AI w handlu detalicznym – co jeszcze jest możliwe?
29 Feb 2024
Sprzedawcy internetowi cieszyli się niezwykłą przewagą i wcześniejszym startem z AI. Ich ugruntowane procesy pozwoliły im zbierać dane domyślnie, a analitykę do optymalizacji doświadczeń klientów wykorzystują od lat. Co jednak przyniesie przyszłość? Dokąd zaprowadzi AI handel detaliczny, szczególnie w obszarze usprawniania procesów back-office? I czy ma potencjał, by wspierać nie tylko sklepy internetowe, ale też tradycyjne sklepy stacjonarne?
W ciągu ostatnich pięciu lat krajobraz AI w aplikacjach biznesowych dla handlu detalicznego przeszedł niezwykłą transformację. W 2019 roku personalizacja ograniczała się do podstawowych silników rekomendacji opartych na poprzednich zakupach, a chatboty oferowały proste funkcje obsługi klienta. Dziś zaawansowane algorytmy AI umożliwiają hiper-personalizację – analizują rozległe zbiory danych, by tworzyć spersonalizowane doświadczenia zakupowe, ukierunkowane promocje i dynamiczne ceny. Konwersacyjne boty AI obsługują złożone zapytania i negocjują ceny, a nawet sklepy stacjonarne korzystają z kamer i czujników opartych na AI, które śledzą zachowania klientów i personalizują doświadczenia w sklepie.
Co jednak z wewnętrznymi aplikacjami biznesowymi, procesami operacyjnymi i back-office? Jak AI może pomóc detalistom usprawnić przepływy pracy i obniżyć koszty? Potencjał wydaje się namacalny: AI może zwiększyć marże operacyjne nawet o 4 punkty procentowe, a marże handlowe nawet o 6 punktów procentowych, jak wynika z analizy Oliver Wyman. Z kolei badania Deloitte dowodzą, że 91% organizacji oczekuje wzrostu produktywności dzięki generatywnej AI. Wiele z nich jest w trakcie przeprojektowywania swoich operacji biznesowych, dbając zarówno o wdrożenie, jak i etyczne wykorzystanie technologii – jednak ogólne tempo adopcji pozostaje wolne.
Przyjrzyjmy się bliżej tym kategoriom i przeanalizujmy, jak liderzy branży wykorzystują tę technologię w swoich strategiach handlowych.
1) Innowacje i automatyzacja w sklepach stacjonarnych
Wpływ AI na e-commerce i sklepy internetowe jest oczywisty. A co z tradycyjnymi sklepami? Tu AI może wspierać rozmieszczanie towarów, ustalanie cen i dopasowywanie produktów do klientów w sklepie. Coraz więcej sklepów – zwłaszcza sprzedających odzież, obuwie i akcesoria – może śledzić, jak często dany produkt jest brany do ręki, przymierzany lub zostawiany w przymierzalni. Zebrane dane pomagają identyfikować zachowania klientów i – podobnie jak w sklepie internetowym – rejestrować wyświetlenia, intencje zakupowe, porzucone zakupy i sprzedaż.
AI może też znacząco odciążyć personel sprzedaży i przejąć część powtarzalnych zadań, takich jak uzupełnianie towarów czy obsługa kas. Zautomatyzowane kasy wychodzą poza typowe systemy samoobsługowe spotykane w supermarketach – rozpoznają produkty wkładane do koszyka bez konieczności jakiegokolwiek działania ze strony klienta lub pracownika. Najprostsze systemy rejestrują moment, gdy klient bierze produkt z półki, a następnie automatycznie odliczają sumę z cyfrowego systemu płatności.
Na marginesie – to samo dzieje się w sklepach internetowych. Amazon Go to jeden z pierwszych przykładów, korzystający z technologii „po prostu wyjdź ze sklepem", która reaguje na produkty zabrane z półki i nalicza je na konto Amazon klienta. Technologię tę wdrożyli też inni detaliści, m.in. Alibaba, Aldi i Żabka.
Zobacz, jak wygląda doświadczenie zakupowe w Amazon Go
„Po prostu wyjdź ze sklepem" to technologia reagująca na produkty zabrane z półki i automatycznie naliczająca je do cyfrowego portfela klienta (obraz wygenerowany przez Midjourney).
2) Automatyzacja back-office
Narzędzia oparte na AI oferują solidne rozwiązanie do automatyzacji różnych zadań back-office. Technologia może na przykład sprawnie przetwarzać faktury i realizować płatności, nawet gdy mamy do czynienia z niestandardowymi formatami dokumentów papierowych. Wczesne błędy wpisują się w ciągłe uczenie się systemu, przyczyniając się do jego samodoskonalenia z czasem.
Eksperci przewidują, że ten poziom automatyzacji ograniczy zatrudnienie na stanowiskach początkujących księgowych i innego personelu back-office, a wyższej kadrze zarządzającej umożliwi szybszą reakcję na zmieniające się warunki rynkowe.
Biorąc pod uwagę, że operacje back-office stanowią zazwyczaj około 1 punktu procentowego kosztów detalisty w centrali, wdrożenie AI ma potencjał, by zwiększyć marżę firmy o 0,5 punktu procentowego (prognoza Oliver Wyman).
3) Zarządzanie zapasami i łańcuchem dostaw
Większość detalistów zdigitalizowała już – przynajmniej częściowo – swoje centra dystrybucji. Zamówienia składane są automatycznie, a roboty przemieszczają palety po magazynach. AI instruuje magazyn, jak układać kartony w ciężarówce, by były automatycznie rozładowywane we właściwej kolejności. Pracownicy układający towary na półkach nie muszą już tyle szukać ani się zastanawiać.
AI może jednak jeszcze bardziej obniżyć koszty łańcucha dostaw i zwiększyć jego efektywność – zaawansowana analityka potrafi znaleźć najtańsze i najszybsze trasy, uwzględniając o wiele więcej czynników niż człowiek. Choć koszty łańcucha dostaw stanowią zazwyczaj jedynie 2–3% sprzedaży, AI w tym obszarze może potencjalnie zwiększyć marżę detalisty o około 1,0–1,5 punktu procentowego, zgodnie z prognozami Oliviera Wymana.
Mechanizmy AI i uczenia maszynowego sprawdzają się również w prognozowaniu łańcucha dostaw – pozwalają dokładnie przewidywać popyt i usprawniać procesy planowania w obszarach merchandisingu, łańcucha dostaw i operacji.
Oto przykład tego, jak aplikacja zaprojektowana dla kurierów paczkowych usprawniła planowanie tras. Ponieważ kurier dostarcza dziesiątki, a nawet setki paczek dziennie, optymalizacja trasy jest kluczowa – pomaga oszczędzać czas i koszty paliwa.
Innym przykładem jest brytyjska sieć sklepów convenience One Stop, która wdrożyła takie rozwiązania w 2022 roku, odnotowując znaczące usprawnienia po czterech miesiącach korzystania z systemu prognozowania opartego na AI. Obejmowały one wzrost dostępności produktów w sklepach o 1,9% i redukcję strat świeżych towarów o 4%, co przyczyniło się do znaczącego wzrostu sprzedaży.
4) Optymalizacja cen
Wielu detalistów nadal planuje promocje intuicyjnie – ale gdy odsuniemy na bok to, „co wszyscy robią", i zastosujemy AI do ujawnienia rzeczywistego wpływu promocji, możemy dojść do zaskakujących wniosków. Dzięki zaawansowanym mechanizmom można mierzyć wpływ promocji w zestawieniu z innymi danymi – i przekonać się, że w niektórych przypadkach promocja może szkodzić firmie, nie prowadząc do sprzedaży kompensującej koszty.
Według Oliver Wyman, zaawansowany algorytm promocji może zwiększyć marżę firmy o 1,5 punktu procentowego w ciągu jednego do dwóch lat.
Amazon jest pionierem tych strategii od wielu lat. Detalista dostosowuje ceny produktów w czasie rzeczywistym na podstawie popytu, konkurencji i czynników rynkowych, maksymalizując przychody i wyznaczając trendy.
5) Generowanie treści
W handlu detalicznym duże znaczenie ma generowanie treści – zarówno w kampaniach marketingowych, jak i opisach produktów. Tu generatywna AI może wykazać pełnię swoich możliwości, a detaliści nie muszą korzystać z zewnętrznych narzędzi, takich jak ChatGPT – mogą posiadać własne systemy zarządzania treścią wspomagane AI i wykorzystywać AI do generowania wszelkiego rodzaju treści – od kampanii e-mail marketingowych po informacje o produktach.
Funkcje AI mogą wyglądać podobnie do narzędzi redakcyjnych używanych przez dziennikarzy w redakcjach, jak pokazuje ten proof of concept zaprojektowany przez Autentikę. AI generuje akapit na podstawie podanego tematu, z tonem komunikacji i liczbą słów określonymi przez użytkownika.
Przeczytaj też: Wprowadzenie do koncepcji AI dla redakcji
Kolejnym krokiem jest tworzenie bardziej spersonalizowanych treści. Na przykład Starbucks generuje spersonalizowane newslettery e-mailowe z dostosowanymi ofertami i rekomendacjami opartymi na preferencjach i historii zakupów klientów, a Nike publikuje spersonalizowane opisy produktów.
Kolejną korzyścią z wykorzystania AI w generowaniu treści jest spójność – dzięki algorytmom zapewniasz, że opisy produktów są dokładne i ujednolicone, co sprawia, że produkty są łatwiej odkrywalne.
Dzięki generatywnej AI możliwe jest też tworzenie spersonalizowanych wizualizacji produktów. Dobrym przykładem jest tu IKEA – z pomocą systemu opartego na AI firma oferuje klientom niestandardowe wizualizacje pokojów i mieszkań z rekomendacjami produktów. Wizualizacje tworzone są na podstawie preferencji klientów i wymiarów pomieszczeń, zapewniając wysoką dokładność.
Budowanie narzędzi wspomaganych AI dla handlu detalicznego
Zgodnie z najnowszym raportem Deloitte „State of Generative AI in the Enterprise", większość organizacji polega przede wszystkim na gotowych rozwiązaniach generatywnej AI. Obejmują one aplikacje produktywności ze zintegrowaną generatywną AI, platformy korporacyjne ze zintegrowaną generatywną AI, standardowe aplikacje generatywnej AI oraz publicznie dostępne duże modele językowe (LLM), takie jak ChatGPT.
Stosunkowo niewiele firm korzysta z bardziej spersonalizowanych rozwiązań AI, takich jak oprogramowanie dedykowane konkretnym branżom. Oczekuje się jednak, że w miarę jak AI staje się coraz bardziej wyspecjalizowana i strategiczna, zobaczymy więcej złożonych przypadków użycia aplikacji biznesowych dostosowanych do potrzeb konkretnych branż i firm. Wiele organizacji będzie musiało zdecydować, czy budować rozwiązania we własnym zakresie, czy zatrudnić zewnętrznych konsultantów. Jeśli interesuje cię, które rozwiązanie może być lepsze dla twojej firmy, sprawdź ten artykuł.
