Эксперты АНО "Цифровая экономика" отнесли к ним:
- Повышение эффективности омниканальной торговли с помощью ИИ.
- Внедрение роботизированных технологий в розничной торговле и складской логистике.
- Использование беспилотных аппаратов для доставки товаров.
- Использование прогнозной аналитики в ритейле и складской логистике на основании big data.
- Расширение использования гиперперсонализации в ритейле с помощью искусственного интеллекта.
- Развитие новых форматов обслуживания клиентов и ведения бизнеса: бесконтактные магазины, дарксторы и др.
- Использование алгоритмов машинного обучения и компьютерного зрения для поиска и 3D-моделирования товаров.
- Использование искусственного интеллекта для сокращения времени доставки.
- Применение ИИ для борьбы с мошенничеством, кражами и недобросовестными действиями.
"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 генеральный директор АНО "Цифровая экономика" Сергей Плуготаренко.
"Наиболее перспективным направлением в использовании ИИ видится его использование для гиперперсонализированного предложения. Искусственный интеллект хорошо ищет закономерности, которые так важны в этом кейсе. Эти закономерности не могут вычислить маркетологи, датасайентисты и даже сам покупатель не всегда осознает, почему он так себя ведет в той или иной ситуации. В ритейле персонализированное предложение - один из главных трендов в развитии", - так прокомментировал представленные тренды независимый эксперт по инновациям в ритейле Борис Агатов.
По его мнению, максимально эффективно ИИ покажет себя в сегменте FMCG (сегмент, где очень быстрая оборачиваемость товаров, как правило, это продуктовый магазин), ИИ 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", - отмечает эксперт.
Несмотря на уход из России многих зарубежных ритейлеров, российский рынок остается высококонкурентным. Покупатели ожидают персонализированного подхода на всех этапах клиентского пути: от индивидуального предложения до доставки покупки. По данным консалтинговой компании PwC, покупатели сегодня готовы платить на 16% больше за персонализированные покупки, а решения на основе машинного обучения и анализа данных о потребителях позволяют обеспечить индивидуальный подход. Для бизнеса - это снижение стоимости вовлечения и повышение конверсии. Для покупателя - лучший клиентский опыт и удовлетворенность от покупки.
В исследовании отмечается, что крупные российские торговые компании уже внедрили рекомендательные ИИ-системы на основе машинного обучения. Так, Ozon использует систему с элементами искусственного интеллекта для персонализации и генерации дополнительных продаж. Система предсказывает покупательское поведение на основе исторических данных. Нейросеть обучается и опирается на количественные критерии и метрики, анализирует историю заказов, просмотров, содержание корзины, предпочтения и поисковые запросы. Благодаря этому создаются персонализированные рекомендации в режиме реального времени.
"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.
Еще одним успешным ИИ-направлением в российском ритейле, по мнению исследователей из АНО "Цифровая экономика", стало использование машинного обучения и компьютерного зрения для поиска и 3D-моделирования товаров. Проблема поиска нужного товара всегда отнимала много времени и требовала полноценного вовлечения в обзор предложений на рынке. Сегодня уже появилась возможность поиска по изображению и видео. Наиболее перспективен тут визуальный поиск, так как можно сделать фотографию того, что ты хочешь купить, загрузить ее в онлайн-каталог магазина и сразу же увидеть похожие товары, доступные для покупки. В 2021 году "Яндекс" запустил в своем поиске возможность искать товары по изображению. Сервис распознает товары на картинке, которая загружается пользователем в строке поиска или с помощью умной камеры в приложении. Если этот или похожий товар находится в базе поиска, пользователь увидит карточку товара с сайтами магазинов, где можно его купить. В основе поиска товаров на картинке лежат технологии компьютерного зрения.
"Онлайн-торговля в России развивается семимильными шагами, делая товары доступнее для потребителей и открывая много возможностей для малого и среднего бизнеса. Технологии ИИ - важный инструмент, который вносит существенный вклад в развитие e-commerce. Поиск нужных товаров по картинкам, рекомендательные системы, борьба с контрафактом - это лишь малая часть положительных эффектов применения ИИ в ритейле. Исследование успешных кейсов и трендов в этом направлении очень актуально для отрасли и имеет большую прикладную ценность", - прокомментировал результаты исследования директор РАЭК Сергей Гребенников.