En sintonía con lo que fue el NRF 2023, el evento de la industria retail más grande que marca las tendencias del sector, Google Cloud presentó sus nuevos avances en IA, con cuatro soluciones diseñadas para modernizar la logística y la experiencia de compra.
Shelf Checking AI
Es la primera tecnología de Google desarrollada para identificar diferentes tipos de artículos, sus características y otros factores para facilitar la exposición de los mismos en el local. La misma se basa en Vertex AI Vision, utilizando 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, combinando 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.
Browse AI
Mediante Machine Learning esta herramienta 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. La misma ya se encuentra disponible a nivel global en 72 idiomas, incluido el español.
Personalization AI
Diseñada para analizar la navegación, clics y carritos de compras previos de los usuarios para determinar de una mejor manera cuáles serían los productos que los usuarios están más predispuestos a comprar dado sus gustos o patrones de comportamiento.
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.
Por último llegamos a Recommendations AI, una herramienta ya disponible a nivel global y que en este 2023 suma nuevas funciones:
-
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.