随着零售商采用AI,位置数据的价值更突出了

简介: 随着零售商采用AI,位置数据的价值更突出了

本文来自 企业网D1net公众号

随着顾客在面对面和在线浏览商品和购物,AI正在幕后运行着,寻找零碎信息之间的相关联系,它可能已经帮助零售商做出了数以百万计的决定,以更好地管理库存,了解购物者,并为他们的产品和服务定价。

在零售运营中,AI与其说是一个无所不知的机器人,不如说是一个值得信赖的同事。AI默默地在虚拟后台工作,审查持续不断的数据流,同时进行标记,并提示分析师:“你可能想看这个,这可能是很重要的。


这才刚刚开始,AI能够解析人类无法解析的大量数据,有可能更早地检测到中断或产品需求,使零售商能够避免错失机会。位置数据一如既往地对这项工作至关重要,最成功的零售业务对卖家来说可能是最有利可图的价位,随时随地为顾客提供他们想要的东西。


根据零售系统研究公司的一项调查,超过70%的表现最好的全方位零售商同意,AI支持的分析将从根本上改变他们预测客户需求和制定未来三年商品计划的方式。


最近,我与零售系统研究公司的管理合伙人Brian Kilcourse一起探索了AI的潜力。



Cindy Elliott:你的研究着眼于零售商对人们购物方式变化的反应,主要零售商对此有何反应?


Brian Kilcourse:我们有一个截然不同的世界,这个世界受到零售商无法控制的各种外部因素的影响。镇上有体育赛事吗?一种不寻常的交通模式?是不是有竞争对手做了什么?有人发布了TikTok视频,在Instagram上说了什么,或者在Facebook上发表了尖刻的评论吗?天气怎么样?


我们注意到,最聪明的零售商正在使用AI非常快地分析非交易性信息,以从中获得洞察力。许多公司正在将AI与GIS的位置智能相结合,以在特定商店和仓库的上下文中查看他们的数据。


当AI与位置智能结合在一起时,它还可以让你将决策本地化,它为你提供更多信息,以了解当地购物者的行为特征、购买模式和市场趋势。然后,你可以将合适的产品种类转移到合适的商店,以满足这些客户的需求。


我们正在谈论的是可能做出数百万个关于产品分类、展示、价格和促销的决定,这将压跨一个人。AI及其配套技术ML可以帮助零售商实现其中一些决策的自动化。



Cindy Elliott:零售商如何通过从这些数据中获得的分析来更多地了解他们的客户?


Brian Kilcourse:一旦零售商能发现你的意图,最好的零售商就会开始向你展示其他可能对你有用的产品。


在未来的某个州,我们将能够根据消费者在商店里明示或暗示的兴趣向他们推送消息。例如,如果我在烘焙区,我选择了一个系统,该系统会问我:“你想要建议吗?”当我碰巧从货架上拿起一件商品时,理论上系统可以告诉我还有什么产品可以搭配这件商品。



Cindy Elliott:在AI的这种新用途中,位置数据是如何产生影响的?


Brian Kilcourse:零售业是出了名的被动反应行业,它对客户需求做出反应,但在当今世界,你几乎必须预测需求,你必须建立各种情景模型,使你能够比以往任何时候都更快地对需求变化做出反应。


现在,我们可以可视化地预测需求将在何时何地激增,公司已经开始利用数字孪生,即真实世界的虚拟表示,以了解商品的流动。当然,我们希望这样做的原因是,我们可以尽早发现供应或需求中断,并在为时已晚之前采取行动。


如果供应链出现问题,我们想了解原因。这可能是地缘政治、天气或制造过程或入境口岸的延误。我们可以采取纠正措施,寻找替代来源和产品,或者将产品转移到最有可能销售的地方。


在这种情况下,位置数据至关重要。如果我们有一个由位置智能驱动的数字孪生,我们可以看到商品与其当前位置的关系,以及需要这些商品的客户的位置。


早在20世纪80年代,就有人发现一次性尿布的销量与啤酒之间存在关联。他们发现,年轻的爸爸们被派到商店去买一次性尿布,当他们在那里的时候,他们正在买啤酒。这些从表面上看起来是没有关联的,除非,从经验上讲,它们是非常密切相关的。


这就是AI可以提供的洞察力,快速、令人印象深刻。当你将位置智能添加到AI中时,你会看到更深层次的数据。你可以获得供应链可能出现问题的迹象,你可以预测消费者将在何时何地购买什么。

相关文章
|
2月前
|
消息中间件 人工智能 Kafka
AI 时代的数据通道:云消息队列 Kafka 的演进与实践
云消息队列 Kafka 版通过在架构创新、性能优化与生态融合等方面的突破性进展,为企业构建实时数据驱动的应用提供了坚实支撑,持续赋能客户业务创新。
391 31
|
3月前
|
消息中间件 人工智能 运维
事件驱动重塑 AI 数据链路:阿里云 EventBridge 发布 AI ETL 新范式
“一个简单的数据集成任务,开始时总是轻松愉快的,但随着业务扩展,数据源越来越多,格式越来越乱,整个数据链路就会变得一团糟。”陈涛在演讲中指出了当前 AI 数据处理的普遍困境。扩展难、运维难、稳定性差,这三大挑战已成为制约 AI 应用创新和落地的关键瓶颈。针对这些痛点,在2025云栖大会期间,阿里云重磅发布了事件驱动 AI ETL 新范式,其核心产品 EventBridge 通过深度集成 AI 能力,为开发者提供了一套革命性的解决方案,旨在彻底改变 AI 时代的数据准备与处理方式。
410 36
|
2月前
|
人工智能 运维 Java
Spring AI Alibaba Admin 开源!以数据为中心的 Agent 开发平台
Spring AI Alibaba Admin 正式发布!一站式实现 Prompt 管理、动态热更新、评测集构建、自动化评估与全链路可观测,助力企业高效构建可信赖的 AI Agent 应用。开源共建,现已上线!
3904 56
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
迁移学习:让小数据也能驱动AI大模型
迁移学习:让小数据也能驱动AI大模型
334 99
|
3月前
|
人工智能 Serverless API
函数计算的云上计费演进:从请求驱动到价值驱动,助力企业走向 AI 时代
函数计算计费方式历经三阶段演进:从按请求计费,到按活跃时长毫秒级计费,再到按实际资源消耗分层计费。背后是资源调度、安全隔离与开发体验的持续优化。尤其在AI时代,低负载减免、会话亲和等技术让计费更贴近真实价值,推动Serverless向“按需使用、按量付费”终极目标迈进。
|
3月前
|
存储 人工智能 数据可视化
企业级 AI 模型无代码落地指南:基于阿里云工具链,从 0 到 1 实现业务价值
某汽车零部件厂商通过阿里云PAI、OSS等工具,实现无代码AI质检落地:仅用控制台操作完成数据治理到部署,质检效率提升3倍,模型周期从2月缩至2周。本文详解全栈可视化方案,助力企业零代码落地AI。
425 1
|
2月前
|
机器学习/深度学习 人工智能 监控
拔俗AI智能营运分析助手软件系统:企业决策的"数据军师",让经营从"拍脑袋"变"精准导航"
AI智能营运分析助手打破数据孤岛,实时整合ERP、CRM等系统数据,自动生成报表、智能预警与可视化决策建议,助力企业从“经验驱动”迈向“数据驱动”,提升决策效率,降低运营成本,精准把握市场先机。(238字)
|
2月前
|
传感器 人工智能 监控
拔俗多模态跨尺度大数据AI分析平台:让复杂数据“开口说话”的智能引擎
在数字化时代,多模态跨尺度大数据AI分析平台应运而生,打破数据孤岛,融合图像、文本、视频等多源信息,贯通微观与宏观尺度,实现智能诊断、预测与决策,广泛应用于医疗、制造、金融等领域,推动AI从“看懂”到“会思考”的跃迁。
|
2月前
|
机器学习/深度学习 人工智能 算法
拔俗AI智能营运分析助手:用技术破解企业“数据焦虑”
AI智能营运分析助手破解企业“数据多却难洞察”难题,通过自动化集成、定制化模型、可视化输出,助力中小企业实现低门槛数据驱动决策,提升营运效率与精准度。
|
2月前
|
机器学习/深度学习 人工智能 搜索推荐
拔俗AI体征营养指导系统:从数据到建议的技术闭环
AI如何读懂身体并给出科学营养建议?本文从开发者视角揭秘三大核心技术:多源异构数据融合,构建个性化推荐引擎,以及反馈驱动的持续学习系统。通过打通“感知-决策-反馈”闭环,AI真正实现千人千面的动态营养指导,成为可进化的健康伙伴。(238字)