Inteligencia Artificial: una apuesta del retail que el consumidor aún no valora

Inteligencia Artificial: una apuesta del retail que el consumidor aún no valora


El 28% de los retailers implementa la Inteligencia Artificial, un número que se ha disparado desde el 4% del año 2016. La asignatura pendiente es el consumidor: solo el 14% piensa que la IA tiene un impacto significativo en sus decisiones de compra.

Ejecutivos del sector retail y consumidores de los Estados Unidos, el Reino Unido y Australia tienen expectativas muy dispares sobre los efectos de la Inteligencia Artificial y la Realidad Virtual en el comercio minorista.

Es lo que se desprende de la nueva encuesta de Oracle NetSuite, realizada en asociación con Wakefield Research y Bob Phibbs y recogida por 'Marketer Retail', el 79% de los ejecutivos minoristas en los tres países esperaban que la presencia de dichas tecnologías en las tiendas aumentara las ventas. Sin embargo, solo el 14% de los consumidores encuestados pensó que Inteligencia Artificial y Realidad Virtual tendrían un impacto significativo en sus decisiones de compra.

Las conclusiones de la encuesta coinciden con otros datos publicados en cuanto a interés del consumidor en realidad virtual. Un sondeo de Bizrate Insights de diciembre de 2018 revelaba que la mitad de los usuarios de Internet de EE.UU. nunca habían usado Realidad Virtual o Aumentada mientras hacían compras y no tenían interés en hacerlo. Más de uno de cada 10 ni siquiera estaba familiarizado con estas tecnologías.

Los datos sugieren que las tecnologías más nuevas, aquellas que tienen la vocación de revolucionar la forma en que las personas compran, pueden estar aún sumidas en la etapa de "expectativas infladas" del famoso "Ciclo Hype" de Gartner.

INTELIGENCIA ARTIFICIAL Y RETAIL MINORISTA

Los informes más recientes revelan que la Inteligencia Artificial tiene el potencial de introducir una serie de prácticas de ahorro de mano de obra orientadas al cliente, como los chatbots y el auto-pago y también puede ayudar a los minoristas: una encuesta de Capgemini realizada en agosto de 2018 a 400 ejecutivos del sector en todo el mundo revelaba que la Inteligencia Artificial podría ahorrar a los minoristas 340 mil millones de dólares anuales a partir de 2022 solo con los ahorros resultantes de las mejoras en la cadena de suministro y el rendimiento.

Según los datos que maneja Capgemini, las empresas están todavía muy lejos de aprovechar todo el potencial que ofrece la Inteligencia Artificial. De hecho, aseguran que solo en el 1% de los casos se ha llegado al máximo nivel de desarrollo actual de esta tecnología, por lo que el margen de crecimiento es enorme.

El estudio de Capgemini revela que solo el 28% de los retailersimplementa, a día de hoy, la Inteligencia Artificial; un número que, aunque aún escaso, es una fotografía bastante clara del interés del sector por esta tecnología si lo comparamos con el 17% de retailers que empleaban la IA en 2017 o el simbólico 4% que lo hacía en 2016.

Cómo el aprendizaje profundo resuelve los desafíos del pronóstico minorista

Cómo el aprendizaje profundo resuelve los desafíos del pronóstico minorista

Yuan Shen Brand ContributorNVIDIABRANDVOICE




ONECLICK.AI

Todos hemos visto el impacto de estar obsesionados con los datos en la industria minorista. Mientras que Amazon configura el futuro de su negocio y de la industria en general utilizando información obtenida de grandes cantidades de datos, muchos minoristas están luchando por implementar una mentalidad basada en los datos en toda la organización.

La inteligencia artificial es la clave para liberar valor de los conjuntos de datos minoristas, en particular los utilizados para pronosticar la demanda futura. Los pronósticos precisos son críticos para los minoristas (y las industrias que dependen de ellos para la distribución, como los bienes de consumo empaquetados), ya que dependen de estas predicciones para los ingresos y la gestión operativa. Prevea demasiada demanda y quedará con un exceso de inventario, mientras que un pronóstico a corto plazo puede dejar al consumidor con las manos vacías. Las ganancias en la precisión de los pronósticos tienen efectos positivos generalizados, pero factores como la estacionalidad, los ciclos de vida cortos de los productos y un alto volumen de SKU hacen que sea difícil predecir las ventas futuras.


Los datos ahora son más ricos: tradicionalmente, las empresas se basaban únicamente en conjuntos de datos estructurados, como las cifras de ventas. Sin embargo, los datos no estructurados, como descripciones de productos, detalles del fabricante o copia promocional, se presentan más fácilmente como texto en lugar de en forma numérica. El texto descriptivo del producto como "Apple Watch Series 3 42mm GPS Space Grey Aluminium Black Sport Band MQL12LL / A" proporciona mucha más información que solo el SKU. Las similitudes y diferencias entre nombres de productos o descripciones dan pistas sobre qué productos comparten las mismas tendencias o compiten por el mismo segmento de clientes.

Modelos de pronóstico obsoletos: el software de pronóstico tradicional y los métodos estadísticos tradicionales, ARIMA (promedio móvil integrado autorregresivo) y otros, solo pueden manejar datos numéricos y son lineales por naturaleza. Los modelos lineales no pueden manejar la complejidad o descubrir patrones sutiles en los datos. Incluso los algoritmos tradicionales de Aprendizaje Automático, como los árboles de expansión o SVM (máquinas de vectores de soporte) requieren grandes esfuerzos de ingeniería de características para capturar los matices dentro de los datos, lo que es un proceso largo y laborioso.

El problema del "arranque en frío" para los nuevos productos: el pronóstico de la demanda de nuevos productos es notoriamente difícil debido a la falta de datos históricos. Sin embargo, el lanzamiento exitoso de nuevos productos es fundamental para el crecimiento del negocio, ya que representa en promedio el 27% de las ventas en todas las industrias .

El aprendizaje profundo, un subconjunto del aprendizaje automático que imita la forma en que el cerebro aprende, es primordial para resolver estos desafíos comunes de pronóstico. Mientras que el diseño de algoritmos de aprendizaje automático tradicionales requiere una intervención frecuente por parte de un humano con experiencia en el dominio, los modelos de aprendizaje profundo aprenden y entrenan sin un gran esfuerzo de ingeniería mientras producen modelos con una precisión sin precedentes.

El aprendizaje profundo permite el desarrollo de modelos de pronóstico sofisticados y personalizados que incorporan conjuntos de datos minoristas no estructurados. Se basa en unidades de procesamiento gráfico (GPU) para procesar tareas complejas a escala. Las GPU vienen a jugar en dos áreas de aprendizaje profundo: capacitación, de modo que el modelo puede aprender información de los datos en bruto existentes, e inferencia: aplicar el modelo a nuevos conjuntos de datos.
Las soluciones basadas en el aprendizaje profundo pueden encontrar patrones complicados en conjuntos de datos. Para los minoristas más grandes, el aprendizaje profundo admite millones de SKU al mismo tiempo, lo que es beneficioso ya que permite a los modelos aprender de las similitudes y diferencias para descubrir correlaciones para la competencia o la promoción. Los guantes de invierno generalmente se venden bien cuando las chaquetas puff se venden bien. El lanzamiento de teléfonos inteligentes con pantallas más grandes probablemente perjudicará las ventas de tabletas de tamaño similar. En el caso de datos faltantes, el aprendizaje profundo también puede determinar mejor si un artículo estaba agotado o simplemente no se vendió. Esto último podría indicar un problema mayor con la forma en que se vende o comercializa ese producto, o que simplemente no es atractivo para los consumidores.

En el caso de un "arranque en frío", los datos históricos son limitados o no existen, y el aprendizaje profundo puede aprovechar otros atributos. El aprendizaje profundo es capaz de encontrar SKU similares y utilizar esa información para iniciar el pronóstico. Por ejemplo, los SKU pueden asociarse con una categoría de nivel superior como "vestimenta", o con un nivel inferior como "abrigo" o "abrigo oculto". O puede estar relacionado con el tipo de material, el precio, la descripción, etc.

A pesar del gran potencial del aprendizaje profundo, existen desafíos para utilizarlo en las operaciones comerciales diarias. El desarrollo de aplicaciones de IA no es una práctica de ingeniería bien establecida. Los proyectos de AI a menudo se asocian con largos ciclos de desarrollo, altas tasas de fracaso, resultados impredecibles y desafíos en el mantenimiento.

El éxito de las aplicaciones de IA depende en gran medida de la experiencia y las habilidades de los científicos de datos involucrados. Encontrar un científico de datos calificado en el mercado actual es difícil para la mayoría de las empresas. Aprovechar las tecnologías de aprendizaje profundo impone desafíos adicionales. Además de la laboriosa limpieza de datos y la ingeniería de características, el proceso de diseño manual de modelos de redes neuronales es difícil dado que existen muchos diseños de modelos potenciales, según la aplicación. Puede llevar una cantidad significativa de tiempo, recursos computacionales y experimentos realizados por científicos de datos para trabajar a través de las posibles combinaciones.

Ingeniería de mejores soluciones con AutoDL

La mayoría de los usuarios de negocios a los que se les asigna la tarea de realizar pronósticos simplemente no tienen conocimientos de codificación o ciencia de datos. Diseñar, entrenar y desplegar modelos de IA de alto rendimiento requiere un conocimiento profundo que es difícil de encontrar con la escasez actual de científicos de datos. Una nueva generación de tecnología llamada AutoDL (aprendizaje profundo automatizado) puede construir, entrenar y seleccionar automáticamente modelos de alto rendimiento sin intervención manual, lo que a menudo conduce a mejores resultados que los científicos de datos humanos en una fracción del tiempo. Esencialmente, los usuarios se centran en el problema de negocios en lugar de sentirse abrumados por la complejidad del modelado de AI. Traen su propio conjunto de datos, identifican el objetivo de predicción y AutoDL procesa los datos y genera los modelos. Este enfoque reduce significativamente el costo y el riesgo de desarrollar proyectos de IA y permite a los usuarios no técnicos.

AutoDL acelera el desarrollo de modelos de redes neuronales al imitar a un científico de datos experimentado. Examina los datos de los usuarios y realiza múltiples intentos para mejorar los modelos de redes neuronales según el rendimiento de los modelos anteriores, solo hace todo automáticamente en horas en lugar de meses. AutoDL y el aprendizaje profundo requieren más poder computacional que todas las tecnologías de aprendizaje automático que las preceden. Una configuración típica de AutoDL a menudo incluye múltiples GPU implementadas en un entorno informático distribuido. Sin las GPU, la formación de redes neuronales tardaría entre 20 y 30 veces más en completarse.

Los avances en el aprendizaje profundo están marcando el comienzo de una nueva ola de plataformas de software, y OneClick.ai, el socio de NVIDIA Inception, utiliza AutoDL para permitir que los usuarios comerciales encargados de la previsión usen la última tecnología de inteligencia artificial sin necesidad de conocimientos de codificación o ciencia de datos. Un cliente de OneClick.ai CPG, uno de los 10 principales productores lácteos del mundo, utilizó la plataforma para generar pronósticos de ventas diarios que superaron a los métodos tradicionales.

"Proporcionamos a OneClick nuestros datos históricos y predicciones fáciles de generar para las ventas diarias que son mucho más precisas que los puntos de referencia de la industria, lo que nos da una ventaja sobre los competidores", dice Shuangli Chen, Gerente General de la Unidad de Negocios de Productos Lácteos Frescos en Mengniu Dairy. Mayor productor y distribuidor de productos lácteos a nivel mundial. "Estamos muy emocionados. "Estos resultados se obtuvieron en una fracción del tiempo que tomaron anteriormente, y también nos inspiraron para expandirnos a nuevas aplicaciones de inteligencia artificial en otras áreas de nuestro negocio".

Si bien los pronósticos basados ​​en el aprendizaje profundo pueden dar como resultado ganancias significativas en la precisión, los obstáculos a la adopción generalizada sugieren la necesidad de invertir en soluciones de aprendizaje profundo que automaticen el proceso integral de desarrollo de modelos de pronóstico de IA. Con este enfoque, los minoristas pueden armar las unidades de mercadotecnia, S&OP, finanzas y otras unidades de negocios con la información basada en datos que ahorrará dinero y aumentará los ingresos, no en el futuro, sino en la actualidad.

El futuro del comercio minorista: muerte de un vendedor

El futuro del comercio minorista: muerte de un vendedor

Por Doug Stephens



Como la mayoría de las personas, al menos media docena de veces al día consulto a Google para obtener respuestas. Algo de lo que busco es algo trivial, de "apostar", pero también hay momentos en que necesito información más completa, sustantiva o compleja para la investigación. Independientemente de lo cual, casi siempre encuentro lo que estoy buscando. Como consecuencia, he sido completamente condicionado a esperar que casi todo lo que quiero saber esté a solo un clic o dos de distancia.

La desconexión minorista

Este supuesto nivel de acceso a la información hace que sea aún más desagradable, cuando vamos de compras, tener incluso nuestras preguntas más básicas con encogimiento de hombros, miradas en blanco y las mejores suposiciones de los asociados de ventas. Cosas simples como ¿por qué el producto A es mejor que el producto B ? O, ¿qué cubre mi garantía ? E incluso, ¿cómo funciona este producto?? Con demasiada frecuencia, estas preguntas de rutina quedan sin respuesta o al menos no se responden adecuadamente para inspirar una compra segura. Todo esto está causando una tremenda disonancia cognitiva para los clientes minoristas y obligando a cada vez más clientes a buscar información en línea, a menudo mientras están de pie en una tienda minorista. Aunque los minoristas apuntarán al precio como el arma humeante detrás del showrooming, la investigación muestra que, de hecho, es más frecuente la búsqueda de información adecuada y precisa que impulsa a los clientes en línea.

Para ser claros, esta brecha de conocimiento de ninguna manera es culpa del vendedor. Más bien, es un resultado inevitable en una industria minorista con salarios notoriamente bajos y una facturación perversamente alta. Pero es esa misma brecha la que ha puesto a muchos minoristas en una posición insostenible.

Una brecha no entrenable

Los minoristas como Best Buy ejemplifican el problema. Dada la profundidad de la información técnica en línea disponible para los consumidores de productos electrónicos, el cliente puede (y muy a menudo lo hace) saber más acerca de un producto específico que el empleado que los asiste, todo lo cual niega gran parte del valor de tener asociados de ventas en el primer lugar.

Como medio para frenar este desequilibrio creciente, Best Buy se ha comprometido a proporcionar una capacitación más intensiva a los empleados de su tienda. Sin embargo, hay una falla inherente en esta lógica. Una cadena como Best Buy no puede gastar costos significativos en capacitación mientras que, al mismo tiempo, se adentra en las aguas profundas y oscuras de la competencia de precios con Amazon, lo que ha hecho a través de su política de ajuste de precios. Simplemente no es matemáticamente posible o estratégicamente sabio intentar hacer ambas cosas.

Cualquier minorista que se toma en serio la contratación, capacitación y retención de verdaderos expertos en productos, no puede ser simultáneamente el líder de bajo precio en el mercado.

Otras cadenas, como Home Depot, han optado por equipar a sus asociados de tiendas con tabletas y otros dispositivos portátiles , brindándoles acceso a la información que los clientes pueden necesitar. Si bien esto no es algo malo, uno no puede evitar preguntarse si simplemente hacer que el empleado sea el guardián de la información no solo agrega un elemento innecesario de fricción entre el cliente y los datos que necesita para realizar una compra. En otras palabras, ¿por qué un cliente debe cazar a un empleado de la tienda, solo para queconsulte una base de datos que el cliente podría haber accedido, dada la oportunidad? Es una receta para la frustración.

Grandes apuestas en inteligencia artificial

Mientras tanto, las empresas de tecnología como IBM parecen apostar por la inteligencia artificial o la informática cognitiva, como a veces se la llama. La inteligencia artificial es una rama de la informática destinada a crear computadoras que tienen la capacidad de aprender y tomar medidas para hacerse más inteligentes con el tiempo. Muchos están aclamando a la inteligencia artificial como la próxima gran frontera en informática.

Como para probar esto, IBM anunció recientemente sus planes de invertir mil millones de dólares en su Jeopardy que domina la plataforma de inteligencia artificial Watson para preparar el sistema para el despliegue en una amplia gama de verticales, una de las cuales no será minorista. En la realidad futura deseada de IBM, Watson no solo es el asociado de ventas minoristas, sino también el asistente de compras digital que se lleva en la mano de cada comprador. En teoría, Watson se volvería más inteligente con cada nueva consulta y recomendación de compradores hasta que prácticamente no haya preguntas de los clientes más allá de su inteligencia.

Sumándose al fervor en torno a la inteligencia artificial, Google compró recientemente la empresa británica de inteligencia artificial Deep Mind . Pronto, los fundadores de Deep Mind trabajarán con el inventor residente y futurista de Google, Ray Kurzweil, quien ha reflexionado abiertamente sobre la creación de un motor de búsqueda tan sofisticado que se convierta en un "amigo cibernético". Con profunda inteligencia artificial en el centro de Google, productos de consumo como Google Shopper aprenderá e incluso comenzará a anticipar nuestras necesidades y preferencias de compra.

La Tienda Autónoma

Al mismo tiempo, compañías como Seattle's Hointer han estado perfeccionando y perfeccionando su concepto de tienda totalmente automatizado. Usando una combinación de robótica, aplicaciones móviles y autopago, la marca ha eliminado la necesidad de personal humano en la tienda. Se puede acceder fácilmente a la información del producto utilizando la aplicación de la marca y con los artículos de ropa que se entregan robóticamente a la sala de accesorios, los clientes no necesitan esperar a un vendedor disponible. Self-checkout elimina la necesidad de cajeros.

Menos humanos con mejores trabajos

Esta nueva ola de tecnologías representa nada menos que una Nueva Revolución Industrial en la que gran parte del trabajo de servicios en el sector minorista se convertirá ahora en el dominio de sistemas, aplicaciones y robótica.

Lamentablemente, para la gran mayoría de los trabajadores del comercio minorista, esta revolución probablemente no sea generosa, amable o acogedora. De hecho, un estudio reciente de la Universidad de Oxford estima que la probabilidad de que las personas de ventas minoristas sean reemplazadas por tecnología en una década es aproximadamente del 92 por ciento. Esto los ubica entre los más probables de todos los tipos de trabajo rastreados por la Oficina de Estadísticas Laborales para ser reemplazados por tecnología. Mucho, al igual que la fabricación fue atacada por la robótica durante los años 80 y 90, gran parte del trabajo de servicio en nuestra economía se convertirá en el dominio de los ciber-asistentes en las próximas décadas.

Desde un punto de vista optimista, sin embargo, también se puede ver una era emergente de oportunidades para empleados minoristas altamente calificados y muy humanos , verdaderos embajadores de la marca que encarnan la marca y animan la experiencia.

Nuevas habilidades para una nueva era

Pero para agregar valor, esta nueva clase de asociados minoristas tendrá que ser superusuarios de los productos de la marca, devotos creyentes en el credo de la marca y ávidos cocreadores que adoran trabajar con clientes para diseñar la solución de producto perfecta. Deben ser personas con capacidades y capacidades innatas: expertos en forjar una conexión con sus clientes. Lejos de ser esclavos de la tecnología, serán los maestros y expertos en utilizarla para sorprender y deleitar a sus clientes.

Y para esto, no te confundas; se les pagará no solo de manera justa, sino generosamente. Ya no se consideran meramente como costos de insumos intercambiables, la nueva clase de vendedor minorista se verá como un activo de marca único y altamente valorado y una inversión en el futuro de la marca.

ETIQUETAS
Inteligencia Artificial Mente Profunda Google Recursos Humanos Minorista Experiencia en la tienda de robótica

AUTOR

Doug Stephens

Doug Stephens es uno de los futuristas, autores y oradores de la industria minorista más importantes del mundo. Su trabajo intelectual y su pensamiento han influido en muchos de los minoristas, agencias y marcas más conocidos del mundo. Doug es el autor de dos libros innovadores; Retail Retail Revival and Reengineering: El futuro de la venta en un mundo post-digital. Doug también es columnista minorista sindicado de CBC Radio y se encuentra en múltiples juntas asesoras corporativas y académicas.

Cómo usa Otto en Alemania la inteligencia artificial

Automático para la genteCómo usa Otto en Alemania la inteligencia artificial

La firma está utilizando un algoritmo diseñado para el laboratorio CERN


Edición impresa | Negocio12 de abril de 2017| HAMBURGO







Un GLIMPSE en el futuro del comercio minorista está disponible en una oficina pequeña en Hamburgo. A partir de ahí, Otto, un comerciante de comercio electrónico alemán, está utilizando la inteligencia artificial (IA) para mejorar sus actividades. La empresa ya está implementando la tecnología para tomar decisiones a una escala, velocidad y precisión que superan las capacidades de sus empleados humanos.

Los grandes datos y el "aprendizaje automático" se han utilizado en la venta minorista durante años, especialmente en Amazon, un gigante del comercio electrónico. La idea es recopilar y analizar cantidades de información para comprender los gustos de los consumidores, recomendar productos a las personas y personalizar los sitios web para los clientes. El trabajo de Otto se destaca porque ya está automatizando las decisiones comerciales que van más allá de la administración del cliente. Lo más importante es tratar de reducir los retornos de los productos, lo que le cuesta a la empresa millones de euros al año.
Obtenga nuestro boletín diario

Actualice su bandeja de entrada y obtenga nuestro Despacho diario y selecciones del editor.

Últimas historias

¿Qué demonios es el CPTPP?
THE ECONOMIST EXPLICAHACE 10 HORAS

¿Las aerolíneas británicas perderán sus derechos de volar a América después del Brexit?
GULLIVERHACE 2 DÍAS

Stephanie Clifford, una estrella de cine para adultos, está demandando al presidente Donald Trump
DETALLE GRÁFICOHACE 3 DÍAS

Por qué una mujer menonita se negó a testificar en un caso de pena de muerte
ERASMUSHACE 3 DÍAS

"Sweet Country" le da a Australia un héroe indígena
PROSPEROHACE 3 DÍAS

Cómo se celebraron las celebraciones del Día de San Patricio
THE ECONOMIST EXPLICAHACE 3 DÍAS
Ver más

Su análisis de datos convencional mostró que era menos probable que los clientes devolvieran mercancías si llegaban en dos días. Algo más largo deletreó problemas: un cliente podría detectar el producto en una tienda por un euro menos y comprarlo, lo que obligaría a Otto a renunciar a la venta y a asumir los costos de envío.

Pero a los clientes tampoco les gustan los envíos múltiples; ellos prefieren recibir todo a la vez. Dado que Otto vende mercaderías de otras marcas y no almacena esas mercaderías, es difícil evitar uno de los dos males: demoras en el envío hasta que todos los pedidos estén listos para su cumplimiento, o muchas cajas que llegan en diferentes momentos.

La solución típica sería una mejor predicción por parte de los seres humanos de lo que los clientes van a comprar para que se puedan pedir algunos productos con anticipación. Otto fue más allá y creó un sistema que utiliza la tecnología de Blue Yonder, una startup en la que tiene una participación. Un algoritmo de aprendizaje profundo, que fue diseñado originalmente para experimentos de física de partículas en el laboratorio CERN en Ginebra, hace el trabajo pesado. Analiza alrededor de 3.000 millones de transacciones pasadas y 200 variables (como ventas pasadas, búsquedas en el sitio de Otto e información meteorológica) para predecir qué comprarán los clientes una semana antes de realizar el pedido.

El sistema de inteligencia artificial ha demostrado ser tan confiable (predice con un 90% de precisión lo que se venderá en 30 días) que Otto le permite comprar automáticamente alrededor de 200,000 artículos al mes de marcas de terceros sin intervención humana. Sería imposible para una persona escudriñar la variedad de productos, colores y tamaños que ordena la máquina. El comercio minorista en línea es un lugar natural para la tecnología de aprendizaje automático, señala Nathan Benaich, un inversor en inteligencia artificial.

En general, el stock excedente que debe tener Otto se ha reducido en un quinto. El nuevo sistema de inteligencia artificial ha reducido el rendimiento del producto en más de 2 millones de elementos al año. Los clientes obtienen sus artículos antes, lo que mejora la retención en el tiempo, y la tecnología también beneficia al medio ambiente, ya que se despachan menos paquetes desde el principio o se envían de regreso.

La iniciativa sugiere que un rol importante de AI en los negocios puede ser simplemente hacer que los procesos existentes funcionen mejor. Otto no disparó a nadie como resultado de su nuevo enfoque algorítmico: en cambio, contrató más. En muchos casos, la IA no afectará el número total de empleados de una empresa, pero realizará tareas con un nivel de productividad que las personas no podrían alcanzar. La experiencia de Otto también subraya que las empresas normales pueden usar IA, no solo gigantes como Amazon y Google, señala Dave Selinger, un experto en tecnología de venta minorista y ex científico de datos de Amazon. El grado en que la compañía ha cedido el control a un algoritmo, dice, es extremadamente inusual. Pero puede que no pase mucho tiempo antes de que otros se pongan al día.

4 tendencias de la tecnología al por menor para mantener un ojo encendido | Pensamiento del cliente

4 tendencias de la tecnología al por menor para mantener un ojo encendido | Pensamiento del cliente

4 Tendencias de la tecnología al por menor para mantener un ojo puesto

Duff Anderson | Sep 23, 2017 218 visualizaciones No hay comentarios  

 

Hoy en día los minoristas tienen un desafío increíble para hacerse destacar del paquete y mantener la atención de los consumidores. Ya se trate de la experiencia en la tienda en las ubicaciones de ladrillo y mortero, o la experiencia general omni-canal , los minoristas están buscando ofrecer una experiencia única de los clientes como una manera de diferenciarse.

Este desafío a menudo requiere que los minoristas se apoyen en tecnologías emergentes y emocionantes para ayudarles a diseñar estas experiencias.

En este post, vamos a ver algunas de las principales tendencias de la tecnología al por menor que están tomando la industria de la venta por la tormenta, y están siendo apalancados para redefinir la experiencia del cliente al por menor.

Internet de las cosas (IoT)

La Internet de las cosas (IoT) es algo que está empezando a sacudir la experiencia de venta al por menor tradicional. IoT permite que diferentes dispositivos y objetos conectados interactúen entre sí a través del intercambio de datos. Esto permite a los minoristas crear ecosistemas vivos de dispositivos y sensores dentro de sus entornos en la tienda para abordar los principales inconvenientes que pueden surgir de las compras en la tienda.

Al discutir el IoT y cómo puede ser apalancado por los minoristas, no podemos ignorar la tienda Amazon Go en Seattle, Washington, que está actualmente en Beta y abierta sólo a los empleados de Amazon. En estas tiendas, Amazon aprovecha al máximo IoT (y lo que ellos llaman su tecnología "Just Walk Out") permitiendo que los compradores tomen los artículos de las estanterías y salgan de la tienda sin necesidad de pasar por una línea de pago. La aplicación Amazon Go de los compradores detecta los artículos que los compradores tomaron de los estantes e instantáneamente cobra su tarjeta de crédito tan pronto como salen de la tienda.

Otro uso de IoT que está empezando a ganar vapor es Voice Shopping, que permite a los compradores comprar productos desde la comodidad de su propia casa con la ayuda de asistentes virtuales y altavoces inteligentes. Por ejemplo, Wal-Mart anunció recientemente una asociación con Google que permitiría a sus compradores pedir productos a través de las compras de voz a través de Google Home, un asistente activado por voz. Una asociación similar fue también alcanzada entre Home Depot y Google , que va a demostrar que las compras de voz es definitivamente una tendencia creciente a mantener un ojo en los minoristas.

Cabe señalar, sin embargo, que esta tecnología podría eventualmente representar una amenaza para algunos minoristas. De acuerdo con Accenture , como IoT se integra más en los productos cotidianos, los consumidores pueden eventualmente ser capaces de pasar por alto a los minoristas y, en última instancia, ordenar productos directamente a los fabricantes.

Chatbots

Los Chatbots son uno de los usos más hablados de esta tecnología hoy en día. Los Chatbots son programas informáticos de Inteligencia Artificial (AI) que los minoristas pueden utilizar para interactuar con sus compradores.

Facebook es una empresa que permite a las empresas crear un chatbot a través de Facebook Messenger. 1-800-Flowers.com, por ejemplo, es una historia de éxito comúnmente discutida donde sus clientes pueden llegar a la empresa a través de Messenger, y un chatbot responde instantáneamente a sus preguntas con el fin de encontrar el arreglo de flores perfecto para sus necesidades actuales .

Los minoristas pueden beneficiarse de esta tecnología porque puede ayudarles a reducir los costos de personal (y los costos de capacitación relacionados) y ofrecer una experiencia de servicio al cliente consistente, de acuerdo con Shopify . Por otro lado, una de las principales ventajas que compradores ver con el uso de chatbots - aunque muchas personas no pueden ni siquiera notar que están hablando con uno) - es que les ayuda a obtener respuestas rápidas a sus preguntas. Además, chatbots potencialmente les impide tener que vagar a través de un sitio web para encontrar la información que quieren.

Realidad Virtual (VR) y Realidad Aumentada (AR)

En primer lugar, para aclarar la diferencia entre los dos:

• Virtual Reality es un entorno generado por computadora que se puede ver e interactuar utilizando un auricular compatible con VR.
• Realidad Aumentada es la superposición de gráficos generados por computadora en entornos reales con el uso de un dispositivo móvil, como un teléfono móvil o una tableta.

Hablar de VR parece estar en todas partes en estos días, y más minoristas están utilizando esta tecnología para salvar la brecha entre la vida real y los mundos virtuales para proporcionar experiencias de compras únicas e inmersivas que se están convirtiendo en más y más accesible a la mayoría de los visitantes.

Alibaba.com es una empresa que está redefiniendo la experiencia de compra para sus clientes. A finales de 2016, la compañía de comercio electrónico china introdujo Buy + , una experiencia de compra que permite a sus visitantes usar VR para recorrer versiones virtuales de tiendas de todo el mundo, luego examinar y comprar artículos que les gustan. Al hacer sus auriculares VR disponibles a un precio bajo, también son capaces de garantizar que la mayoría de sus compradores pueden aprovechar esta tecnología. 

 Follow

Alibaba Group 

✔@AlibabaGroup

BUY+ The First Complete #VR Shopping Experience. Watch how everything, from perusal to purchase, takes place inside a VR environment.

7:50 AM - Oct 20, 2016

•  55 Replies
 
•  9595 Retweets
 
•  9393 likes

Twitter Ads info and privacy

Muchas personas obtuvieron el poder y la diversión que pueden tener con Realidad Aumentada gracias a la locura de Pokémon Go que barrió el mundo el año pasado. Sin embargo, esta tecnología ya ha sido introducida lentamente por los minoristas en los últimos años. Muchos minoristas están utilizando esta tecnología para mostrar sus productos de una manera alternativa a los tradicionales métodos en línea o en línea, sobre todo como una forma para sus compradores a una vista más fácil y conveniente de sus productos.

Por ejemplo, IKEA entendió la lucha de imaginar qué elementos específicos tendrían que ver en sus hogares simplemente mirando un catálogo en papel o en línea. Es por eso que introdujeron la aplicación móvil IKEA Place a  través de la cual los compradores pueden superponer elementos de su catálogo en cualquier parte de su casa y ver cómo sería en realidad en el contexto de las casas de sus compradores.

Con la creciente accesibilidad de VR y AR, los minoristas están comenzando a aprovechar estas tecnologías con más frecuencia para ofrecer una experiencia de compra alternativa y emocionante que dejará a sus clientes deseando más. 

Opciones de pago para celulares

Este ha estado alrededor por algunos años ya, pero todavía debe ser considerado una tecnología emergente importante en el mundo al por menor. Las opciones de pago móvil ofrecen la posibilidad de que los compradores utilicen su teléfono móvil para pagar los artículos cuando están en la tienda, en lugar de utilizar métodos de pago tradicionales como tarjetas de crédito, tarjetas de débito o incluso dinero en efectivo.

Business Insider, como parte del Informe de Beneficios Móviles de 2016 de BI Intelligence , predice que habrá 150 millones de usuarios de pagos móviles dentro de la tienda para el año 2020 sólo en los Estados Unidos. Eso es el 56 por ciento de los consumidores! 

Las carteras móviles, Apple Pay, Android Pay y Samsung Pay tienen como objetivo la transición del proceso tradicional de pago en la tienda a un dispositivo que la mayoría de la gente tiene con ellos siempre: su teléfono móvil. Como un dilema que la tienda Amazon Go pretende abordar, las Opciones de Pago Móviles tienen como objetivo hacer que la experiencia de pago sea más cómoda y rápida, gracias al aprovechamiento de la tecnología NFC (Near Field Communication) o "toque a pago". 

También pretenden ser más seguros que usar tarjetas de crédito, ya sea encriptando o codificando la información de la tarjeta de crédito antes de que llegue incluso a la plataforma de pago del vendedor, u otros medios de confirmar la identidad del comprador. Por ejemplo, los compradores podrán utilizar Apple Pay usando la característica Face ID que se está introduciendo en el iPhone X. Esto proporciona a los compradores la posibilidad de confirmar su identidad mediante el reconocimiento facial, además de la función de seguridad Touch ID versiones del iPhone. Aunque, todavía hay algunas preocupaciones sobre la seguridad de las opciones de pago móvil en general. 

Si bien hay algunos factores que actualmente están impidiendo que esta tecnología de ir mainstream , Opciones de pago móvil son definitivamente una tecnología clave para los minoristas a mantener un ojo.

Retail es un espacio emocionante para la innovación tecnológica

Estas son sólo algunas de las tecnologías emocionantes que los minoristas están aprovechando cada vez más para redefinir lo que la experiencia de "Retail" significa y hacer que se destacan entre la multitud. 

A medida que las marcas minoristas examinen estas tecnologías, será importante que realicen una   investigación de Voz del Cliente (VoC) para evaluar la eficacia de estas tecnologías en la creación de una mejor experiencia del cliente que impulsa las ventas y mejora la retención. 

Una cosa es segura, sin embargo - será interesante ver donde la creatividad de los minoristas va a evolucionar nuestras experiencias de los clientes, incluso en un año a partir de ahora.

Fuente de la imagen: Unsplash

Reeditado con el permiso del autor de la publicación original .

---

Selecciones recientes del editor:

• Odio, mala colocación de productos y riesgo de marca
• Experiencia del cliente Líderes y Laggards - ¿Cuál es la diferencia?
• Aprenda de los innovadores transformando empresas para alinearse con los clientes
• Crear un programa de transformación de la experiencia del cliente que ofrece resultados
• ¿Quieres transformar el servicio al cliente? ¡Pregunta la sabiduría convencional!

---

Categorías: Blog • Tecnología Empresarial

218 visitas

   

Duff Anderson

iPerceptions

Duff Anderson es un visionario en la voz digital de la investigación del cliente con más de 20 años de experiencia. Como SVP y cofundador en iPerceptions, Duff es responsable de proporcionar asesoramiento experto a las organizaciones sobre cómo obtener una ventaja competitiva a lo largo del ciclo de vida de los clientes digitales y volverse más centrado en el cliente.

Clasificación actual del autor: 48

Ver todos los mensajes »

 6 comunes B2B Social Media Marketing errores y cómo evitarlos

7 formas eficaces de construir y comercializar su marca a los clientes locales