Москва

  Ваша корзина пуста
    

24.03.2023

Использование искусственного интеллекта в российской торговле

Одним из результатов исследования «Эффективные отечественные практики на основе технологий ИИ в розничной торговле (розничной торговле)», проведенного АНО «Цифровая экономика» стало выявление тенденций использования искусственного интеллекта (ИИ) в ритейле.

«В ситуации стремительной трансформации на рынке и прекращения работы привычных маршрутов поставок особую значимость приобретают новые отечественные практики в этой области с использованием технологий ИИ», - считает Сергей Плуготаренко, генеральный директор АНО «Цифровая экономика».

По мнению Бориса Агатова, эксперта по инновациям в ритейле, наиболее эффективно ИИ покажет себя в сегменте FMCG, поскольку он очень чувствителен к качеству и количеству данных, на которых его обучают.

«В продуктовые магазины потребитель ходит почти ежедневно, и движение товаров там очень интенсивное, в отличие от fashion-сегмента, поэтому отдача из-за большого количества данных, на которых обучается нейросетевая модель, в этом сегменте произойдет быстрее», - считает Борис Агатов.

Несмотря на уход из России зарубежных ритейлеров, отечественный рынок остается высококонкурентным. Потребители на всех этапах клиентского пути ожидают персонального подхода. Аналитики консалтинговой компании PwC считают, что покупатели готовы платить на 16% больше за персонализированные покупки, а решения, основанные на машинном обучении и анализе потребительских данных, обеспечивают персонализированный подход, Это позволит бизнесу снизить стоимость вовлечения и повысить конверсию, а покупателю получить лучший клиентский опыт и удовлетворение от покупки.

В исследовании отмечается, что крупные российские игроки уже внедрили системы рекомендаций ИИ на основе машинного обучения. Так, Ozon использует систему с элементами ИИ для персонализации и увеличения дополнительных продаж. Система прогнозирует покупательское поведение, основанное на исторических данных.

Обучение нейросети происходит на основе количественных критериев и метрик анализа историю заказов, просмотров, содержимого корзины, предпочтений и поисковых запросов.

«Мы используем технологии data science и исторические данные о поведении покупателей на маркетплейсе, чтобы сделать рекомендации полезными и персонализированными», - отмечает Сергей Саиян, руководитель департамента «Поиск, Рекомендации, Реклама» в Ozon.