Είναι η τεχνητή νοημοσύνη το μέλλον του ηλεκτρονικού λιανικού εμπορίου;

Γράφει η Βασιλική Κατσούλη

Η τεχνητή νοημοσύνη (ΤΝ) έχει γνωρίσει μεγάλη αναγνωσιμότητα τα τελευταία χρόνια, καθώς όχι μόνο εξαπλώθηκε σιγά σιγά σαν έννοια, αλλά άρχισε να χρησιμοποιείται και στην καθημερινή ζωή των ανθρώπων, αλλάζοντας, βοηθώντας ή αντικαθιστώντας λειτουργίες που μέχρι τώρα φάνταζαν μόνο ανθρώπινη υπόθεση.

Αναδιαμορφώνοντας κλάδους και αυτοματοποιώντας διαδικασίες, όπως αυτή της γραφειοκρατίας, που αποτελούσε χρόνιο “αγκάθι” για πολλά επαγγέλματα, η τεχνητή νοημοσύνη καταφέρνει πια να ενσωματώνεται σε διαφορετικούς τομείς, δίχως να αφήνει ανεπηρέαστο και τον τομέα του λιανικού εμπορίου.

Πως η τεχνητή νοημοσύνη επηρεάζει το μέλλον του ηλεκτρονικού λιανικού εμπορίου;

Το λιανικό εμπόριο, χαρακτηρίζεται από την αλληλεπίδραση μεταξύ ανθρώπων, δηλαδή, της επικοινωνίας των αναγκών του πελάτη σε έναν πωλητή και την κατεύθυνση του σε ένα προϊόν που θα του είναι χρήσιμο. Ωστόσο, σήμερα, πολλοί είναι αυτοί που αναφέρουν πως δεν επιθυμούν να κατακλύζονται από “περιττές” πληροφορίες, ούτε από τους πωλητές των καταστημάτων -καθώς νιώθουν πως προσπαθούν να τους πουλήσουν κάτι- , ούτε από τις διαφημίσεις για καμπάνιες που λαμβάνουν στο ηλεκτρονικό τους ταχυδρομείο.

Μάλιστα, σύμφωνα με μια έρευνα που σημειώθηκε το Νοεμβρίου του 2021 από τη McKinsey and Company αποδείχθηκε πως 71% των καταναλωτών αναμένει από τις εταιρείες να τους προσφέρουν εξατομικευμένες αλληλεπιδράσεις και το 76% των καταναλωτών είναι απογοητευμένο χωρίς αυτό.

Από τα παραπάνω γίνεται κατανοητό πως μία νέα εποχή “ξημερώνει” για το λιανικό εμπόριο, με τους καταναλωτές να επιθυμούν μία πιο προσωποποιημένη εξυπηρέτηση, κάτι, που μπορεί να προσφέρει η τεχνητή νοημοσύνη σήμερα.

Ήδη, το μερίδιο τεχνητής νοημοσύνης στο λιανικό εμπόριο, όπως επισημαίνεται από την SPD GROUP, έχει αυξηθεί σημαντικά τα τελευταία χρόνια, με τα ποσοστά της να ανεβαίνουν από 4% του 2016, στο 28% των εταιρειών που απαρτίζουν το λιανικό εμπόριο σήμερα.

Που ακριβώς εντοπίζονται αυτές οι αλλαγές;

Η τεχνητή νοημοσύνη είναι ένα αρκετά πολυσυζητημένο θέμα στον επιχειρησιακό τομέα και δεν είναι δύσκολο να κατανοήσει κάποιος το γιατί. Η δυνατότητα της να αναλύει τεράστιες ποσότητες δεδομένων, να μαθαίνει, να επαναλαμβάνει μοτίβα και να λαμβάνει αποφάσεις δίχως την ανθρώπινη συμβολή, είναι ικανά να αλλάξουν τον τομέα των λιανικών πωλήσεων όπως είναι γνωστός έως σήμερα.

Αυτό συμβαίνει με:

Εξατομικευμένες συστάσεις: Ένας από τους πολλούς τρόπους που έχει αλλάξει η τεχνητή νοημοσύνη την εμπειρία των καταναλωτών στο ηλεκτρονικό λιανικό εμπόριο είναι οι εξατομικευμένες συστάσεις. Αναλύοντας τα δεδομένα των πελατών καθώς και το ιστορικό – συμπεριφορά περιήγησης τους, οι αλγόριθμοι τεχνητής νοημοσύνης προτείνουν προϊόντα που αφορούν κάθε μεμονωμένο αγοραστή ξεχωριστά. Αυτό έχει διττό θετικό αντίκτυπο καθώς προωθεί στον αγοραστή κάτι που πιθανότατα θα του αρέσει, δημιουργώντας έτσι μια πιο προσωποποιημένη εμπειρία αγορών, ενώ παράλληλα αυξάνει τις πωλήσεις των εμπόρων λιανικής.

Προβλεπτική ανάλυση: Ένας άλλος τρόπος που η τεχνητή νοημοσύνη βελτιώνει το ηλεκτρονικό λιανικό εμπόριο είμαι μέσω της προγνωστικής ανάλυσης. Με τη χρήση αλγόριθμων μηχανικής μάθησης, οι έμποροι λιανικής μπορούν να αναλύουν τις τάσεις των καταναλωτών, προβλέποντας με ακρίβεια τις μελλοντικές αγοραστικές τάσεις και την μελλοντική ζήτηση στα προϊόντα. Αυτό προσφέρει ένα εξαιρετικά χρήσιμο πλεονέκτημα, καθώς οι λιανικές επιχειρήσεις μπορούν να βελτιώσουν τα αποθέματα τους, μειώνοντας τα προβλήματα υπεραπόθεμάτων ή υποαποθεμάτων, εξοικονομώντας κατά αυτό τον τρόπο κόστος και αυξάνοντας τα κέρδη.

Εξυπηρέτηση πελατών: Με την βοήθεια της τεχνητής νοημοσύνης, η εξυπηρέτηση πελατών μπορεί να πραγματοποιείται μέσω της εισαγωγής chatbot, το οποίο επιτρέπει στους πελάτες να λαμβάνουν βοήθεια σε πραγματικό χρόνο αλλά και με τον τρόπο που τους ταιριάζει καλύτερα. Τα chatbots, έχουν την δυνατότητα να απαντούν στις πιο δημοφιλείς ερωτήσεις που πραγματοποιούνται σχετικά με τα προϊόντα αλλά και τις υπηρεσίες, συλλέγοντας παράλληλα δεδομένα, σχετικά με τις προτιμήσεις, τις ενέργειες καθώς και τις ανησυχίες των πελατών. Ταυτόχρονα, τα δεδομένα αυτά, μπορούν να χρησιμοποιηθούν για την λήψη αποφάσεων σχετικά με τους διαθέσιμος τρόπους βελτιστοποίησης της αγοραστικής εμπειρίας του πελάτη καθώς και την δομή μιας εφαρμογής ή ενός ιστότοπου.

Πρόληψη της απάτης στις διαδικτυακές πωλήσεις: Σε Παγκόσμιο επίπεδο, οι διαδικτυακές δόλιες δραστηριότητες κοστίζουν εκατομμύρια στους λιανοπωλητές ηλεκτρονικού εμπορίου, με στρατιές υπαλλήλων να προσπαθούν να ελέγξουν τις συναλλαγές για τέτοιου είδους συμπεριφορές. Σήμερα όμως, η τεχνητή νοημοσύνη μπορεί να καταπολεμήσει αυτό το πρόβλημα με κάποιους πιο προηγμένους τρόπους. Αλγόριθμοι μηχανικής μάθησης μπορούν να εμπλακούν στην ανίχνευση απάτης, χρησιμοποιώντας πολύπλοκους κανόνες για την ανάλυση εκατομμυρίων σημείων μεγάλων δεδομένων φτάνοντας  άμεσα στον εντοπισμό ύποπτης συμπεριφοράς.

Ακόμη, η τεχνητή νοημοσύνη χρησιμοποιείται για την αντιμετώπιση ενός άλλου προβλήματος που βασίζεται στην ακεραιότητα του ηλεκτρονικού εμπορίου: αυτό, των ανθρώπων που δημοσιεύουν ψεύτικες κριτικές.

Είναι ωφέλιμη τελικά αυτή η αλλαγή;

Με την χρήση της τεχνητής νοημοσύνης ήδη με ποικίλούς τρόπους στον τομέα των ηλεκτρονικών λιανικών πωλήσεων αλλά και σε πολλές και διαφορετικές βιομηχανίες, όπως η μόδα, τα τρόφιμα και τα φαρμακευτικά είδη, παρουσιάζεται σημαντική βελτίωση στα οικονομικά και στις επιδόσεις των εταιρειών, στις λειτουργίες της λιανικής πώλησης καθώς και στην γενική αγοραστική εμπειρία των καταναλωτών, εφόσον η διαδικασία των αγορών γίνεται πιο προσωποποιημένη, γρήγορη και από την άνεση του σπιτιού των καταναλωτών.

Παράδειγμα της χρησιμοποίησης της τεχνητής νοημοσύνης στις διαδικτυακές αγορές στη βιομηχανία της μόδας, είναι η ανάπτυξη ειδικών εφαρμογών και εργαλείων που μπορούν να βοηθήσουν τους καταναλωτές στην σωστή επιλογή μεγέθους ρούχων και παπουτσιών.
Η βοήθεια της τεχνητής νοημοσύνης προστίθεται σε αυτή την διαδικασία όταν συγκρίνει τις μετρήσεις που λαμβάνονται με δεδομένα που συλλέγονται από άλλους χρήστες, τα οποία χρησιμοποιούνται για τον προσδιορισμό της προσαρμογής ενός συγκεκριμένου μοντέλου παπουτσιού σε ένα συγκεκριμένο μέγεθος. Αυτό έχει ως αποτέλεσμα, η εφαρμογή να μπορεί να προτείνει την αγορά του ακριβούς μεγέθους ή ενός παπουτσιού που είναι μικρότερο ή μεγαλύτερο, για παράδειγμα κατά μισό νούμερο. Παράδειγμα μίας τέτοιας λειτουργίας είναι η Nike Fit στην εφαρμογή της εταιρείας Nike.

Πέραν όμως των πλεονεκτημάτων της τεχνητής νοημοσύνης στον τομέα του λιανικού εμπορίου, όπως είναι λογικό, εγείρονται ερωτήματα σχετικά με την αξιοπιστία καθώς και την επίτευξη της ενσωμάτωσή της στα σημερινά δεδομένα των επιχειρήσεων. Το κόστος των αλλαγών αυτό παρουσιάζεται ως μια αρκετά δαπανηρή προσπάθεια καθώς περιλαμβάνει όχι μόνο την απόκτηση του σωστού λογισμικού και του απαραίτητου υλικού αλλά και την εκπαίδευση των εργαζομένων στην χρησιμοποίηση του. Ενώ παράλληλα χρειάζεται να ενσωματωθεί στα υφιστάμενα συστήματα, μία διαδικασία που μπορεί να αποδειχθεί αρκετά δύσκολη, καθώς πολλοί λιανοπωλητές λειτουργούν με παλαιά συστήματα που δεν είναι δυνατόν να συμβαδίσουν με καινούργιες τεχνολογίες, γεγονός που μπορεί να οδηγήσει σε σφάλματα.

Αξίζει επίσης να αναφερθεί ότι η χρήση της τεχνητής νοημοσύνης ενέχει πολλούς κινδύνους. Αυτοί σχετίζονται κυρίως με το γεγονός ότι η τεχνητή νοημοσύνη επεξεργάζεται και παράγει πολλές πληροφορίες – όπως αυτές των προσωπικών δεδομένων- που μπορούν να αποτελέσουν στόχο κυβερνοεπιθέσεων. Με τα συστήματα τεχνητής νοημοσύνης να συλλέγουν τεράστιες ποσότητες δεδομένων πελατών, καθίσταται απαραίτητο για τους λιανοπωλητές να έχουν ισχυρά μέτρα ασφαλείας για την προστασία αυτών των πληροφοριών από κυβερνοεπιθέσεις ή παραβιάσεις.

Ενώ ταυτόχρονα, στη σημερινή ψηφιακή εποχή, οι πελάτες χρειάζεται να έχουν μεγαλύτερη επίγνωση της συλλογής και κοινοποίησης των δεδομένων τους, γεγονός που καθιστά ζωτικής σημασίας για τους λιανοπωλητές να είναι διαφανείς σχετικά με τον τρόπο με τον οποίο χρησιμοποιούν την τεχνολογία τεχνητής νοημοσύνης καθώς και τις επιπτώσεις της λανθασμένης χρήσης της.

Πηγές:

https://www.bbc.com/worklife/article/20231208-the-art-and-science-of-hyper-personalised-shopping

https://www.bigcommerce.com/articles/ecommerce/ecommerce-ai/

https://www.shopify.com/blog/ai-ecommerce