Мобайл и машинное обучение в ритейле

Мобайл и машинное обучение в ритейле

Оригинал статьи на сайте New Retail (2017 год)

Меня зовут Владимир Макеев, я директор студии Surf. Общаясь с предпринимателями, я часто рассказываю одни и те же вещи. Чтобы сделать индустрию немного лучше, давайте сегодня вместе посмотрим, какие подходы и технологии могут помочь вашему бизнесу и как именно. Все приведенные мной примеры взяты исключительно из опыта студии.

Начнем с мобильных приложений

LTV мобильного пользователя обычно выше в 2 и более раз в сравнении с тем же вебом. Приложение напоминает о себе, тем самым создавая потребность. Да и просто – это удобно!Давайте рассмотрим мобильные приложения в срезе омниканальности ритейла, взглянем на конкретные технологии и на то, как именно они приносят выгоду.

Омниканальность в ритейле: мобильная часть

Для начала пара слов об омниканальности. О ней уже несколько лет говорят все, а на практике реализуют пока единицы. Лучший бизнес – это когда все каналы органично дополняют друг друга. Хорошие практики: использование единой корзины на всех платформах, единые программа лояльности и система рекомендаций.

Давайте обратимся к отечественной реальности. Из крупных российских сетей есть два показательных примера совершенно разных подходов: «О'кей», использующий мобильное приложение, как канал прямых продаж, и «Магнит», использующий приложение только для взаимодействия с аудиторией и информирования об акциях и магазинах. Оба подхода имеют право на жизнь, работают и приносят выгоду. У таких приложений множество установок, люди пользуются ими каждый день.  

Отображение мобильного контента в поисковой выдаче Google

Технология App Indexing известна давно, но используется, увы, не повсеместно. Найдя ваш товар в Google и кликнув по ссылке, покупатель сразу перейдет в мобильное приложение, если оно у него установлено. Просмотр товара в приложении чаще заканчивается покупкой (статистика и ссылка на исследование ниже), поэтому использование App Indexing на продажи влияет напрямую. А если добавить к этому Deep Linking, то можно переводить пользователя в приложение также из ссылок в любых других источниках, например маркетинговых рассылок.

График из исследования Criteo

А можно ли перевести будущего покупателя в приложение, если он его не устанавливал? Теперь можно, об этом ниже.

Покупка в приложении без установки

Теперь чтобы пользоваться приложением, не обязательно его устанавливать. Этого позволяет добиться технология Instant Apps. На практике все выглядит так: ваш будущий покупатель ищет что-то в Google, в поисковой выдаче получает ваш товар. При клике на него открывается экран мобильного приложения, которое в смартфоне не установлено, с полным функционалом. Части мобильных приложений подгружаются на лету, не «съедают» много траффика и подводят к установке самого приложения.    

С примерами использования этого в бизнесе пока сложнее: их нет. Технология совсем новая, и широкая публика доступ к ней не имеет. Нам, благодаря сотрудничеству с Google, уже удалось ее опробовать и внедрить в приложение книжной сети «Лабиринт».

А вот для наглядности видео от Google.

Интеграция с голосовыми помощниками

Управление голосом – самый удобный и привычный для человека интерфейс. Большинство наших коммуникаций осуществляются именно так. Gartner предсказывают, что к 2019 году 20% всех взаимодействий с телефонами будет происходить через голосовых помощников. Уже сейчас более 40% владельцев смартфонов регулярно пользуются Siri и ассистентом Google.

Интеграция магазина с голосовыми помощниками позволит сделать процесс покупки еще более гибким и удобным.

Использование геолокации не только для маркетинга

Все знают, что можно использовать местоположение клиента, чтобы показывать ему уникальные уведомления. Например, когда человек находится всего в паре кварталов от вашего магазина, можно рассказать ему об акциях. Эта технология называется Geofencing. Однако такая реклама нравится не всем, поэтому массовое использование считается дурным тоном.

Как использовать технологию, чтобы не раздражать клиентов, а помогать им? Вариантов масса. Особенно если учитывать, что в обратную сторону Geofencing тоже работает. Take away рестораны знают среднее время готовки своих блюд и могут начинать готовить заказанное, когда клиент приближается к ресторану. А магазины могут переносить заказанный в сети товар со склада в зону ожидания, получая оповещения о том, что покупатель уже близко. Меньше времени на ожидание – лучше клиентский опыт.

Bluetooth-маячки

Bluetooth-маячки не так давно были на вершине ожиданий. Рассматривались кейсы их использования для навигации в крупных магазинах, демонстрации покупателям рекламы в конкретных местах магазина. В торговых помещениях крупнейшей американской сети Macy’s даже использовали сразу 4000 таких маячков. Мы же не рекомендуем нашим клиентам использовать маячки, и вот почему:

  • Это абсурдно дорого. Цена внедрения и приносимая выгода несопоставимы. Для помещения 122x122 метра маячки обойдутся в $6000, разработка кода геолокации – в несколько миллионов рублей.
  • Даже если у пользователя есть приложение – он не обязательно получит уведомления. Для этого требуются специальные разрешения, про которые мало кто знает.
  • Нотификации в Chrome тоже нужно включать отдельно, – функция спрятана в настройках и про нее никто не знает.

Если же навигация необходима, то можно использовать альтернативные способы. Например, по магнитному полю Земли. Это реализуемо без WiFi и GPS, точность высокая. Элегантное, эффективное и не такое дорогое решение, если у вас не очень много пользователей.

Мобильные платежные системы

Осенью в России запустился Apple Pay. Уже сегодня расплатиться с помощью смартфона можно даже в небольших кофейнях в провинциальных городах. И, конечно же, самый удобный способ оплаты в приложении – расплатиться картой, привязанной к iTunes. То, как Apple Pay распространился всего за полгода нельзя назвать даже быстрой экспансией, это практически мгновенный захват рынка.

Аналогичная технология от Samsung тоже уже вышла на наш рынок, но используется пока меньше. У более универсального Android Pay перспективы куда лучше, посмотрите хотя бы на долю рынка Android-смартфонов. Android Pay появится в России уже совсем скоро, и активное изучение особенностей его внедрения уже началось.

Машинное обучение. В чем польза?

Есть такой принцип: чем точнее мы можем рассмотреть какие-то изменения, тем ближе они к нам. Массового внедрения машинного обучения еще не произошло, но основные сценарии использования уже понятны и используются. Netflix именно так рекомендует нам новые фильмы, PayPal защищает от мошенников, а Facebook – от оскорбительной рекламы. Amazon пошли еще дальше и отдали роботам ключевые направления бизнеса.

Давайте посмотрим, какие подобные решения есть уже сейчас или появятся буквально завтра.

Визуальный поиск

Технологии computer vision развиваются особенно активно. Машины научились распознавать уже практически любые изображения и даже объекты в видео. Это одна из самых перспективных для продаж технологий. Уже сейчас можно сфотографировать что-то на улице и найти похожий товар на Aliexpress. Для примера я использовал скриншоты из их приложения.  

Сейчас самое время задуматься о внедрении визуального поиска. Первые такие приложения станут крайне популярными, приведут в освоившие технологию магазины огромную новую аудиторию.

Подборки

Если машина может определять объекты на фото и видео, значит, она может на них и учиться дальше. Анализируя фотографии, машина может научиться понимать, какие вещи лучше гармонируют друг с другом и составлять подборки товаров. В случае магазинов одежды это могут быть луки, например.

Анализ корзины и руководства для мерчендайзеров

Имея в своем распоряжении историю покупок, можно предсказывать какие товары пользователь может купить, основываясь на том, что он уже добавил в корзину. Конечно, сейчас это делается и без машинного обучения, но эффективность таких систем оставляет желать лучшего.

Эти же данные можно использовать для составления руководств для мерчендайзеров. Вы можете точно знать, какие товары с наибольшей вероятностью купят вместе, и, имея на руках такие данные, вы легко адаптируете расстановку товаров в оптимальном виде.

Предсказание спроса, оптимальной цены, эффективности маркетинговых кампаний

Анализируя историю продаж, искусственный интеллект может предсказывать изменение спроса. Зная спрос в будущем, можно соответственно подстраивать и предложение, оптимизировать поставки.  

Есть и задача, которую мы сейчас решаем для одной крупной торговой сети: предсказание оптимальной наценки. Искусственный интеллект обрабатывает огромные объемы данных: сколько товара было продано, сколько осталось на складе, цены закупки и розницы, итоговая прибыль, инфляция, цены на сырье, даже погода. Все это используется для предсказания той наценки, которая принесет максимальную прибыль бизнесу клиента. При построении цен машина учитывает товары маячки, конечно же.

Синяя линия на этом графике – предсказанная прибыль для трех товаров. Оранжевой точкой отмечена наценка на товар, которую определили люди. Зеленой – оптимальная наценка, рекомендуемая искусственным интеллектом. Выделенная зона – доверительный интервал.

Точно также можно оценивать эффективность маркетинга. Имея хорошую базу для обучения, машина точно скажет, сколько денег вам принесла та или иная кампания, а заодно спрогнозирует выгоду от будущих акций.

Надеюсь, этот текст помог вам чуть лучше понять технологии, стоящие за торговыми приложениями. А кому-то, возможно, и сделать свой бизнес лучше.

1 место на чемпионате по искусственному интеллекту

Команда Surf заняла первое место на чемпионате по искусственному интеллекту на Russian Artificial Intelligence Forum. Задача RAIF — показать бизнесу, что самые сложные из реальных и актуальных задач можно эффективно решать с помощью машинного обучения.