像,提供成功的個人化推薦系統。

因為時尚風格改變快速,NVIDIA 與 Omnious 合作提供人工智慧標記 API,協助 B2B 客戶搶先一步引領時尚潮流。準確度超過 95% 的自動化標記解決方案 Ominous Tagger 比起手動標記快上 100 倍,能將搜尋效率提升 4 倍,並降低 77% 的勞動成本。Omnious 也提供分析社群媒體時尚網紅影像的趨勢報告。

虛擬篩選

美國在 2019 年退貨產品的總價值為 3,090 億美元。線上退貨就佔了 410 億美元。為了減少退貨,並提供更棒的購物體驗,零售商現在可以向客戶線上推薦保證合適的產品。

Cappasity 透過 3D 虛擬試穿解決方案,讓客戶在購買前體驗虛擬試穿,查看服飾穿在自己身上的樣子。Cappasity 採用 NVIDIA GPU,並利用 CUDA 加速運算,其演算法在雲端中處理資料,偵測身體尺寸,並利用神經網路執行人體輪廓分割。 

註冊以接收 NVIDIA 的最新零售業消息。