强大的基于人工智能的测试和学习是零售业的摇钱树吗？
来源：CPDA数据分析师网 / 时间：2021-03-17
需要许多零售商无法获得的高技能，并且可能是冒险的项目，结果不确定且时间表不确定，胜出的比例非常高，因此AI大满贯应该成为风险/回报平衡的组成部分，零售商在从事AI大满贯赛事的同时，也应专注于AI“单打”，例如通过“测试与学习”方法发现的持续改进，如果与其他功能结合使用，可以增强组织学习并强化重要的企业文化，测试和学习新产品介绍，自有品牌产品开发选择，定价策略，促销（尤其是个性化产品），网站购物体验等各种用例，让我们看看零售商如何通过创建成功的和学习型AI基础大获全胜。
踏上盘子不断向所有零售商提供（或创造）新产品以在其商店中销售
零售商不仅必须决定是否携带新产品，还必须决定要摘牌的哪些产品为新产品腾出空间，在商店中放置产品的方式，定价方式以及在哪些位置销售商品，能够以可接受的价格和利润销售产品，如果商家可以轻松地将该新产品作为实验加载到适当的“测试与学习”系统中，则该解决方案可以建议如何构建实验，编排实验（发出采购订单和分配），跟踪进度以及在持续学习和改善整个“测试与学习”生命周期的同时，始终将中期和终结果及建议通知买方。
AI模型可以让商家提供的“者商店”
从而为特定的顾客提供有效的测试结果，而不是商家猜测或一次又一次地返回相同的测试市场来尝试新产品，考虑的产品类型，不同于通常的尝试来证明新产品“总的来说”将起作用或不起作用，该测试不仅可以显示产品的整体生存能力，还可以显示哪些特定商店（或集群）有可能具有良好的信誉，销售成果，而不会。
经过适当训练的模型将挑选在短的时间内产生可靠的预测的位置（或网站，促销元素）
对于生命周期较短的产品，必须使用AI快速做出向上或向下的决策，此外可能有一些商店以前从未携带过此类产品，因此没有跟踪记录可以作为预测依据，正常的过程和方法成为那个众所周知的零售惯用语-自我实现的预言的受害者，如果我从未在这个地方出售过产品，那么他们将永远不会得到一个，因为他们没有成功的历史。AI模型和适当的测试可以克服这种销售和利润限制范例。
训练模型以选择商店
测试价格，验证商店位置是相对简单且非常容易实现的AI技术使用，尽管每个零售商都必须微调模型，但这并不是一项高成本或高风险的工作，就像是相反场的线路驱动单曲，将基本命中变成两倍，此外鼓励企业内部更高水平的测试和学习还应该为商人提供系统的支持，这些商人现在必须企业，执行，跟进并评估所有这些测试的结果，并以更高的频率进行更多的测试，零售企业中可能没有正式的系统（嗯，也许是一个excel控制表），其目的是使商家可以轻松地大幅增加其“测试和学习”方案，并捕获对AI至关重要的数据和标准，模型训练。
如果商家可以轻松地将他们的实验加载到适当的“测试与学习”系统中
则该解决方案可以建议如何构建实验，编排实验（发出采购订单和分配），跟踪进度并通知买方中期和终结果和建议，同时继续学习并改善整个“测试与学习”生命周期，通过我们具有高影响力，基于AI的测试与学习解决方案，帮助零售商追求实验的文化，通过我们的创新实验室，数据科学家，零售领域专家和强大的编排平台，我们可以帮助零售商提高销售额，利润和购物者满意度。
商业联合会数据分析专业委员会
返回列表