Los comercios del futuro: con Inteligencia Artificial en góndolas y vidrieras digitales

Negocios

Verificación de mercadería en góndolas y estantes, galerías virtuales de productos optimizadas y mejoras en recomendaciones de productos en las tiendas virtuales son algunas de las nuevas funcionalidades de las soluciones de Google Cloud para mejorar la experiencia de compra en tiendas físicas y en el mundo online.

Google Cloud presenta el lanzamiento y actualización de cuatro soluciones basadas en inteligencia artificial (IA) especialmente diseñadas para la industria del retail. Con estas herramientas, los comercios podrán modernizar su negocio y reinventar varios de sus procesos como la verificación y el control de stock en la tienda tradicional, y ofrecer vidrieras online personalizadas de forma automática para mejorar la experiencia de compra de sus clientes.

Todas estas novedades se anunciarán en el marco del evento global NRF 2023, el más grande de la industria Retail que marca las tendencias del sector.

Verificación inteligente de góndolas y estantes

En la tienda física el abastecimiento y ubicación de los productos es clave para tener visibilidad de la mercadería y detectar necesidades de reabastecimiento o reorganización. Para eso, Google lanza la solución Shelf Checking AI: desarrollada con inteligencia artificial para identificar diferentes tipos de artículos, sus características y otros factores para facilitar la exposición de los mismos en el local.

Basada en Vertex AI Vision, utiliza la base de datos de Google sobre personas, lugares y objetos para reconocer miles de millones de productos y garantizar que las estanterías estén bien surtidas. Esta herramienta combina la tecnología de dos modelos de aprendizaje automático: un reconocedor de productos y un reconocedor de etiquetas que distingue cada artículo a partir de imágenes tomadas desde diferentes ángulos y puntos de vista. Las mismas se pueden obtener desde una cámara montada en el techo, un celular o un robot itinerante en el local que recorre los estantes. Además de detectar los productos, permite identificar de forma confiable -por ejemplo- sabores de mermelada, precios en etiquetas o distintos tipos de cepillos de dientes.

Self Checking AI ya se encuentra disponible en versión preliminar a nivel global.

Vidrieras Digitales

A través de aprendizaje automático, la nueva función Browse AI identifica cuáles son los productos más adecuados para mostrar a una persona al momento de elegir una categoría o tipo de producto, como por ejemplo “camperas de cuero” o “utensilios de cocina”. Esta herramienta analiza la experiencia previa y el comportamiento del usuario a través del tiempo, y se vale de datos históricos para hacer esta selección ideal. Esto se traduce en mejoras significativas en los ingresos por visita a los sitios y le permite a los minoristas ahorrar tiempo y recursos en la curaduría manual de sus galerías virtuales.

Browse AI ya se encuentra disponible a nivel global en 72 idiomas, incluido el español.

Personalización de búsqueda y navegación

La inteligencia artificial aplicada al motor de búsqueda en las tiendas online reconoce patrones de producto y comportamiento del consumidor dentro de un sitio. Por eso, la compañía lanzó una nueva funcionalidad Personalization AI que analiza la navegación, clics, carrito y compras previas para determinar el gusto y las preferencias de cada comprador para arrojar resultados acordes y personalizados. Los mismos se basan únicamente en la interacción de los internautas en ese sitio de e-commerce y no está ligado a ninguna otra actividad de su cuenta de Google.

Personalization AI ya está disponible de forma general a nivel global.

Actualizaciones en el sistema de recomendaciones

Por su parte, la solución Recommendations AI suma nuevas funciones para mejorar las sugerencias a usuarios y ofrecer experiencias más personalizadas en las tiendas online.

Optimización de ingresos. Un modelo de aprendizaje automático, creado en colaboración con DeepMind, combina las categorías de la mercadería, los precios de los artículos, los clics y conversiones de los clientes del e-commerce para encontrar el equilibrio adecuado entre la satisfacción a largo plazo para los compradores y el aumento de ingresos por sesión en el sitio para los minoristas.

Modelo volver-a-comprar. Esta función aprovecha el historial de compras de un cliente para proporcionar recomendaciones personalizadas para posibles compras consecutivas.

Optimización a nivel de página. Esta función permite que un sitio de comercio electrónico modifique los paneles de recomendación de productos para cada comprador de forma personalizada. Realizar esta optimización minimiza la necesidad de pruebas intensivas de experiencia de usuario y puede mejorar la participación del internauta y las tasas de conversión.

Dejá tu comentario