永远不要低估人工智能：零售商如何预测不可预测的事物

从ho积卫生纸到关门大吉，可以说2020年是零售商最具破坏力的一年。 根据国家统计局（ONS）的数据，到2020年，在线销售额与上一年相比增长了46％。 随着消费者的行为迅速改变以应对大流行，零售商不得不适应并跟上需求的步伐。 这是自动化的完美用例，当零售商在颠覆性发展中走过一条路时，这被证明是无价的。 场景是为节省时间而设计的自动化系统，但是随着熟悉的趋势，模式和需求消失在眼前，许多零售商的最初反应是：“我们需要关闭AI系统。” 这是可以理解的反应。 在零售业中，通常使用AI和机器学习（ML）来使订购过程更加准确-消除了库存过多或库存不足的机会。 其准确性的关键通常取决于历史数据，但是鉴于历史和“像去年那样做”已不再适用，许多零售商本能地得出结论，认为在大流行期间AI和ML不能胜任。 迫切希望从超过30亿英镑的销售损失中恢复过来，许多人感到恐慌，然后又回到了人工决策。 忽视个性这时，许多零售商做出了“大刀阔斧”的决定，并大幅度削减了价格，这可能会造成持久损害，例如侵蚀品牌资产和利润。 这种趋势在时尚零售中尤为常见，季节性趋势日新月异，对浪费的担忧日益迫近。 在各个行业中，许多零售商手动做出决策时都没有考虑到个性。 另一方面，ML会个性化每个商品，并针对一系列因素（包括可用性和消费者需求）提出建议。 惊慌失措而忽略这些单独的环节可能会对业务造成长期的严重损害。 因果重构决不能低估AI和ML的力量。 尽管存在如此多的不确定性，并且前瞻性计划似乎几乎是不可能的，但在受到信任的情况下，系统会迅速适应并做出比任何人都更好的预测。 这是因为AI和ML适应性始终旨在包含变化，波动和异常。 这一切都源于系统的因果重建能力，它由三个阶段组成：1.因果模型：这包括对上述内容，项目的个别属性，位置和日历的分析。 它决定了消费者需求的计算和预测。 2.分析：在短期后果中分析这些计算的成功。 3.适应：计算最近偏差（残差），然后适当调整输出的能力。 最后阶段对2020年至关重要。在短短几天内，系统意识到需求变量并不相同，需要进行更正。 这些更正比任何人所预期的要快得多，而且准确得多。 AI>人类的情感当商店突然用完卫生纸时，人类花了几天（甚至不是几周）的时间才发现有购买现象。 ML在两天内发现了它。 ho积活动的结束也传递了人员，但AI系统却没有传递人员-他们迅速使订购水平再次下降。 当我们进入潜在的未来锁定状态时，这项技术将使我们每一次都处于领先地位。 随着Covid-19袭击，一些零售商担心“会发现”人工智能。 但是，真正发现的是自适应AI的性能如何。 那些试图手动替代AI的人很快就放弃了。 那些选择在系统之上添加自己的采购决策的混合动力的公司，甚至偏离了最终的库存需求水平。 想要解决问题是人类的本能，而这一想法在今年变得格外刺眼。 这是完全可以理解的。 但是，如果您真的考虑过，就可以将这些情绪，感觉和恐慌排除在外。 从AI的角度来看，即使感觉世界已经完全转变在我们眼前，也没有太大变化。 顾客的直接人口统计学基本没有变化，季节接followed而至，并且由于社会对教育，健康，卫生和营养的需求并未因流行病而停止，因此有些物品是不可商议的。 学会应对变化2020年和2021年无疑充满了变化，但是从机器的角度来看，唯一的不同是变化的步伐。 可以理解的是，由于人们对数据历史的依赖，人们对AL和ML的反应方式表示怀疑。 但是，生活和产业正在不断变化，这就是他们要认识到的。 从时尚趋势到饮食趋势，多年来消费者的行为发生了变化。 2020年充满了挑战，变化和不确定性。 但是，如果它教给零售商任何东西，那就是AI和ML在颠覆性环境中的适应能力要比任何人类都要好得多。 通过信任AI，零售商将能够获得收益。 无论是通过帮助设定正确的价格，管理库存还是简化车间的流程，都证明了AI可以在不确定的时期做出预测。 帕克·伯奇菲尔德（Parker Burchfield）摄影：Unsplash有兴趣听世界领先的全球品牌亲自讨论此类话题吗？ 查找有关欧洲，伦敦，北美和新加坡的数字营销世界论坛（#DMWF）的更多信息。

Source link