京公网安备 11010802034615号
经营许可证编号:京B2-20210330
人工智能如何改变顾客消费体验
从市场营销到医疗,人工智能(AI)正在改变着一切。善解人意,交互式消费,创造更卓越的消费体验,这些在今年的假日营销中出现的新变化,拉开了人工智能为市场提供更好服务的序幕。
为了更好地了解人工智能对零售商的影响,我连线了IBM首任CMO,米歇尔·佩卢苏(Michelle Peluso)。佩卢苏在零售业有着资深经验,曾担任Gilt的首席执行官,也担任过花旗集团的全球消费营销和互联网的首席代表。佩卢苏关于Watson的人工智能将会如何改变零售商对消费者购物体验的影响提供了自己的见解。
维特勒:我们已经进入了假日购物季,现在影响市场营销的最大的变化是什么?
佩卢苏:这对于全体CMO、CEO来说,是一个激动人心的时刻。从6月份就开始为这个假日购物季筹备,运筹、采购、参与和拓展关系网这些工作早已开始——随着一切按部就班、渐入佳境,你就会看到它从计划书变成现实。多年来,我们见证了市场重心慢慢转向网上购物,也形成了越来越多的网上数据,这意味着CMO可以借此了解业务,并改善消费者的购物体验。然而,今年,我认为,最令营销人员兴奋的应当是人工智能终于有了改善CX(消费者体验)的机会。人工智能不仅授权营销人员随时随地使用消费数据,而且首次对暗数据也有所启用。
维特勒:营销人员如何使用人工智能来改善消费者体验呢?比如说?
佩卢苏:让我来给你举四个不同的例子。
1.人工智能驱动的礼品选择:零售商使用这个工具来帮助消费者挑选恰当的礼物,比如1800-Flowers.com就是这样做的。这个网购商创建了“GWYN”(礼物,当你需要),一个新的人工智能驱动的礼品礼宾,她就像你的“私人助理”,在人机交互中通过一系列问题了解你的偏好。她可以变得更聪明,并预测最适合某人的礼物类型,例如,客户键入“我正在为我的母亲寻找礼物”这样的需求,GWYN就会解读他们的问题,然后提出一系列有关场合,情绪和礼物对象的重要问题,以确保她为每个客户提供合适的,量身定制的礼物建议。重要的是,这不同于联合估计甚至是贝叶斯估计,因为当Watson用自然语言跟人互动时,她会边理解,边推理,边学习,然后将这种洞察力应用于礼物推荐。她从人机交互中提取数据,但同时也从许多其他来源提取信息,比如消费者购买趋势和购买行为数据。
2. 人工智能驱动的商品选择:北面(the North Face)是一个户外品牌,主营服装、设备和鞋。最近该零售商推出了一个由IBM的Watson系统支持的互动在线购物平台,这与North Face品牌使用技术改造零售体验的使命相吻合。现在,Fluid XPS提供的引擎,可以让客户用自然语言在线购物,获得直观的购物推荐。利用Watson的自然语言处理能力,XPS可以根据消费者对一系列问题的回答,来发现和改进产品选择,帮助消费者获得恰当的选择。例如,购物者详细回答了想要的夹克或户外活动的需求细节之后,XPS将询问关于诸如位置,温度或性别等因素的问题,以提供满足购物者使用条件和气候要求的推荐。
3. 人工智能驱动的供应缺货管理:零售商面临的关键性挑战是库存管理。理想情况下,您有恰好可以满足消费者需求的库存。如果你缺货,消费者可能不满意,而去别的店铺。如果你库存过剩,你又会丧失流动资金。那么人工智能如何解决这一问题呢?答案就是Watson正在做的:与零售商合作,监控天气、购买率和消费者行为,以更好地管理和监控供应链,保持适当规模的库存水平,避免缺货。我们使用的工具称为“IBM 智能商业”和“Watson订单优化”。
4. 人工智能驱动的消费者需求分心:人工智能正在改变营销人员如何洞察消费者的需求,以提供更多的相关信息。通过了解个人社交、运动、天气和行为等方面的资料,人工智能可以帮助营销人员更详细地了解消费者想要什么,需要什么。消费者的需求是动态的,不是静态的,所以需要一个洞察机器,来考虑这种动态,并将其纳入您的营销计划。人工智能可以理解、推理、学习,然后把它洞察到的规律加以应用。此外,人工智能可以在其学习过程中引入更多的信息,使得营销在个人层面更加符合私人定制的需要。例如,Watson人工智能包括音调分析器,可以通过增强智能,使系统更好地理解自然语言,并不断学习,以便您能够推理和调整产品。比如,对癌症患者,通过音调分析器,Watson的人工智能可以更好地评估消费者对不同治疗方案的反应,并根据患者个体差异,定制更有针对性的计划。在这一方面,人工智能的潜力是无限的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15