Casi di successo di intelligenza artificiale in e-Commerce

Ricerca per immagine per offrire il prodotto perfetto

A priori, un elemento poco allettante ma già usato da e-Commerce di marchi globali, come Inditex. La ricerca per immagine ha acquisito popolarità alcuni anni fa grazie alla API Cloud Vision di Google, che permette di cercare immagini simili a quella proposta dall’utente e scoprire dove sono ospitate.

Questo sistema di ricerca di immagini simili funziona mediante il riconoscimento di punti chiave all’interno dell’immagine, molto simile a quello che oggi ha reso popolare la biometria nel riconoscimento facciale. Con l’aiuto di questi parametri, il sistema utilizza l’intelligenza artificiale per ottenere risultati simili.

Nell’e-Commerce, questo si è evoluto fino alla possibilità di riconoscere questi parametri per trovare un prodotto uguale o simile a quello di una fotografia scattata da un utente. Se si tratta dello stesso shop (come nel caso di Zara), la stessa applicazione mostrerà il prodotto desiderato, capi simili (se il bug stilistico è molto ampio, come nel caso di una camicia bianca) o persino una nuova proposta davanti a un’immagine che non riconosce come propria.

Machine learning nell’esperienza di acquisto e customer journey

Conoscere il customer journey dei tuoi utenti è fondamentale per comprendere le motivazioni retrostanti l’acquisto, il momento in cui si trovano e i bisogni che possono avere. A questo punto, la machine learning fa luce sul realizzare previsioni riguardanti il passo successivo che effettuerà il cliente.

L’algoritmo di machine learning di Amazon realizza questo obiettivo. In che modo? Essendo capace di proporre all’utente il suo acquisto successivo in funzione del suo storico e di quello dei compratori che condividono i suoi gusti e necessità. Questo viene già applicato a tutti i prodotti firmati Jeff Bezos, come lo stesso dispositivo Alexa, che ha un’altissima precisione di ricerca e proposta di contenuti grazie al deep learning.

Allo stesso modo, Tealeaf era uno strumento che IBM ha adesso perfezionato ulteriormente e che permette di scoprire qual è la navigazione dell’utente all’interno del tuo e-Commerce e comprendere la sua interazione con i diversi elementi del tuo shop online. Quindi, è possibile riconoscere i punti forti del sito, così come gli aspetti meno ottimizzati che possono farti perdere delle vendite.

L’esperienza di acquisto deve essere soddisfacente per l’utente, in modo da aumentare i profitti. Un esempio chiaro che si ripete in tutti i casi di successo analizzati: il sito web olandese di Decathlon riuscì a migliorare la sua conversione di un 5,2% dopo aver aggiunto la personalizzazione dei prodotti consigliati a i suoi utenti.

Prezzi dinamici con l’intelligenza artificiale

Questa è senza dubbio il punto forte di imprese di software come Reactev. In questo caso, l’obiettivo dell’uso dell’intelligenza artificiale è quello di comprendere i cambiamenti di prezzo nel mercato in funzione delle fluttuazioni dei prezzi nella concorrenza, così come i livelli di offerta e domanda.

Grazie a questa conoscenza è possibile prevedere cambiamenti nel comportamento degli utenti, ondate di acquisti o un periodo di siccità per bassa tendenza. Questo sistema di previsione e ottimizzazione dei prezzi viene utilizzato da tutti i grandi marketplace come Alibaba e Amazon, così come shop di commestibili che lavorano con strategie di dynamic pricing.

E quale vantaggio presuppone utilizzare l’intelligenza artificiale nella tua strategia dei prezzi? Non perdere opportunità di vendita + ottenere il margine massimo in ciascun momento.

In generale, applicare prezzi dinamici con l’intelligenza artificiale è un caso di successo di per sé: comporta vantaggi dal controllo e la previsione dello stock, fino ad arrivare al calcolo minuzioso dei valori del margine di profitto ottenuto.