5 companii care folosesc AI pentru a prezice viitorul și profitul

În prima parte a acestei serii despre analiza predictivă bazată pe inteligență artificială, am explorat funcționalitatea acestei tehnologii, împreună cu potențialul ei de a crea strategii de afaceri mai eficiente.

Analiza predictivă poate fi definită ca o formă de extragere a datelor care utilizează modelarea statistică pentru a analiza modele istorice și apoi utilizează aceste modele pentru a proiecta rezultatele viitoare. Implementarea inteligenței artificiale permite tehnologiilor de analiză să identifice relațiile dintre variabilele pe care oamenii sunt pur și simplu incapabili să le vadă.

În acest articol, dorim să aducem această teorie la viață cu cinci cazuri de utilizare a analizei predictive.

Au existat câteva povești demne de știri în acest domeniu, în special titlurile „Target Knows When You’re Pregnant” care au atras atât de multă atenție în urmă cu câțiva ani.

Lucrurile s-au dezvoltat destul de mult de atunci. Evoluția platformelor de analiză disponibile și accesibile pe scară largă a oferit acces la modele statistice sofisticate pentru companii de toate dimensiunile. Dincolo de hiperbola previziunilor de sarcină ușor înfricoșătoare, datele mari sunt de obicei folosite de întreprinderile mici și mari pentru a-și îmbunătăți funcțiile de zi cu zi.

Prin definirea problemelor pe care doresc să le rezolve, procurarea datelor potrivite, angajarea de oameni cu abilitățile necesare pentru a înțelege datele și împuternicirea acestora cu tehnologia adecvată, orice afacere poate începe astăzi cu domeniul profitabil al analizei predictive.

Există prea mulți concurenți pentru a lua în considerare fiecare exemplu în domeniul de aplicare a unui articol, așa că am încercat, în schimb, să oferim un eșantion reprezentativ de analize eficiente bazate pe inteligență artificială într-un spectru larg de studii de caz.

1. Optimizarea lanțului de aprovizionare: Walmart

Începem cu un exemplu greu, dar care oferă inspirație pentru toți comercianții cu amănuntul.

În timp ce mulți alți retaileri „moșteniți” se luptă, Walmart a publicat cifre de creștere pentru ultimele 11 trimestre consecutive. În special, acest lucru a fost determinat de o creștere de 63% a vânzărilor online de la an la an.

Walmart a primit multe aprecieri pentru disponibilitatea sa de a se adapta în era digitală și pariază pe capacitatea sa de a lega lumea online și cea offline pentru a concura cu Amazon.

Inteligența artificială și analiza predictivă se află în centrul acestui impuls. Walmart preia date instantaneu din sistemele sale de la punctele de vânzare și le încorporează în previziunile sale pentru a evalua ce produse sunt susceptibile să se vândă și care au avut performanțe slabe.

Combinat cu modelele de comportament online, acest lucru oferă o cantitate imensă de puncte de date (peste 40 de petabytes dintre ele) pentru a ajuta Walmart să se pregătească pentru o creștere sau scădere a cererii de produse.

Fotografie de chuttersnap pe Unsplash

Datele sunt gestionate în cloud prin „Data Cafe” al Walmart, care este întreținut de echipa Walmart Labs din Silicon Valley. Este o operațiune sofisticată, la scară largă, în concordanță cu numărul de variabile necesare unei afaceri de această dimensiune pentru a face proiecții precise din date fiabile.

Cu toate acestea, beneficiile pe care le aduce pot fi căutate și de întreprinderile mai mici.

De exemplu, utilizarea de către Walmart a AI și a analizei predictive este de neprețuit pentru gestionarea stocurilor, deoarece managerii pot stoca în mod corespunzător fără a risca să fie nevoiți să facă ajustări costisitoare de ultimă oră pentru a acoperi golurile atunci când cererea depășește oferta.

Aceste previziuni permit, de asemenea, Walmart să își personalizeze prezența online, prezentând produse anumitor clienți în funcție de probabilitatea estimată a acestora de a face o achiziție.

Disciplina și rigoarea pe care le aduce această abordare înseamnă că Walmart poate respecta date stricte de livrare, deoarece fiecare pas al lanțului său de aprovizionare a fost optimizat prin utilizarea analizei predictive. Toate aceste domenii pot fi îmbunătățite de orice companie prin intermediul tehnologiei accesibile de la Google și Adobe.

În mod grăitor, Walmart oferă, de asemenea, stimulente clienților sub formă de reduceri de preț sau privilegii de salt la coadă dacă își colectează achizițiile dintr-un magazin fizic. Chiar și cu toate beneficiile pe care analiza bazată pe inteligență artificială le poate aduce afacerii, concurența cu Amazon în ceea ce privește costurile de transport rămâne o sarcină grea.

2. Prognoza tendințelor prețurilor: Hopper

Industria călătoriilor este notoriu de competitivă, cu vârfuri și minime volatile ale cererii și multe rute cu marjă scăzută. Acest lucru poate lăsa călătorii în întuneric, nesiguri cu privire la cel mai bun moment pentru a rezerva. Uneori este mai bine să rezervați din timp, alteori este mai bine să așteptați până mai aproape de data plecării.

Acest lucru îl face un domeniu pregătit pentru puterea analizei predictive bazate pe inteligență artificială, un fapt care a făcut ca aplicația de călătorie Hopper să crească dramatic în popularitate din 2015.

Hopper rămâne cu un pas înainte, anticipând modelele viitoare de prețuri și alertând călătorii cu privire la cele mai ieftine perioade pentru a cumpăra zboruri către destinațiile preferate.

Face acest lucru urmărind miliarde de prețuri în fiecare zi și, pe baza datelor istorice pentru fiecare rută, anticipând modul în care se va dezvolta tendința. Utilizatorii pot configura apoi notificări pentru a le reaminti să rezerve atunci când aceste scăderi de preț au loc.

Deși nu este singura companie care oferă acest serviciu, Hopper raportează o rată de precizie de 95% cu previziunile sale și pretinde că economisește clienților o medie de peste 50 USD per zbor.

Captura de ecran de mai jos arată cum funcționează acest proces. Însoțit de un iepuraș drăgălaș și cu ochelari, aleg ruta de zbor de la New York la Honolulu pentru acea vacanță binemeritată.

Pe baza datelor selectate de mine, iepurașul surprinzător de șef îmi spune să rezerv acum, deoarece biletele pentru această rută se vor scumpi doar în timp.

Hopper oferă un exemplu excelent de afacere care ia învățarea automată și analiza predictivă drept principii centrale ale strategiei lor de afaceri. Fără analize predictive, Hopper nu ar exista.

Cu toate acestea, modelele statistice pe care le folosește cu un efect atât de mare oferă lecții pentru toate afacerile. Succesul Hopper vine din fiabilitatea sa ca platformă obiectivă de consiliere pentru consumatori, în esență. Ca atare, multe alte companii și-ar putea asuma acest rol utilizând statistici pentru a furniza previziuni care sunt în interesul clientului, mai degrabă decât doar propriul lor rezultat final.

3. Creșterea întreprinderilor mici: Grădina Zoologică și Acvariu Point Defiance

Un sondaj realizat de SAP la sfârșitul anului 2016 a constatat că peste 70% dintre liderii întreprinderilor mici au simțit că sunt încă în „stadiile incipiente” de a obține informații din datele lor.

O grădină zoologică din Tacoma, Washington, a contracara această tendință prin parteneriatul cu Serviciul Național de Meteorologie pentru a identifica factorii care au determinat creșterea și scăderea cifrelor de prezență atât de imprevizibil. Acest lucru a creat probleme pentru conducere, care ar fi întotdeauna personalul parcului pentru a satisface un public numeros, dar a ajuns adesea să cheltuie peste salarii din cauza prezenței dezamăgitoare.

Intuitiv, am putea presupune că prezența este mai mare în zilele calde și uscate, dar mai mică atunci când este rece sau umedă. Cu toate acestea, prin încorporarea datelor Serviciului Național de Meteorologie în platforma IBM Watson, bazată pe inteligență artificială, grădina zoologică a reușit să identifice exact ce condiții au determinat mai mulți oameni să facă o vizită.

Aceste cunoștințe au fost apoi folosite pentru a modela modelele viitoare ale vizitatorilor, folosind cifrele istorice de prezență și statisticile meteorologice proiectate.

Proiectul a avut un succes uriaș și este acum o parte centrală a planificării de afaceri a grădinii zoologice. Point Defiance poate prezice cifrele de prezență cu o acuratețe mai mare de 95%, permițând managerilor să lucreze în mod corespunzător în parc. Acest lucru nu are un impact negativ asupra modului în care vizitatorii experimentează parcul (poate chiar dimpotrivă) și creează unele eficiențe vitale în afaceri.

Aplicațiile acestei metodologii ajung, desigur, mult mai mult decât doar cifrele de prezență. Port Defiance poate monitoriza modul în care vizitatorii interacționează cu grădina zoologică, contribuind la oferirea unei experiențe mai bune pentru clienți. Sunt, de asemenea, în vigoare planuri de utilizare a analizelor predictive bazate pe inteligență artificială pentru a monitoriza datele de sănătate și pentru a diagnostica problemele cu animalele din parc pentru a oferi tratament preventiv.

4. Reținerea personalului: IBM

Atracția fundamentală a analizei predictive este potențialul de a oferi rezultate mai bune față de obiectivele organizaționale. Acestea se bazează adesea în mod deschis pe profit, dar analiza predictivă poate, de asemenea, ajuta la identificarea problemelor de reținere a personalului și sugerează soluții.

Prin încărcarea unui fișier de date structurate (ca în captura de ecran de mai jos), Watson poate identifica factorii comuni care contribuie la uzura personalului. Aceasta contribuie apoi la generarea unui „scor de calitate” pentru fiecare angajat, bazat pe probabilitatea proiectată de a părăsi compania în curând.

În cazul în care acest lucru se realizează cu adevărat este în capacitatea sa de a răspunde la solicitările utilizatorilor în limbaj natural. În mod similar cu noua funcție Google Analytics, care va prelua date ca răspuns la întrebările utilizatorilor, Watson poate răspunde la anumite interogări și poate construi vizualizări de date pe baza preferințelor utilizatorului.

Acesta este un exemplu grozav de platformă care trece rapid de la analiza exploratorie și de diagnosticare în domeniul analizei predictive. Orice proprietar sau manager de afaceri poate folosi aceste instrumente pentru a identifica cu precizie ce anume cauzează plecarea personalului, dar poate vedea și ce se află în spatele acelor factori și poate pune în aplicare măsuri preventive pentru a calma eventualele plecări. Având în vedere costul recrutării de personal nou față de păstrarea personalului actual cu performanță ridicată, acest lucru duce direct la scăderea costurilor operaționale.

5. Extensie de audiență: Under Armour

Extensia audienței este un alt domeniu al marketingului care beneficiază semnificativ de pe urma utilizării AI și a analizei predictive. Înțelegând caracteristicile cantitative ale clienților existenți de mare valoare, este posibil să se identifice persoane similare și să le vizeze cu mesaje personalizate care ar putea rezona.

Este esențial să știi unde să cheltuiești bugetul de publicitate, dar la fel este și unde să nu-l cheltuiești. Analiza predictivă permite companiilor precum Under Armour să se concentreze în domeniile care vor oferi cele mai mari profituri și să reinvestească bugetul care altfel ar fi fost cheltuit incorect.

Inteligența artificială este folosită de Under Armour pentru a îndeplini sarcini precum analiza sentimentelor și ascultarea socială pentru a înțelege ce cred clienții despre marcă și unde sunt lacunele de pe piață. Acest lucru a determinat compania să se concentreze pe a deveni un brand de fitness digital, o inițiativă care a făcut-o să creeze o nouă nișă pe o piață saturată.

Under Armour produce produse de fitness, dar și aplicații și dispozitive purtabile pentru a lega lumea offline și cea digitală. Cu cât mai mulți oameni folosesc produsele, cu atât mai multe date poate aduna Under Armour pentru a-și îmbunătăți oferta. Și cu peste 200 de milioane de utilizatori înregistrați și peste 10 miliarde de interacțiuni digitale pe an, datele nu lipsesc.

Citiți mai departe la ultima parte a acestei serii: AI și analiză predictivă: ce ne rezervă viitorul?