Nel tentativo di aiutare i retailer a trasformare i loro processi di controllo dell’inventario in negozio e a migliorare i loro siti di e-commerce, Google ha potenziato Google Cloud per il retail con una nuova funzionalità di controllo degli scaffali basata sull’intelligenza artificiale e aggiornato i servizi Discovery AI e Recommendation AI.

La tecnologia di controllo degli scaffali per l’inventario nei punti vendita fisici è stata una funzionalità molto richiesta, poiché le scorte scarse o inesistenti sono un problema preoccupante (e ricorrente) per i rivenditori. Secondo una recente analisi di NielsenIQ, gli scaffali vuoti sono costati ai retailer statunitensi 82 miliardi di dollari in mancate vendite solo nel 2021. Il nuovo strumento basato sull’intelligenza artificiale per il controllo degli scaffali può essere utilizzato per migliorare la disponibilità dei prodotti a scaffale, fornire una migliore visibilità sulle condizioni attuali degli scaffali e identificare i punti in cui è necessario rifornirsi.

Il tool, basato su Vertex AI Vision di Google e alimentato da due modelli di machine learning (Product Recognitioner e Tag Organizer), può essere utilizzato per identificare diversi tipi di prodotti sulla base di immagini visive e caratteristiche testuali e, grazie a esso, i rivenditori non devono spendere tempo e sforzi per addestrare i propri modelli di intelligenza artificiale. La funzionalità, che è attualmente in versione preview e che dovrebbe essere disponibile a livello globale nei prossimi mesi, non condividerà le immagini e i dati dei rivenditori con Google e potrà essere utilizzata solo per identificare prodotti ed etichette.

retail

Migliorare l’esperienza dei siti web di vendita al dettaglio

Per aiutare i rivenditori a migliorare l’esperienza di navigazione online e di scoperta dei prodotti, Google Cloud ha introdotto anche una nuova funzione di navigazione basata su IA nel suo servizio Discovery AI per i retailer. Questa nuova feature utilizza il machine learning per selezionare l’ordine ottimale dei prodotti da visualizzare sul sito di e-commerce di un rivenditore una volta che gli acquirenti scelgono una categoria; per fare ciò, l’algoritmo apprende l’ordine ideale dei prodotti per ogni pagina nel tempo sulla base dei dati storici.

Man mano che impara, l’algoritmo è in grado di ottimizzare come e quali prodotti vengono mostrati in base all’accuratezza, alla pertinenza e alla probabilità di realizzare una vendita. “Questa tecnologia di navigazione, che può essere utilizzata su diverse pagine di un sito web e che è già disponibile in 72 lingue, adotta un approccio completamente nuovo, imparando dall’esperienza e non richiedendo alcun intervento manuale. Oltre a migliorare in modo significativo i ricavi per visita, può anche far risparmiare ai retailer il tempo e le spese necessarie per curare manualmente più pagine di e-commerce”, si legge nel comunicato di Google.

Raccomandazioni personalizzate per i clienti

Per aiutare i rivenditori a creare una “iperpersonalizzazione” per i loro clienti online, Google Cloud ha infine reso disponibile una nuova funzionalità basata sull’intelligenza artificiale per il suo servizio Recommendation AI per retailer, che dovrebbe far progredire l’attuale servizio di ricerca al dettaglio di Google Cloud. La nuova feature, anch’essa già disponibile globalmente, si basa su un modello di machine learning per il riconoscimento dei modelli di prodotto in grado di studiare il comportamento di un cliente su un sito web di vendita al dettaglio, come ad esempio i clic e gli acquisti, per capirne le preferenze.

L’intelligenza artificiale sposta quindi i prodotti che corrispondono a tali preferenze verso l’alto nelle classifiche di ricerca e di navigazione per ottenere un risultato personalizzato. “I risultati personalizzati di ricerca e navigazione di un acquirente si basano esclusivamente sulle sue interazioni con il sito e-commerce di quello specifico rivenditore e non sono collegati all’attività del suo account Google”, ha specificato Google, aggiungendo infine che l’acquirente viene identificato tramite un account creato sul sito del rivenditore o tramite un cookie first-party sul sito web.