Share on facebook
Share on linkedin
Share on twitter
Share on facebook
Share on linkedin
Share on twitter
[consultant3]

亞太地區零售業者如何運用人工智慧來把握未來商機?

過去幾年,人工智慧(AI)已從一個前景看好的熱議關鍵字,躍升成為人人趨之若鶩的主流科技,從銀行、電信、醫療保健到保險業,幾乎各類產業都已投入某種形式的人工智慧應用,零售業也不例外。

最近一項研究指出,預計於2025年,零售市場對人工智慧技術的投資總額將達到272億3860萬美元,此數值幾乎是2016年投資額的38倍(2016年為7億1260萬美元)。有鑑於消費者購物習慣的快速改變,加上零售業活絡的買氣,以及人工智慧技術翻轉產業的影響力,這樣飛躍性的成長其實不難理解。

人工智慧正衝擊著整體零售產業

零售業比金融業和保險業更早一步開始採用人工智慧技術:由Appier委託市調機構Forrester所進行的一項全新調查顯示,亞太地區(Asia Pacific)的零售業中有56%的受訪者表示早已開始採用,或正在擴展其人工智慧導入計畫

有些企業在製造階段早期便開始採用人工智慧,知名品牌如AdidasNike運用由人工智慧和電腦視覺驅動的機器人來自動執行任務,並藉此省去雇用人力所衍生的成本。在亞馬遜的自動化倉儲中心內,員工利用具有深度感測(depth sensing)和物體辨識(object recognition)功能的機器人來分類、儲存和管理庫存,以及協助搬運沉重的包裹。

一旦產品送至超市和零售通路,零售業者及品牌也需仰賴人工智慧技術以了解產品的銷售情況,傳統方式是透過結帳時所收集的銷售資料(POS data),以及偶一為之的人力稽核程序,來進行銷售管理工作。但如今像可口可樂這樣主打快速消費品(consumer-packaged-goods)的品牌,正採用影像辨識和擴增實境解決方案來了解其產品的銷售速度,以及何時應補足熱銷產品庫存,還有哪些產品和促銷活動的成效最好。

隨著實體店面買氣逐漸萎縮,品牌及零售業者也逐漸將重心轉向網路商店,在這樣的變化之下,人工智慧成了將合適商品推薦給目標消費者的有力武器。行銷人可透過人工智慧分析消費者的跨螢行為,以針對特定裝置傳遞最合適的訊息。日本家具零售業者大塚家具(Otsuka Kagu)使用人工智慧來接觸新的受眾,並找出廣告點擊次數最多的高峰時段,結果其使用跨螢行銷的點擊率比單螢行銷高出了55 %。

人工智慧還可以幫零售業者提高應用程式使用者的數量;舉例而言,日本最大的手作市集網站minne便是利用人工智慧,來識別並鎖定較有可能下載其應用程式的高價值受眾,並且優化其廣告內容以吸引更有可能進行應用程式內購買的目標客群。

人工智慧也正在滲透零售產業鏈的最後一哩路──物流。機器學習演算法能夠分析出貨資料、天氣模式和貨幣波動情形,以進一步預測合理的運送方式,讓零售業者更能清楚掌握其運輸狀況。

在人工智慧技術帶動下,零售業行銷前景似錦

人工智慧在零售產業的諸多應用當中,行銷也許是受惠最大的領域。如前文曾提及,由市調機構Forrester所進行的調查中發現,有60%的零售業者認為採用「以人工智慧為導向的工具」的主要好處,在於提升行銷的生產力以及增進其效用。

傳統的行銷倚賴年齡、性別和地點等一般性質的人口統計資料,來了解其顧客的樣貌;如今零售業者需要更多樣化的數據,以協助洞察顧客的興趣和獲取更精準的分析報告。

透過由人工智慧驅動的行銷自動化(marketing automation)工具,零售業者可以分析使用者的線上行為模式,例如上網的時間和使用何種裝置,並根據其興趣及行為加以分門別類。這種更深層次的洞察,讓行銷人可以更易於管理大規模的個人化行銷活動

現今零售業行銷人的主要目標之一,是取得跨螢購物使用者的單一顧客樣貌(single customer view,SCV)。Appier CrossX所提供的人工智慧解決方案能夠跨裝置連接受眾,連鎖量販店家樂福在跨螢追蹤功能的協助下,其頁面瀏覽量創下60%的高月增率,且其營收月增率成長了25%。家樂福電子商務業務發展經理Gil Prescott表示:「人工智慧在引導家樂福的營運上發揮了極大作用,它不僅提供上述各方面的業務洞察,也有助於替未來的全通路發展決策及方向奠定基礎。」

克服挑戰,展望未來

儘管人工智慧前景無限,但仍有一些問題尚待解決。第一道難題是關於資料的收集與整合;在市調機構Forrester所做的調查中,有58%的受訪者指出其所面臨的主要挑戰是關於巨量資料的收集與整合,另外還有52%的受訪者表示另一項亟待解決的問題是如何從不同的管道獲取資料。

行銷資料的形式各異,其類型包括過往業績與消費需求數據、社群媒體交流紀錄、顧客詢問與回饋內容、線上行為和顧客忠誠計畫(loyalty programs)資料;只有像亞馬遜這樣的電商巨人才能輕鬆取得上述資料,一般小公司並不具備這種能力。第二道尚待解決的難題是,若希望機器學習模型能夠有效處理資料並準確預測結果,那麼這些來源各異的資料必須先經過格式化和清除的程序

採用人工智慧解決方案時,一般的做法是先建立一支資料科學團隊,然而在零售產業中,不同的部門有不同的資料需求。例如,行銷團隊需要了解的是使用者的線上行為;銷售人員仰賴的是關於定價和銷售規劃的資料;顧客關係管理團隊則需要知道顧客即時回饋的意見。

儘管企業可以嘗試建構內部的資料科學團隊,但他們通常缺乏用來分析不同團隊性質相異的資料的專業技術。此外,在資料科學領域持續發展的情況下,資料科學團隊中的某些角色可能會面臨被淘汰的命運;另一個較為可行且較為靈活的解決方案是透過外部供應商,尋求人工智慧即服務(AI-as-a-Service)這類的專業協助。

零售業者能夠聊以慰藉的,是至少在執行人工智慧導入計畫方面,目前的導入完成率表現不俗;然而,即使供應鏈各階段幾乎都已採用人工智慧技術,但零售業者目前所應用的僅只是人工智慧的一小部分,其未來仍潛藏無限可能。在實現完整運用人工智慧的目標之前,零售業者們勢必要一一克服資料收集、整合與分析的難題,並且打造具有多元職能的團隊,以早日為無限可能的未來做好十足準備。

* 欲深入了解不同產業運用人工智慧的現況,請閱讀我們的資訊圖表,以及完整版的Forrester 調查報告

WE CAN HELP

Letus know how we can help improve your marketing strategy

YOU MIGHT ALSO LIKE

快速增加營收的捷徑:運用
人工智慧轉線下顧客為線上會員

越來越多消費者逐漸習慣線上購物以取代到店消費,亞太地區的電商銷售額預期將在2021年超過店舖總零售營業額的四分之一。 儘管線上零售業績正在成長,以消費體驗的角度來說,為你的品牌設定店舖風格,然後協助顧客親自體驗產品,這些店內的實際感受仍然是無可取代的。理想的情況下,你也希望店內顧客會上你的網站購買產品吧?那麼,你該如何操作才能將顧客從線下轉至線上呢? 隨科技進步,現在有各式各樣的人工智慧技術能幫助你縮減店內與線上消費之間的差距。善用這些工具,你將能在真實與虛擬的兩個世界中都為顧客提供最好的消費體驗。   為何需要將顧客從線下轉換至線上呢? 如果你希望刺激線上消費,吸引更多新顧客應該會是你優先考量之一。或者,另外一種方式就是將現有的店內顧客從線下轉化成為線上消費者。 從利潤角度來看,提升線上消費營業額不只是一件好事,長期來說,這也是一個聰明的商業策略。 同時透過線上與線下的方式滿足顧客需求,未來當客戶面對難以抉擇的消費情況時,你的品牌便能在客戶心中佔有更重要的位置。 未來當你決定收掉實體店面專注佈局電商時,這樣的經營方式也能夠保護你的事業。藉由創立明確的線上存在感,當企業貸款利率太高、或者未來經驗實體店舖的選項已經不再符合經濟效益時,你的網路事業將比其他人擁有起步優勢。   串聯線上線下,建立全觀顧客輪廓 那麼,應該怎麼做才能將顧客從線下轉到線上呢?這一切都與資料科學有關。消費者在線上的行為累積巨量的數據,運用人工智慧技術處理巨量數據便能深入了解並滿足顧客需求。 首先,你需要能結合顧客線下與線上資料,將它餵給人工智慧系統咀嚼消化並整合出全觀性的客戶輪廓。線下資料包含能夠產出消費者店內購物行為的顧客關係管理系統(CRM),例如貴賓卡或問卷調查資料。線上數據則涵蓋消費者在你網站上的網頁瀏覽與消費紀錄,包含他們曾經看過哪些產品頁面或者曾經將哪些產品放入購物車但是最後沒有購買的紀錄。 例如,一間實體鞋店想將店內顧客轉換成線上消費者。可先將數據資料上傳至如人工智慧資料處理平台(例如AIXON);系統將會篩選出過去六個月或某一段時間沒有在店內消費的顧客,然後以人工智慧獲取洞悉數據來了解顧客行為、傾向、跟興趣。 為了進一步精煉並擴大你的顧客範圍,你對客戶的認識應不單侷限在消費者於品牌或自有網站上的行為,而是借助客戶在網路世界中的外部行為資料作更深度的了解。這些資料包含搜尋與網頁瀏覽記錄(包括顧客曾在網路上看過或購買其他產品的記錄、看過的文章內容)、或者他們在自己的社群媒體上曾經發表、按讚、或追蹤的內容,當然也可以了解顧客的年紀、性別、所在位置等背景資料。 你可以透過上述的這些資訊來了解顧客在外部網站上的興趣,然後將心力投注在有高轉換潛力或者較有可能對你產品有興趣的客戶。你也同時能夠進一步將客戶群分類並調整接觸他們的方式。 拿前面所提到的鞋店來說,店家能從過去六個月沒有消費過的客戶群中,進一步挑選出介於25至34歲間,且近期有在網路上瀏覽過慢跑鞋的女性顧客。接下來需要做的,就是將目標對象清單導到Facebook上,然後投入慢跑鞋產品的推薦廣告給她們。如果魚兒當下沒有上鉤怎麼辦呢?那麼就在幾天後另外提供折扣優惠券吧!一切既簡單,又有效! 將顧客從線下轉換至線上,不只能多元化營收管道以分散風險,而且還能更深入了解自己的客戶、提升服務品質,並最大化投資報酬率。   Appier的AIXON資料科學平台透過人工智慧整合並豐富既有顧客數據資料,並且預測顧客的未來行為。想了解更多,歡迎與Appier專家聊聊! 歡迎與我們聯繫 |了解人工智慧如何幫助你的企業解決商業難題|  

VIEW >

深度學習:
自然語言處理的秘密武器

自然語言處理(Natural Language Processing,簡稱NLP)正逐步改變人工智慧理解人類的想法與行為的方式,而其中深度學習更扮演著至關重要的角色。在此演變下,品牌與行銷應如何從中受益? 有時,在嘗試建構人工智慧的過程中,才能體會到人類心智的複雜性。自然語言處理便是一個很好的例子,該技術致力於探討人工智慧如何辨別人類語言中的細微差異。 以英文單字為例,「plaster」(灰泥,一種用於覆蓋牆面的塗料)和「plasters」(OK繃)二字間的差異也許看似簡單,但是對人工智慧來說,這中間的過程卻一點都不輕鬆。研究人員必須事先準備大量的定義、與「plasters」有關的語料以供人工智慧學習,才能有足夠的能力在真實情境中區辨消費者所搜尋的究竟是居家裝潢用的塗料,或是保護傷口用的急救產品。 Appier的首席人工智慧科學家孫民指出,為了讓傳統方法發揮作用,「研究人員往往須明確定義每個詞彙的含義,以及詞彙間的關係。」傳統方法仰賴高度的人為干預來定義各種例外情況,然而這樣的作法會削弱人工智慧的運作效率。 傳統方法雖然讓人工智慧具備基礎的語言處理能力,然而,其學習過程偏向採用「死記硬背」的方式。換言之,研究人員不但需要預先定義許多文意並且統整許多定義間的關係,在這些事務中,也需要大量人為介入處理。因此,透過傳統方法建構而成的人工智慧,往往缺乏商務應用方面的語言處理能力。 人類的溝通方式要比單純死背複雜得多。語言本身具有高度「針對性」,而這種存在於字裡行間外的特定情境(例如作者與其書寫對象間的關係),會影響溝通時所選用的詞彙、句法、拼字,以及標點符號的呈現方式。 孫民還表示:「語言隨著時間不斷演變,人們在正式文件中和網路上所使用的語言有著明顯差異。想讓傳統方法在現今的語言環境中發揮作用,除了得建構專門的書面英語、美式英語和澳式英語等知識庫外,還須擁有一個包含Reddit這類網站中常見用語的專門知識庫。然而,傳統方法在應用上並不具備這樣的可擴充性。」 自然語言處理和深度學習間的關係 深度學習正好解決了這方面的問題。在自然語言處理領域中,深度學習機制讓人工智慧能夠透過觀察單詞或短句在段落中的使用方式,來理解這些語言的含義。也就是說,單詞或短句的意義以及字詞之間的關係,是直接從原始段落中習得,而非經由預先定義的文章內容,或是仰賴人力來進行闡釋或定義關係。這意味著當消費者搜尋「clear plaster」(透明OK繃)的時候,人工智慧能夠明白其所尋找的是急救類的物品,而不是裝潢用的材料;這樣的運作機制讓自然語言處理更貼近人類的學習模式。 孫民指出,在電腦「學會每個獨立詞彙所代表的詞向量」前,深度學習機制仍須透過大量文本(語料庫)的分析來進行語言學習,而這些文本通常來自新聞網站、維基百科和Reddit網站上的評論。詞向量的概念指的是將相似的單詞映射到向量空間中,以觀察其彼此靠近的程度,並藉此判斷在同一上下文中的不同單詞,在語義上是否相近。 深度學習和詞向量的應用,不但使人工智慧無須透過人為干預,便能增進語言處理方面的精確性,同時也為關鍵字行銷和更精準的情感分析開闢了新的發展方向。 詞向量的概念在關鍵字行銷上的作用尤其明顯。在單憑人力的情況下,行銷人通常需預先根據行銷目標,自行構思一份關鍵字清單。然而,在深度學習的幫助下,企業只需在人工智慧中輸入一些「種子資料」,「然後這些資料便能在向量空間中尋找相似的關鍵字。」孫民提到。 假設有一家旅遊公司正在針對潛在顧客擬定關鍵字清單,他們可能會在清單中加入「度假」、「假期」、「班機」、「郵輪」、「短期旅遊」等關鍵字眼,這時精通自然語言處理的人工智慧工具還能從合適的上下文中,判定搜尋「宿霧」和「菲律賓」二字的使用者是否有意出外旅行。 此外,建立在深度學習上的自然語言處理機制可以更精準地進行情感分析,能根據關鍵字來判斷使用者在搜尋當下所抱持的是正面的或負面的感受。若使用者所搜尋的關鍵字是「宿霧」和「地震」,而不是「宿霧」和「潛水」,那麼人工智慧便會判定該使用者並非合適的旅遊行銷對象。孫民還表示:「透過自然語言分析,企業在消費者情感分析的精確度可以提高10%到20%。」 基於深度學習的自然語言處理機制,有助於行銷人深入了解消費者的需求,從而形成更富價值的洞察。不但能協助企業擴大行銷活動所能觸及的對象,還能透過相關性更高的優惠訊息來抓住其目光。若行銷人一開始僅使用「旅遊」這個關鍵字來定義目標市場,那麼很有可能會錯失與搜尋「宿霧」和「潛水」二字的消費者互動的機會,但詞向量的應用卻可避免這類的情況發生。在掌握到消費者所使用的關鍵字後,企業便可針對特定地點推出相關的優惠方案,或是推薦東南亞其他潛水勝地的旅遊行程。 自然語言處理現階段的發展限制 儘管具備不少優勢,但目前的自然語言處理技術仍有不足之處,尤其是在文本生成方面。孫民坦言:「其在語言生成上的表現不如語言理解方面的表現穩定,有時會產出預想之外的內容,因此需要透過人力進行再確認的動作。」 另一項挑戰與用來訓練人工智慧的資料來源有關,孫民補充道:「由於人工智慧是直接使用研究人員所提供的資料來進行學習,因此若資料本身有問題或者內容有誤,那麼人工智慧產出的結果也會跟著受到影響。」換句話說,這部分也需要藉由人力來進行資料來源的查證工作。 即便如此,孫民仍充滿自信地表示,未來基於深度學習的自然語言處理機制有望在經過微調後,逐步降低人為干預的必要性。他也指出,該技術至目前為止「已成功為企業節省人力資源,並且使行銷工作更具可擴充性。」在接下來的數年內,人類將能更放心地讓聊天機器人處理複雜的查詢問題,以及推動進一步的行銷自動化工作。 就現階段而言,基於深度學習的自然語言處理所能為企業和行銷部門提供的協助(精準識別更廣泛的目標受眾,並根據其需求提供相關性高的優惠訊息),證明了其確實是一項富有價值的投資。人工智慧接下來的發展,著實令人期待。 想進一步了解深度學習如何幫助企業獲取顧客,以及改善與顧客間的互動關係?如須獲得更深入的洞察,歡迎下載Appier最新白皮書:「鎖定高價值應用程式使用者 :

VIEW >

如何運用人工智慧優化個人化行銷,成功吸引首次訪客?

隨著數位化的長足發展,透過更加個人化的行銷內容與顧客進行有效互動並驅動回流儼然成為趨勢。而人工智慧所驅動的行銷自動化工具更能將個人化行銷提升到另一個境界,例如:可在顧客首次造訪網站的當下即呈現個人化網頁內容,留給首訪顧客深刻的第一印象,藉此將更多的流量轉化為實際行動(如註冊、下單等)。 在資訊龐雜的數位世界裡,品牌商無不積極地向顧客提供個人化的內容與服務來創造獨特價值。若想促使更多顧客轉換,能設計出符合訪客興趣的應用程式或網站內容即是強而有力行銷策略。 根據Accenture Interactive所發佈的2019個人化行銷調查報告,超過九成的顧客偏好在有為他們提供切身相關優惠或推薦的網站上購買商品。 傳統的個人化行銷如何操作? 若僅靠人力,目前能做到的個人化行銷是透過搜尋並分析既有客戶,逐漸地從中拼湊出顧客輪廓,並根據輪廓建立更客製化的設計。只要能夠從網站或應用程式中收集愈多顧客行為數據,就能藉此設計出更貼心的個人化內容。 雖然透過上述方式可提供現有顧客更加個人化的體驗,然而,收集與分析數據將耗費太多時間,同時,根據最近的一份研究顯示:84%的轉換發生在顧客首次來訪時,這表示你可能會因為無法在顧客首次到訪時提供個人化體驗,而失去寶貴的成交機會。 其實,就算顧客是首次來訪,仍然可以依據某些數據來發展個人化內容設計。傳統來說,偵測IP位址、定位資料、使用裝置、以及流量來源,都可作為行銷人判斷顧客期待的依據。 舉例來說,利用定位資料篩選器,可以幫助服裝品牌根據IP、定位資料、當地語言與季節主題以展示最相關的商品給首次來訪網站的顧客。上述所提及的自有資料也可幫助你在首訪顧客瀏覽熱銷商品時推播限時優惠或附送贈品等等。 如何運用人工智慧優化個人化行銷體驗? 然而,這些傳統方法仍然有其限制,畢竟這些數據僅是根據站內或應用程式內的使用者行為數據分析而來。這些數據無法辨識同一位消費者在不同裝置上的行為,因此無法提供顧客跨裝置的個人化行銷體驗。 有了AI技術的輔助後,你將能夠掌握顧客在站外的興趣與使用行為,這代表你能夠在他們造訪你的網站之前就預先洞悉他們。因此,你將擁有更多依據以設計更佳的個人化行銷內容,奪得先機。  提供跨裝置的個人化行銷體驗 儘管近年行銷自動化工具不斷推陳出新,行銷人仍難以在不同裝置與渠道之間有效掌握與消費者互動的接觸點(touchpoints)。例如,婷婷在週日下午透過平板瀏覽時尚商品網站,當晚以電腦預先將她喜歡的商品存進書籤,以便日後使用手機購買。若使用傳統的分析方法,婷婷在這三種裝置上的使用行為會被判定為三位不同的用戶。 現在透過AI主動式行銷自動化工具,可幫助你清晰地描繪出使用者的跨螢轉換路徑,並盡可能的獲取單一顧客的全觀輪廓與行為洞察,藉此幫助你在對的時間點推播與他們最相關的行銷內容,例如在星期一早上的上班途中以手機推播訊息提醒婷婷尚未對某些商品進行結帳。 運用第三方的興趣資料產出更精準的顧客輪廓 除了自有資料以外,行銷人亦能夠從第三方數據中獲得潛在訪客的站外行為與偏好的資訊。例如有些網站能夠提供線上顧客行為資料,這些通常是透過篩選特定使用者並收集問卷,或經由網站會員資料收集而來的使用者行為數據。 一個由AI驅動的工具,其強大的地方在於它能同步分析億兆筆跨裝置的數據資料來辨識消費路徑、並預測消費者如何在不同的裝置之間移轉,如:AIQUA主動式顧客互動優化平台。其背後之運作能夠同時處理成千上萬個行銷活動的巨量數據,並解析出不同使用者的興趣與關鍵字。接著便能夠運用它所產出的洞察資料並佐以自有數據,以更精準的方式做顧客分眾,最後,行銷人即可為每一個分眾設計專屬的個人化網站行銷內容。 AI驅動之工具還能將顧客的站外瀏覽內容做更進一步的語言分析並獲取更細緻的關鍵字分類,例如將體育類別再細分為「籃球」與「國際足球總會FIFA」、或將科技類別切分為「比特幣」與「虛擬實境」。 舉例來說,根據在站外所瀏覽過的文章內容,顧客首次來訪你的網站的意向也各有不同,有的只是單純逛逛、有的正在計畫肯亞動物之旅、有的想安排托斯卡尼品酒行程等等。根據不同分眾的興趣關鍵字,你能夠將他們進一步細分為「戶外活動冒險家」或者是「葡萄酒愛好者」,並在他們首次來訪時就呈現為他們量身打造的行銷內容。 知己知彼,百戰百勝。雖然我們無法期待每個首訪顧客都能順利成交,但透過運用人工智慧行銷自動化工具,你可以如先知般為首訪顧客打造高度個人化的專屬體驗,有效提升轉換成效。   歡迎與我們聯繫 |立即試用AIQUA人工智慧主動式顧客互動優化平台|

VIEW >