Зеркало умеет переводить на шесть языков и выводить подробную информацию о товаре. Оно также может менять освещение в примерочной (яркий солнечный свет, закат, клубное освещение и т. д.), показывая клиенту, как он будет выглядеть в разных условиях. Зеркало подскажет, какие товары доступны в других вариантах (иной цвет, иной размер), и продавец принесет нужные модели в примерочную. Подобная возможность — это персонализированное обслуживание клиентов, которое обычно не в силах обеспечить сотрудник-человек, ведь к нему одновременно обращается множество покупателей.
Разумеется, умное зеркало собирает информацию о покупателе: сколько времени он провел в примерочной, какая конверсия (отношение выбранных товаров к купленным) и другие данные. Магазин может обобщить, проанализировать эту информацию и получить неочевидные выводы. Например, покупатели часто примеряют ту или иную одежду, но почти никогда ее не покупают — на основе этой информации магазин может в будущем скорректировать закупки. Более того, подобная информация о клиенте, а также другие данные, например его перемещения по залу, могут применяться при проектировании магазинов. Представьте: вы можете управлять множеством моделей потребительского поведения и оптимизировать планировку магазина так, чтобы ваши покупатели остались довольны, возвращались к вам снова или покупали определенные товары.
Ритейлер также может использовать искусственный интеллект для решения операционных задач, например управления персоналом. Так, глобальная японская сеть магазинов одежды занимается оптимизацией труда продавцов, работающих в зале. В отделах одежды и обуви именно эти сотрудники играют ключевую роль: около 70% опрошенных покупателей признались, что нуждаются в их рекомендациях
[70], поэтому для эффективного управления персоналом было решено воспользоваться ИИ-решением от компании Percolata.
Программа выработала оптимальное расписание, состоящее из пятнадцатиминутных блоков, и предложила наиболее эффективные связки продавцов, заступающих на смену. Автоматизация позволила устранить непреднамеренные ошибки менеджеров, чаще вызывавших на смену «любимчиков», даже если те не способствовали общему успеху команды продавцов-консультантов. Внедрив ИИ-решение в 20 магазинах в США, компания обнаружила, что в течение 53% рабочего времени в ее магазинах находятся лишние сотрудники, а в течение 33%, напротив, ощущается их нехватка. Рекомендации Percolata по планированию рабочего времени персонала обеспечили японскому ритейлеру рост продаж на 10–30%
[71], а менеджерам позволили высвободить примерно три часа в день, которые ранее тратились на планирование смен.
Еще одна пришедшая из Европы инновация предлагает другие способы расширения возможностей торговой сети. Итальянская компания Almax разработала манекен, оснащенный компьютерным зрением и технологией распознавания лиц
[72]. Система с искусственным интеллектом может определить ваш пол, примерный возраст и расу. Бутики и модные бренды вроде Benetton задействуют такие высокотехнологичные манекены, чтобы подробнее изучить своих клиентов. Так, в одном магазине было замечено, что мужчины, совершавшие покупки в течение первых нескольких дней распродаж, обычно тратили больше денег, чем женщины. Именно поэтому компания соответствующим образом оформила витрины. В другом магазине выяснили, что из всех посетителей, заходящих в магазин после 16:00 через определенный вход, треть составляют китайцы, поэтому именно в эти часы там работал сотрудник, владеющий китайским языком.
В будущем ритейлеры начнут применять ИИ-технологии для персонализированной работы с клиентами. Так, манекен или зеркало, узнавшие вас, могут загрузить историю ваших покупок и подсказать сотруднику, какие модели одежды стоит вам предложить (поскольку они могут вам понравиться). Такой формат станет типичным примером взаимодействия человека и машины, о чем шла речь во введении. ИИ-технологии отвечают за то, в чем сильны машины (обработка большого объема данных с последующей рекомендацией определенных действий), а человек — за то, в чем сильны люди (суждение и гибкие навыки, помощь клиентам в приобретении тех товаров, которые более всего отвечают их потребностям). По мере совершенствования ИИ-систем машины смогут анализировать человеческую мимику и интонацию, определяя эмоциональное состояние человека и подстраиваясь под него. В главе 5 мы рассмотрим, как некоторые продвинутые ИИ-приложения обучаются эмпатии.
С одной стороны, такие технологические новшества расширяют возможности розничной торговли, с другой стороны, они могут порождать проблемы, связанные с этикой и конфиденциальностью. Например, Almax занимается доработкой слуховых способностей своих манекенов, что вызывает опасения, будут ли манекены подслушивать клиентов, фиксируя, как те относятся к выставленной в зале одежде. В главе 5 мы обсудим, насколько компании, внедряющие передовые технологии, нуждаются в сотрудниках-людях, способных оценивать и решать разные этические вопросы.
Искусственный интеллект в ритейле
Последние исследования опровергают известный тезис о гибели традиционных магазинов под натиском интернет-торговли. Теперь с помощью искусственного интеллекта оба канала продаж могут сделать ваш шопинг персонализированным.
• Робот LoweBot компании Lowe работает в 11 магазинах розничной сети в Сан-Франциско. Он отвечает на вопросы покупателей и проверяет количество товара на полках
[73].
• H&M в сотрудничестве с популярным мессенджером Kik разработала бота, который на основе короткой анкеты предлагает одежду и изучает предпочтения клиентов по стилю
[74].
• Приложение iFood Assistant от компании The Kraft предлагает «рецепты дня» с перечнем ингредиентов, а также указывает, где их купить. Постепенно оно изучает предпочтения пользователей: любимые магазины, количество членов семьи, чтобы уточнить свои рекомендации
[75].
