雷鋒網(wǎng)按：在美國，人工智能的預(yù)測分析和推薦算法正在零售領(lǐng)域發(fā)揮著重要作用。為此，美國商業(yè)智能公司 Azoft CEO Ivan Ozhiganov 根據(jù)切身經(jīng)歷，講述了連鎖零售店如何通過預(yù)測分析和推薦算法，升級零售能力。

雷鋒網(wǎng)了解到，推薦系統(tǒng)已廣泛應(yīng)用于社交網(wǎng)絡(luò)、醫(yī)療保健、金融和電子商務(wù)中，與此同時，2016 年底星巴克也宣布在全球各地的咖啡館推出基于 AI 的推薦系統(tǒng)，預(yù)測分析開始大范圍落地于零售。

這意味著什么？

如電子網(wǎng)站一樣，零售商現(xiàn)在也可根據(jù)顧客自己的行為向顧客推送個性化的商品和報價。 換句話說，當(dāng)你早晨購買咖啡時，你會自動收到一塊新鮮松餅的推薦。 當(dāng)你購買牛排燒烤時，你會收到建議購買芥末、番茄醬或者你需要燒烤的其他任何東西的提醒。

零售商和客戶都喜歡推薦

一家普通零售店的顧客，他們需要按照晚餐名單中購買所需物品。然而晚些時候，顧客往往會突然想起該列表丟失，而且自己很難回憶起列表上的商品。此時，零售推薦系統(tǒng)就能起到作用，顧客可以從食品目錄中列出列表，把意大利面加入列表后，應(yīng)用程序會建議他們購買博洛涅斯醬，該系統(tǒng)根據(jù)過去購買了意大利面的客戶還購買了博洛涅斯醬來推薦。

零售商可以使用推薦系統(tǒng)獲得以下信息：

? 根據(jù)特定客戶需求發(fā)送優(yōu)惠以提高客戶忠誠度

? 增加收入

? 了解客戶真正需要的商品

? 通過將其添加到“建議”選項中，產(chǎn)生對新產(chǎn)品的需求

零售店雖然無法實時分析客戶對建議購買商品的反饋，但大多數(shù)零售連鎖店都有忠誠度計劃和收據(jù)數(shù)據(jù)庫。這些數(shù)據(jù)足以為客戶提供具體的建議。

零售店有幾種解決方案，當(dāng)然，前提取決于零售店是否有應(yīng)用程序和網(wǎng)站。

我們怎么做

推薦系統(tǒng)開發(fā)有三種主要方法：基于內(nèi)容的方法、協(xié)同過濾和混合方法。

Azoft 曾為一家俄羅斯大型零售連鎖店開發(fā)推薦系統(tǒng)時，采用了協(xié)同過濾。其背后原理是分析相似性：客戶相似性、貨物相似性和其他內(nèi)容，系統(tǒng)會推薦客戶購買有過相同購買行為的人購買相同的商品。

其中利用協(xié)同過濾方法中使用了以下幾個模型：

關(guān)聯(lián)規(guī)則

其中 0，1，2，3 表示特定商品的交易。 例如，0 面包，1 洋蔥。

k 最近鄰分類算法（kNN）可以讓我們找到具有類似市場籃子的 k 最近客戶，并為他們創(chuàng)建個人推薦。 這是基于類似客戶購買類似商品的假設(shè)。 原理很簡單：我們?yōu)槊總€顧客定義一個市場籃子，并計算特定客戶與在市場籃子中具有相似商品的其他顧客之間的“距離”。 然后建議顧客購買較早由具有相似市場籃子的顧客購買的商品。

其中最近鄰居的 k 數(shù)，Xj 隨機(jī)選擇客戶，以及定義對象之間相似度的度量系統(tǒng)中的 AB-距離。

分解機(jī)在顧客資料中發(fā)現(xiàn)不清楚的相似之處，每個顧客和每個項目都由特定功能集描述。如果顧客功能集符合項目功能集，該顧客將獲得該特定項目的建議，功能集通常不明顯。

例如， 商品 A 具有“辣、小包、外國、甜、昂貴”的描述，客戶功能設(shè)置與商品 A 的功能集相符。因此，該顧客收到相應(yīng)的建議。

該算法處理附加數(shù)據(jù)，如商品類型、季節(jié)性指標(biāo)、購買時間，價格等。

我們開發(fā)了一套推薦系統(tǒng)，目標(biāo)是增加購買商品的平均數(shù)量，最終使得每家零售客戶獲得的收入將增加。推薦系統(tǒng)在顧客個性化購買中會起到關(guān)鍵因素，當(dāng)零售商看到推薦系統(tǒng)可明顯提高顧客忠誠度、增加收入，以及更好地了解客戶需求時，便會對該系統(tǒng)有需求。

更多關(guān)于人工智能升級傳統(tǒng)行業(yè)的的文章，請關(guān)注雷鋒網(wǎng)AI商業(yè)化垂直微信公眾號：AI掘金志。

via dzone

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。