Umělá inteligence vnese do retailu prediktivní analýzu

čtvrtek, 22. března 2018, 16:15 Marketing MediaGuru

V retailu bude umělá inteligenci pomáhat při prevenci ztrát i k predikci nákupního košíku.

Ondřej Vaněk z české firmy Blindspot Solutions, foto: MediaGuru.cz

Představte si, že vejdete do obchodu, a váš mobilní telefon vás přímo navede ke zboží, které si chcete koupit. Podle prediktivní analýzy byste tam mohli mít i vlastní regál, kde by na vás čekal na míru připravený nákup. Žádné bloudění, žádné hledání, žádná zbytečná ztráta času. I na to se v současnosti zaměřují firmy, pracující s datovou analytikou, robotikou a umělou inteligencí.

Do retailu nastupuje umělá inteligence

IVA neboli Intelligent Video Analytics, kterou vyvíjí firma Quantasoft, dokáže vytvářet heat mapy prodejních prostor, identifikovat v něm mrtvé zóny, navrhnout lepší umístění produktů dle pohybu zákazníků a optimalizovat zdroje. Rovněž umí určit možné zóny častých krádeží, detekovat úmyslné nenamarkování zboží či ztráty v nákupním košíku. Přispět by tak chtěla při prevenci ztrát, které mnohdy v maloobchodě dosahují až 4 % obratu. 

Iva se však neomezuje jen na prostory, je schopna rozpoznat lidi na prodejně, spočítat je, sledovat jejich pohyb, rozeznat jejich obličej, odhadnout jejich pohlaví, věk i přibližnou náladu, a dokonce identifikovat členy věrnostního programu. „Už nyní vytváříme i 3D modely,“ popsal na letošní konferenci Primetime for...Big Data, pořádané společností Blue Events, Milan Chuong Le, jenž v Quantasoft řídí vývoj umělé inteligence. „Dnes umíme detekovat na člověku 17 bodů, což nám pomůže sledovat i osoby, které náhodou spadly a mohly by mít zdravotní potíže,“ dodal. Díky 3D modelaci se IVA může zaměřit i na neživé předměty,  a pomáhat tak například při hledání ztraceného batohu.

Heat mapy a flow mapy podle IVA, foto: MediaGuru.cz

IVA dokáže rozpoznat i neživé předměty, foto: MediaGuru.cz.

V retailu je dále možné využít umělou inteligenci také na personalizaci nabídky a její přizpůsobení se počasí i ročnímu období. Podle průzkumu společnosti EY je totiž až 75 % celkových maloobchodních tržeb ovlivnitelných počasím. V červenci loňského roku například narostly v období vlny veder prodeje neperlivé vody o 40 % a perlivé o 57 %. Vliv počasí se projevil i v segmentu módy – u posezónních výprodejů způsobil v letech 2014 a 2015 25% rozdíl. 

Počasí ve svých analýzách bere v potaz například česká firma Blindspot Solutions, jež se mimo jiné zabývá predikcí nákupního košíku. Kromě toho však pracuje i s historickými objednávkami, uživatelskými a produktovými daty a také s daty v kalendáři. „Zohlednit je potřeba i dobu nákupu, jestli je před víkendem, před prázdninami či například zda už začala grilovací sezóna,“ uvedl spoluzakladatel firmy Ondřej Vaněk. 

Nyní Blindspot Solutions testuje prediktivní nabídku ve spolupráci s online supermarketem Rohlik.cz, na jehož domovské stránce ukazuje návštěvníkům jejich často nakupované položky. Do budoucna by však měla být tato předpověď uplatněna i v kamenných prodejnách. „Představte si, že za několik let by na mě přímo v supermarketu čekal regál Ondřeje Vaňka s nákupem přímo pro mě,“ nastínil. Prozatím se však prediktivní analýzy potýkají s nepřesnostmi. „Problémem je, když algoritmus zařadí například maso do nákupu vegetariánům nebo alkohol abstitentům, na to jsou lidé obzvlášť citliví,“ podotkl Vaněk. 

Prediktivní analýzy využívají i velké firmy

S predikcí se postupně učí pracovat i velké firmy. Česká spořitelna například vytvořila specializované oddělení na data science, jež dělá pořádek v datech, která společnost vyprodukuje. „Jako bankovní instituce musíme plnit mnohé požadavky regulátorů, z nichž plyne i velký počet dat. Proto jsme se rozhodli, že bychom je mohli zhodnotit i interně,“ přiblížil za Českou spořitelnu Pavel Vaněček.

Díky datové analýze Česká spořitelna zvýšila například úspěšnost telefonického zvaní zákazníků na pobočku. „S daty jsme dnes schopni lépe predikovat, které klienty má cenu navolávat a zvát je na pobočku. Oproti náhodnému volání se díky predikci úspěšnost zvýšila ze 13 % na 24 %,“ popsal Vaněček. Celková úspora byla vyhodnocena na 2,7 milionu eur.  Další úsporu, ve výši 1,6 milionu eur, přinesla i lepší predikce toho, jaké produkty má cenu danému klientovi nabízet.

Přístup k datům v České spořitelně, foto: MediaGuru.cz

Velké množství dat každý den zpracovávají i telekomunikační operátoři. Jen T-Mobile denně zpracuje z mobilních telefonů i dalších chytrých zařízení 16 milionů telefonických hovorů, 21 milionů SMS a 280 TB mobilních dat. Přehled má také o tom, jak drahý telefon zákazník vlastní, kolik platí za volání, kde se pohybuje a kam jezdí na dovolenou.

Ve spolupráci s dalšími operátory využívá T-Mobile svá data pro stanovení tzv. Telco Score, které hodnotí solventnost zákazníka. „Naše zákazníky velmi dobře známé a z jejich dat dokážeme vypočítat číslo, které vyjadřuje, jaká je pravděpodobnost, že budou plnit své závazky,“ popsal za T-Mobile Filip Marek.

Další pole, kde se mobilní data mohou uplatnit, je výpočet rizikovosti u povinného ručení či havarijního pojištění konkrétního řidiče na základě jeho dosavadního jízdního chování. „Zde je možné sbírat data přes naši aplikaci chytré auto, ale rozhodnutí, zda je lidé poskytnou, je pouze na nich,“ dodal Filip Marek.

Sběr a zpracovávání osobních údajů bude od 25. května podléhat novému nařízení GDPR. O sběru osobních údajů bude nutné informovat všude tam, kde k němu dochází, tedy na webu, ve smlouvách i třeba na Facebooku. Zároveň bude nutné při něm postupovat minimalisticky, tedy sbírat opravdu jen to, co je nutné, a zpracovávat jen to, k čemu má firma nějaký „důvod“ či je to v jejím oprávněném zájmu. Jak se GDPR přesně projeví v rozvoji datové analytiky a umělé inteligence, se teprve ukáže. Už nyní ale zaznívají názory, že je potřeba promýšlet i etický rozměr celé této oblasti.

-stk-