AI가 소매업에 미치는 영향 – Amazon Go가 완전한 AI 소매업의 시작입니까?

시애틀 중심부에는 2018년 초 첫 베타 스토어를 오픈한 후 헤드라인에 등장한 후 인기를 얻은 소매 개념 인 독특한 파괴적인 소매점인 Amazon Go 가 있습니다.

Amazon Go의 세계를 처음 접하는 사람들을 위해 앱을 다운로드 하고 선반에서 항목을 집어들고 상점을 나가기만 하면 되는 잡기 소매 모델입니다. 품목 이 자동으로 장바구니에 추가되고 금액이 아마존 계정에서 인출됩니다.

Amazon Go가 출시된 개념은 소매 업계에서 본 적이 없는 것입니다. 사용자가 구매하는 항목과 청구해야 하는 금액을 추적하는 인공 지능을 중심으로 Amazon go는 기존 소매 설정에 도전하고 소매 설정에 이 기술을 다시 도입했습니다.

Amazon Go Retail 이 공식 출시 된 지 불과 몇 달 만에 달성 할 수 있었던 인기 는 Amazon이 설정한 선두를 따르기 위해 딥 러닝 및 인공 지능 기술에 투자하는 다른 많은 소매점으로 이어졌습니다. 월마트와 마이크로소프트도 현재 아마존만 독점하고 있는 계산원이 없는 소매점 공간을 평준화할 계획인 것으로 보인다.

AI 기반 Amazon Go는 기존 소매 계획에 뛰어들면서 300개 이상의 매장으로 비즈니스를 확장하고 소매 업체가 2021년에 보게 될 주요 AI 기술 트렌드 중 하나가 되기를 희망하는 브랜드의 히트작으로 입증되었습니다. 그 너머에. 그러나 소매 산업 혁신을 가져오는 매개체로서의 AI의 능력은 Amazon Go 소매와 같은 파괴적인 사용 사례에 국한되지 않습니다. 리테일 분야의 AI가 업계의 전망을 바꾸고 있는 다른 여러 방법이 있습니다. 이 기사에서 우리는 그것을 다양한 측면과 범위에서 분석할 것입니다.

미래 소매 시장에서 인공 지능의 역할을 보여주는 통계

미래 소매 산업에서 AI의 역할에 대해 살펴보았으므로 이제 소매 영역에서도 AI의 필요성이 대두되는 이유를 살펴보겠습니다.

소매 산업에 인공 지능이 필요한 이유

소매 산업에서 AI를 사용하는 것은 주로 애플리케이션 전면에서 논의됩니다. 비교적 덜 논의된 것은 소매업에서 AI를 사용할 필요성입니다.

• 더 많은 고객을 사로잡다
• 이기종 데이터에서 인사이트 생성
• 옴니채널 소매라고도 하는 온라인 및 오프라인 소매 경험을 동기화합니다.
• 더 나은 유연한 물류 네트워크
  

소매업에서 AI의 이점은 소매업 에서 AI 프로젝트 를 얼마나 잘 관리하느냐에 달려 있습니다.

인공 지능과 소매업이 결합되는 방법

전 세계적으로 7,000개의 소매점이 2018년에 더 이상 존재하지 않는다고 발표하고 1,000개의 다른 소매점이 온라인 소매점과 동일한 출력을 제공할 수 없어 폐업 계획을 발표하면서 오프라인 소매 세계 우리가 알고 있듯이 그것은 '소매 종말'이라고 불리는 것에 직면하고 있습니다.

소매의 미래에 직면하게 된 공포를 보고 많은 소매 대기업이 소매 시장 에 인공 지능의 힘을 적용하여 살아남기 시작했습니다.

리테일과 AI의 결합이 두드러지는 몇 가지 영역을 살펴보겠습니다.

1. 공급망 간소화

공급망 관리의 AI는 소매 업계에서 가장 널리 사용되는 기술입니다.

미래 공장이라는 단순한 개념의 주요 요소 중 하나는 스마트하고 연결되어 있으며 매우 효율적인 공급망으로 구성됩니다. 제조업체, 공급업체, 소매업체, 유통업체 및 고객과 같이 공급망 주기에 참여하는 수많은 이해 관계자가 있다는 사실은 공급망 자체가 비즈니스 프로세스에 자동화를 도입할 수 있는 많은 기회를 제공합니다. 소매용 체인 중심 AI 솔루션은 손쉽게 처리하는 것으로 알려져 있습니다.

빅 데이터 분석에서 얻은 통찰력은 기업이 수요, 가용 재고량, 환경 조건, 공급업체 역량, 환경 조건 및 고객 요구의 변화를 예측하고 대응하는 데 도움이 되어 궁극적으로 생산성과 생산성 향상을 보장합니다. 적시 제품 및 서비스 제공.

공급망 계획에서 AI의 두드러진 역할은 IDC가 2020년에 도달할 때까지 성숙한 공급망의 절반이 AI를 통합할 것으로 예상하는 것입니다. 오늘날에도 AI와 소매 합병이 공급에 혁명을 일으키고 있는 여러 가지 방법이 있습니다. 체인 관리.

공급망 및 물류 분야의 AI가 소매업을 혁신하는 방식

• 수요예측 정확도 향상
• 운영 및 재고 비용을 낮추고 고객에게 더 빠른 응답 시간을 제공합니다.
• 신제품 수요 예측
• 다양한 제약 조건을 고려한 다음 각 제약 조건에 대한 공급망을 최적화하여 공장 일정 및 생산 계획의 정확성을 개선합니다.
• 운송비 절감, 공급자 배송 성과 향상, 마지막으로 공급자 위험 최소화.

2. 고객 이해하기

기계 학습은 소매업체에 고객이 누구인지에 대한 완전한 아이디어를 제공합니다. 여러 고객 데이터와 리뷰를 연구하여 기업에 고객이 원하는 것과 반복 구매를 방지하는 것이 무엇인지에 대한 아이디어를 제공합니다.

이러한 방식으로 도출된 통찰력 은 AI가 소매업에 미치는 미래 와 손실, 현재 및 새로운 모든 고객에 대한 직접적인 통찰력을 얻는 방법이 될 수 있는 방법을 제시합니다. 이 정보는 타겟 마케팅 캠페인을 실행하는 데 추가로 사용될 수 있으며, 이는 여러 소매점에서 고객 유지율을 높이는 것으로 알려져 있습니다.

3 . 맞춤형 고객 경험

쇼핑객의 고유한 요구 사항에 응답하는 것은 고객 충성도 수를 늘리고 유지하는 가장 완벽한 방법 중 하나입니다. 인공 지능과 고객 경험의 결합을 통해 편리하게 가능한 것 .

설문 조사에서 응답자의 70%는 매장에 개인화 기능을 추가한 브랜드에 얼마나 충성도가 더 높을 것이라고 밝혔습니다. 거래 데이터와 머신 러닝을 통해 브랜드는 과거 구매, 고객 행동, 포인트 카드 등을 쉽게 추적하고 분석하여 보다 맞춤화된 제품을 제공할 수 있습니다.

소매 시장 규모의 사용 사례에서 이러한 고객 지향 인공 지능의 예 는 Sephora가 Color IQ로 수행하는 작업입니다. 브랜드의 인공 지능 기반 매장 내 제품으로 피부 표면을 스캔하고 피부색을 기반으로 메이크업 제품을 추천합니다.

4. 재고 부족 인스턴스 및 가격 인하

소매점에서 AI를 사용하여 판매자는 상점의 판매 패턴에 대한 직접적인 통찰력을 얻고 안전 재고 사용량을 낮출 수 있습니다. AI가 소매 산업을 혁신하는 정도는 소매업체가 더 이상 계절적 할인에 의존할 필요가 없어짐에 따라 재고를 할당하거나 보충하는 동안 얼마나 편리한지 알 수 있습니다.

H&M이 빅데이터 도입 계획을 선언한 H&M의 경우 리테일 업계의 AI 사례로 매장 반품 및 매장별 구매 평가를 위한 영수증을 분석하고 이를 기반으로 재고를 비축한 사례를 들 수 있다. 통찰력.

재고 분석을 위해 AI를 사용하면 제품 초과 발생 및 매장에서 수요가 없는 제품을 대량 주문하여 궁극적으로 낭비되고 반환되어야 하는 경우를 줄이는 데 도움이 될 것입니다. 배송 비용.

5. 지도 분석

최소 광고 가격(MAP) 은 소매업체가 제품 판매에 대해 인용할 수 있는 최저 가격 입니다. MAP보다 낮은 가격으로 판매되는 제품은 소매업체의 비즈니스에 부정적인 영향을 미칠 수 있습니다. 따라서 MAP 가격을 가지고 노는 판매자를 추적하는 것이 필요합니다. Intelligence Node와 같은 소매 분석 회사는 실시간으로 제품을 추적 및 모니터링하여 온라인 판매 브랜드가 MAP 가격 위반을 방지할 수 있도록 AI를 사용합니다.

6. 매장 내 고객 경험을 혁신하는 가상 체험실

스마트 미러 기술( 리테일 사례의 AI 및 인기가 높아지고 있는 사용 사례)을 매장에 통합함으로써 의류 브랜드는 방문자가 의류가 어떻게 보이는지 확인하는 데 도움을 줄 수 있습니다. 그들의 몸 앞에서 옷을 잡습니다.

소매 업계에서 가장 널리 사용되는 AI 기술 중 하나인 거울 기술은 방문자가 선택한 제품과 함께 착용할 수 있는 옵션과 각 비용 및 내장형 체크아웃 옵션을 제공하여 더욱 발전되고 전환 친화적으로 만들 수 있습니다. 체크아웃 영역에 배치된 시스템과 동기화됩니다.

7. 비 스캔 감지

소매업체는 스캔을 하지 않고 축소한다는 명목으로 연간 약 450억 달러의 손실을 보고 있습니다. 치명적인 체크 아웃 문제는 AI로 쉽게 해결할 수 있습니다. 소매업체는 컴퓨터 비전과 AI 알고리즘을 사용하여 비디오 피드를 분석하고 제품이 스캔되지 않은 상태로 남아 있는 경우를 감지하고 실시간으로 계산대 직원에게 알릴 수 있습니다.

바로 이 문제를 해결하기 위한 기술을 제공 하는 소매 중심의 AI 소프트웨어 개발 회사 중 하나 가 StopLift입니다. 비디오 분석 및 컴퓨터 비전을 사용하여 체크아웃 시 사기와 실수를 식별합니다. 영상에서 감지된 항목을 실제 POS 데이터와 비교하여 스캔되지 않은 항목을 추적하므로 많은 사기 사례를 절약할 수 있습니다.

8 . 스마트한 제품 검색

소매업의 AI는 마찬가지로 고객을 위한 제품 검색을 단순화할 수 있습니다. 이제 고객들은 자신이 좋아하는 아이템이나 제품을 실물로 촬영한 후 이미지를 활용하여 웹상에서 판매하는 소매업체를 검색할 수 있습니다. 여기에서 머신 러닝은 다양한 판매자의 수많은 물건을 분류하고 몇 초 안에 고객을 위해 분류하여 항목 검색 및 비교를 그 어느 때보다 간단하게 만듭니다.

9. 행동 분석 및 예측

AI 기술은 소매업에 필수적인 것으로 여겨집니다. 이 혁신을 활용하면 소매업체가 고객의 요청과 요구 사항을 분류하는 데 도움이 될 수 있으며, 이는 소매업체를 보다 고객 중심적으로 만들 수 있습니다.

AI 기반 분석을 통해 조달된 정보의 도움으로 소매업체는 고객의 행동을 기반으로 주문할 재고 수량에 대해 정보에 입각한 비즈니스 선택을 할 수 있습니다. 생산성을 높일 뿐만 아니라 조직의 시간과 비용을 추가로 절약할 수 있습니다.

소매 조직은 AI 계산을 활용하여 고객의 지역, 성향, 성별 및 구매 습관을 기반으로 집중 마케팅 및 광고 캠페인을 실행할 수 있습니다. 맞춤형 경험은 고객에게 관심을 갖고 있음을 보여주는 놀라운 방법이므로 고객 충성도와 유지율을 높이는 데 도움이 됩니다.

이제 AI를 오프라인 소매 공간에 통합할 수 있는 다양한 방법을 살펴보았으므로 계획이 Amazon Go만큼 야심적이지 않더라도 몇 가지 큰 AI를 성공적으로 구현한 소매업체를 지정합니다. 소매 경험을 개선하기 위해 AI의 모범 사례를 제시하는 기업.

인공 지능(AI) 소매업 사용 사례 : 현재 주요 소매업체에서 AI를 어떻게 사용하고 있습니까?

1. 페퍼 로봇

페퍼(Pepper)는 인간의 감정을 인식하면서 방문 고객과 상호 작용할 수 있는 휴머노이드 로봇으로 소매에서 AI를 사용하는 가장 좋은 예입니다. 이 로봇은 이미 일본에서 인기를 끌며 140개 이상의 SoftBank 모바일 매장에서 고객 응대 및 담당자로 사용되고 있습니다. 캘리포니아 매장(Palo Alto 및 Santa Monica)의 Pepper 파일럿은 Palo Alto의 유동인구가 70% 증가했으며 Santa Monica 지역의 Neo-pen 판매가 50% 증가했습니다.

2. 도미노의 로봇 유닛

군사 전투 훈련에 사용되는 인공 지능 기술과 통합된 DRU 센서는 피자 배달을 위한 최상의 경로를 탐색하는 데 도움이 됩니다. 도미노가 이 기술에 투자한 금액을 보면 배달원이 로봇으로 대체되는 미래가 멀지 않았다.

3. 아마존의 드론

아마존 프라임 에어(Amazon Prime Air)라는 이름으로 만들어진 드론은 아마존 배송 시스템의 미래 지향적인 주요 부분입니다. 아직 출시일은 정해지지 않았지만, 우리가 구매한 물품이 드론을 통해 집까지 배달되는 미래가 멀지 않았다. 소매에서 AI 사용 사례의 벤치마크를 설정할 미래입니다.

미래 소매 시장에서 AI 의 파괴적인 사용 사례로 목록의 다음 이름이 되기를 원하십니까 ? 소매 분야의 인공 지능 도입을 전문으로 하는 당사 개발자 팀에 문의하십시오 .

어떤 형태로든 인공 지능 소매 솔루션 은 오프라인 소매 산업의 중요한 부분으로 자리 잡았습니다.

4. 세포라의 컬러 IQ

세포라는 매장에 들어서는 순간 최고의 메이크업 섀도우를 찾을 수 있도록 도와줍니다. Color IQ AI 솔루션을 사용하면 화면의 음영을 시도하고 실제로 시도하지 않고도 어떻게 보일지 테스트할 수 있습니다.

5. 니만 마커스의 시각적 탐색

고급 백화점은 AI를 활용하여 고객이 상품을 편리하게 검색할 수 있도록 합니다. 그들의 스냅을 통해. 찾다. 가게. 앱 사용자 는 매장 밖에서 본 상품을 사진으로 촬영한 후 니만마커스 재고를 검색해 상품을 받을 수 있다. 불분명한 검색어를 사용하여 항목을 검색하는 대신 사진을 통해 유사한 항목을 찾을 수 있습니다.

모바일 소매 또는 mCommerce 앱의 경우 통합이 비교적 훨씬 쉽지만 매장에 파괴적인 기술을 통합하려면 비즈니스 모델을 대대적으로 점검해야 하며 통합이 기술적으로 유용한 경우에만 유용하다고 간주됩니다. 고급 – 기술의 핵심을 이해 하는 동등하게 건전한 AI 소프트웨어 개발 회사 와 파트너 관계를 맺을 때만 달성할 수 있는 것 입니다.

미래 지향적인 접근

시장에서 더 많은 일자리를 창출하는 것부터 개선되고 맞춤화된 고객 경험에 이르기까지 인공 지능이 소매 비즈니스의 궁극적인 운명이라고 말하는 것이 옳습니다.

예측 분석은 소매업체에게 아직 새로운 아이디어가 아니지만 지난 몇 년 동안 기술이 발전함에 따라 소매 브랜드는 현재 이러한 분석을 평가하고 비즈니스의 더 나은 개발을 위해 사용할 준비가 되어 있습니다. AI로 강화된 소매 세계는 고객이 더 친밀하고 사회적인 느낌을 주고 수많은 선택을 할 수 있도록 지원합니다.

우리가 시작한 질문에 대한 답변으로 기사를 마무리합니다. Amazon Go는 완전한 AI 소매의 시작입니까? 예. 이미 시작된 소매점에서의 AI 도입은 이제 Amazon Go가 소매 산업에 설정한 추세와 함께 본격화될 것입니다.

리테일 분야의 AI가 어떻게 도움이 되는지 알게 되었으면 이제 적절한 AI 소프트웨어 개발 서비스 파트너를 선택하여 꿈을 현실로 만들 차례입니다. 미국의 신뢰할 수 있는 AI 개발 회사인 Appinventiv와 같이 AI 여정을 확장하는 데 도움을 줄 회사에 문의하는 것이 좋습니다.

AI를 통한 소매 산업의 디지털 혁신에 대한 FAQ

Q. AI는 소매 산업을 어떻게 변화시키고 있습니까?

AI는 다양한 형태와 측면에서 많은 산업을 변화시키고 있습니다 . 소매 산업의 경우 훨씬 더 예측, 예측 및 예방이 가능합니다. 기업이 고객을 더 잘 이해하고, 품목 요구 사항을 추정하고, 판매해야 하는 가격을 매핑하는 등의 작업을 돕습니다.

Q. 소매에서 AI의 미래는 무엇입니까?

50억 3,400만 달러의 가치가 있는 것으로 추정되는 소매점에서의 AI의 미래는 소매점을 스마트하고 미래 지향적으로 만드는 것을 목표로 AR/VR, 블록체인 등과 같은 다른 파괴적인 기술과 결합되는 것을 보게 될 것입니다.

Q. AI가 소매업을 개선하고 매출 증대에 도움이 됩니까?

예. AI는 소매업체가 고객에게 완전한 정보(구매 선호도, 무엇이 그들을 짜증나게 하는지 등)를 제공합니다. 또한 재고에 대한 정보를 제공합니다. 재고에 대한 정보는 주문을 다시 주문하거나 잠시 중단해야 합니다. 기간 판매 및 이익 창출 능력.