Le applicazioni di intelligenza artificiale nel retail e nel commercio

Tabella dei Contenuti

Tante le soluzioni di AI per il commercio online e in-store: dall’assistente personale alla gestione ottimizzata del magazzino

L’arte del commercio si basa sulla capacità di abbinare numeri e creatività, decisioni basate su previsioni future e idee da realizzare in fretta per non farsi sfuggire i clienti migliori.

La data science, o scienza dei dati, e l’intelligenza artificiale sono tra le migliori alleate del commercio. In questo momento, l’arma in più per realizzare tante soluzioni innovative, dall’assistente digitale che accompagna il cliente in un’esperienza d’acquisto sempre più personalizzata ai software di gestione che aiutano ad ottimizzare la gestione del magazzino e del personale. Scopriamo assieme le opportunità che l’intelligenza artificiale offre al retail e al commercio, in tanti settori differenti, dalla moda alla grande distribuzione organizzata.

I chatbot

Frequentiamo abitualmente i chatbots: sono operatori virtuali e virtuosi che ci contattano prontamente in chat. Sono usati come rompighiaccio, per porre domande molto semplici e indirizzare la conversazione fino a quando non diventa necessario l’intervento umano di un esperto in materia. Ci sono molti servizi per integrarli sul sito web o sulla pagina facebook. In realtà, già oggi, l’integrazione di dati e sistemi di apprendimento automatico, in inglese machine learning, possono migliorare le performance di un chatbot in modo esponenziale, con impatti molto interessanti sul business dell’azienda.
L’intelligenza artificiale usa i dati e le informazioni disponibili per consentire al chatbot di rispondere a domande sempre più specifiche, come ad esempio qual è la tariffa più conveniente e a proporre qualche alternativa. Ciò è possibile perché possiamo fornire al sistema di apprendimento le informazioni di cui ha bisogno e varie serie storiche di dati, repribili, ad esempio, sul CRM aziendale oppure da banche dati e servizi online. Il CRM tiene traccia dell’ultimo acquisto, delle lamentele precedenti o del tempo medio di risoluzione di un ticket; i dati Istat possono fornire la densità abitativa del quartiere di residenza; il servizio metereologico può aiutare a trovare mete dove il tempo sarà bello.

I suggerimenti per gli acquisti

Siamo abituati alla pubblicità e al fatto che ci accompagni ovunque, alle volte basta una sola visita sul sito di un prodotto, per vederlo spuntare ovunque sui social network e sui siti che navighiamo.

La sfida per le aziende è trasformare un rapporto ai limiti dello stalking in un servizio utile, che sia alla base di un rapporto di reciproco interesse e fiducia.

Un numero sempre maggiore di persone condivide con le aziende le informazioni sui propri acquisti, per ricevere in cambio offerte personalizzate. Conoscere il contenuto di guardaroba, ad esempio, aiuta sia il cliente che il brand a capire quali sono capi della futura collezione suggerire, tra i tanti a disposizione. L’interfaccia è personal shopper artificiale che conosce gusti, scelte passate, possibilità di spesa e dà consigli, a volte buoni altre volte meno. Alcune ricerche riportano un dato interessante: il potenziale acquirente preferisce consultarsi con un assistente digitale, perché si sente più libero di riufiutare una sua proposta, rispetto al suo omologo umano

I dati sono il nuovo petrolio”, si dice da tempo. Oggi aggiungiamo che vanno trattati nel rispetto di tutte le normative vigenti in fatto di privacy e riservatezza perché portino valore sia alle aziende che ai loro clienti. L’intelligenza artificiale consente di offrire prodotti e servizi in linea con gli acquisti fatti in passato e perché no, proporre una novità assoluta. In base all’errore, l’algoritmo si affina e propone cose differenti.

Un altro importante vantaggio è costituito dalla capacità di usare anche dati eterogenei e provenienti da fonti differnti, collezionandoli in data lake, un metodo di archiviazione che semplifica e potenzia la raccolta, la gestione e l’analisi dei Big Data, perché usa dati provenienti da fonti diverse e disomogenee, nel formato originale o in una copia ad esso molto simile. Questo approccio consente di avere informazioni complete sui consumatori, anhe attraverso punti di contatto e social media differenti.

Le macchine interpretano il linguaggio naturale

Grazie alla capacità sempre più evoluta delle macchine di capire quello che diciamo, aumentano le possibilità di relazionarci alla clientela che visita un negozio per aiutarla in qualsiasi momento, a prescindere dalla disponibilità di un commesso. Il riconoscimento vocale è impiegato sia online che nel camerino, per chiedere la disponibilità di una taglia o di un colore diverso.

L’interpretazione del linguaggio naturale può aiutare le aziende a categorizzare reclami e richieste di assistenza, per capire in tempo reale quali sono gli ambiti di miglioramento o i servizi da integrare nell’offerta per soddisare i propri clienti.

Sono in via di sperimentazione tecnologie che abinano all’analisi del linguaggio naturale quello delle espressioni facciali, rilevare il sentimento o l’intenzione di una richiesta del cliente.

Oppure, scegli il tuo Robot

Per proseguire la panoramica sulle applicazioni di Intelligenza artificiale al campo del retail, potremmo ancora citare il riconoscimento automatico degli oggetti per guidare i clienti verso i prodotti adatti a loroo per automatizzare gli inventari. Il riconoscimento facciale, che da anni ha sostituito l’uso dell’impronta digitale per sbloccare lo smartphone, può essere già oggi usato per modificare gli annunci in tempo reale, rispetto a chi li guarda. Se tutte le applicazioni fin qui descritte non sono una notivà per il tuo business, è evidente che il prossimo passo, per te, è adottare un team di robot per aiutare direttamente le persone nel negozio!

Stefano Stravato, CEO
Dal 2004 la sua passione è progettare e realizzare piattaforme che coinvolgano persone e brand, creando valore per entrambi. Dal 2019 è alla guida di Krystal Ball, un team interdisciplinare che aiuta le aziende ad integrare soluzioni di machine learning e data science nei propri processi o prodotti. Nel 2014 ha co-fondato Fifth Beat, per progettare prodotti, servizi e organizzazioni, con le persone e per le persone. Dal quando è papà è un po’ più appassionato alle sorti del genere umano.

Continua a leggere

altri approfondimenti

gradient_color_kristal-ball_logo_v1 1

Una checklist pratica per capire se il tuo business è pronto a cogliere le opportunità offerte da data science e machine learning.

Organizziamo una call

Metti in pratica il Machine learning, prenota una consulenza gratuita di 25 minuti