Come aiutarci nella ricerca di prodotti che soddisfino l nostre aspettative, utilizzando semplicemente foto , o elencando alcune caratteristiche basi? – Questo è il supporto che fornisce P2F – Gli ambiti di utilizzo sono innumerevoli – Per i creativi ricevere prodotti simili nelle vecchie collezioni o analizzando le caratteristiche e le similitudini che DP (deep Learning) destrare dai best seller – Per il MKT e il commerciale aiuta a creare dei LOOKBOOK per cluster di clienti – per un singolo cliente – etc. – MKT analizzare i trend degli influencer – …
I processi di training e di teaching delle Reti Neurali sono fondamentali – A differenza dei normali programmi computazionali che sono costituiti da proprie business logic e per ogni implementazione è necessario l’intervento di un tecnico, gli algoritmi di intelligenza artificiale hanno la capacità di auto-addestramento – Come ad uno studente dobbiamo far conoscere come la nostra azienda lavora come seleziona i prodotti – quali sono i trend di acquisto dei nostri clienti – come sono i nostri processi di fulfillment – etc – Ulteriore vantaggio è che oggi giorno il sistema impara da solo sempre di più, ed è in grado di offrire Previsioni – Forecast – In pratica l’introduzione di engine di AI in azienda è come assumere un intelligente manager con enorme capacità che per essere produttivo e sfruttare la proprie capacità deve conoscere bene le dinamiche dell’azienda
Per il mondo dei Retail, P2F può fornire un importante aiuto come supporto alle commesse e agli store manager. Tutte le aziende rilevano che i negozi gestiti da store manger / commesse con molta esperienza i risultati sono sempre superiori rispetto altri punti vendita.
La sfida: Perchè non trasferire il Know How da chi ha esperienza a chi manca?
Questa sfida è stata l’obiettivo del progetto – Un sistema esperta è in grado di proporre i prodotti giusti ad un cliente solo da come veste il cliente o dal primo prodotto scelto – Questo avviene perchè il sistema da solo individua il mood del cliente e cerca i cluster simili
Si può pensare che questi risultati si possono ottenere anche con semplice statistiche – ma questo non può avvenire primo perchè le statistiche elaborano dati ON OFF (esempio: questo capo o è elegante o sportivo, è incamici o una polo etc.) – mentre AI utilizza “fuzzy Logic” e per ogni prodotto dà un “peso” (esempio: questo capo o è 70% elegante o 30% sportivo – etc) inoltre è caratteristica principale del Deep Learning individuare da solo correlazione tra prodotti – raggruppamenti che noi non siamo in grado di creare
SFIDA: Come AI può ottimizzare i processi di Delivery?
Le aziende di Retail ottengono gli obiettivi di performance, solo se riescono a vendere i propri prodotti, prima dei saldi o comunque con sconti contenuti.
L’obiettivo si raggiunge solo nello spedire ai punti vendita:
1) i prodotti che possono piacere al target di clienti del punto vendita – 2) i prodotti devono essere inviati al tempo giusto – quando i clienti li cercano per comperarli – 3) devono essere spediti e distribuiti nella quantità giusta – con particolare attenzione all’Indice di Rotazione
L’engine RGDP è stato addestrato per questo scopo – Oggi aiuta le aziende ad automatizzare questi processi con creazione automatica delle picking (liste di prelievo) – esempio: già al lunedì mattina calcola e crea in automatico le picking per la delivery ai punti vendita – ovviamente processi che contemplano “human on the loop” per casi particolari o per sovrintendere e controllare
…
.
.
