والمارت ابزارهای هوش مصنوعی را توسعه می‌دهد تا به تامین‌کنندگان در درک بهتر داده‌های مشتری کمک کند
نوع مقاله: خبری-تحلیلی در حوزه فناوری و خرده‌فروشی
موضوع: راه‌اندازی ابزارهای هوش مصنوعی توسط والمارت برای پلتفرم داده اسینتیلا
لحن: رسمی و اطلاع‌رسانی
والمارت قصد دارد چندین ابزار هوش مصنوعی برای اسینتیلا راه‌اندازی کند
والمارت قصد دارد چندین ابزار هوش مصنوعی برای اسینتیلا Scintilla، پلتفرم داده اختصاصی این شرکت برای تامین‌کنندگان و فروشندگان، راه‌اندازی کند. این پلتفرم که پیش از تغییر برند امسال با نام والمارت لومینت Walmart Luminate شناخته می‌شد، هدف آن شناسایی نقاط تبدیل برای برندها، هم به صورت فیزیکی و هم دیجیتال است.
داده‌های این پلتفرم طیف وسیعی از داده‌های فروشگاه و زنجیره تامین تا داده‌های مشتری در مورد رفتارهای خرید و برداشت آن‌ها را در بر می‌گیرد.
ویژگی‌های جدید هوش مصنوعی
ویژگی‌های جدید هوش مصنوعی شامل یک ابزار گفتگومحور برای کمک به تامین‌کنندگان جهت درک بهتر داده‌های اسینتیلا، ابزار دیگری که خلاصه‌ای از نتایج نظرسنجی مشتریان را ارائه می‌دهد و توصیه‌های بهبودیافته برای استراتژی بازاریابی و تبلیغات است.
ابزار گفتگومحور که اوایل سال آینده در دسترس قرار خواهد گرفت، به کاربران کمک می‌کند تا درک بهتری از معنای معیارهای خاص، نحوه استفاده از آن‌ها در کسب‌وکارشان و روش محاسبه آن‌ها داشته باشند. اسینتیلا معیارهایی مانند فروش، عملکرد دسته‌بندی، نفوذ در مشتری و ترافیک وب را از فروشگاه‌ها و پلتفرم‌های تجارت الکترونیک والمارت ردیابی می‌کند.
ایجاد یک نسخه واحد از حقیقت
مارک هاردی، رئیس والمارت دیتا ونچرز Walmart Data Ventures، در این باره گفت: این معمولاً اولین نقطه آموزش است: اینکه افراد واقعاً یک نسخه واحد از حقیقت داشته باشند، از جمله معیارهایی که خودشان می‌خوانند و نحوه تعریف آن. این ابزار به کاربران کمک می‌کند تا از نظر کاربرد داده در تصمیمات تجاری که باید بگیرند، پیچیده‌تر شوند و مطمئن شوند که یک روش consistent برای اعمال آن وجود دارد.
هاردی انتظار دارد تامین‌کنندگان بیشترین بهره را از این ابزار در درک داده‌های مربوط به معیارهای مرتبط با مشتری ببرند. او گفت که برای دهه‌ها، والمارت و تامین‌کنندگانش از داده‌های عملیاتی برای پیش‌بینی و تصمیم‌گیری در مورد مکان قرارگیری محصولات و سطح موجودی استفاده کرده‌اند. با این حال، اسینتیلا تاکید می‌کند که مجموعه داده‌های جدید زیادی در مورد رفتار و برداشت مشتری وجود دارد که ممکن است تامین‌کنندگان هنوز با آن‌ها آشنا نباشند.
شروع از مشتری، نه از معیارهای عملیاتی
هاردی گفت: ما همیشه باید از مشتری شروع کنیم، نه از معیارهای فروش و عملیاتی خود. توانایی آموزش افراد در مقیاس وسیع در مورد معیارهای مشتری، رفتارهای مشتری، نگرش‌های مشتری – فکر می‌کنم این جایی است که این ابزار واقعاً تاثیرگذار خواهد بود.
خلاصه‌های تحقیقاتی تولیدشده توسط هوش مصنوعی که انتظار می‌رود تا پایان امسال در دسترس قرار گیرند، با هدف کمک به تامین‌کنندگان برای درک بینش‌های نظرسنجی طراحی شده‌اند. از طریق اسینتیلا، برندها می‌توانند نظرسنجی‌هایی با مشتریانی که بخشی از جامعه اسپارک مشتری والمارت Walmart Customer Spark Community هستند، انجام دهند. این یک برنامه فقط با دعوت است که به مشتریان در ازای مشارکت، کارت هدیه ارائه می‌دهد و امسال به تست محصولات در خانه نیز گسترش یافته است.
امروز، هنگامی که شرکت نظرسنجی انجام می‌دهد، یا یک تیم از محققان در والمارت داده‌های نظرسنجی را تجزیه و تحلیل می‌کنند یا تامین‌کنندگان می‌توانند این کار را خودشان انجام دهند.
کاربرد اطلاعات در تصمیم‌گیری‌های برندها
این اطلاعات می‌تواند به برندها کمک کند تا تصمیم بگیرند چگونه انتخاب‌های مجموعه محصولات خود را بهبود بخشند، پیام‌رسانی کمپین‌ها را هدایت کنند یا محصولات را نام‌گذاری نمایند.
خلاصه‌های تحقیقاتی مبتنی بر هوش مصنوعی
این شرکت قصد دارد خلاصه‌های تحقیقاتی مبتنی بر هوش مصنوعی از نظرسنجی‌ها را بلافاصله پس از پایان مطالعات در دسترس قرار دهد. هاردی گفت که با استفاده از هوش مصنوعی برای تولید نتیجه‌گیری‌ها و استنباط‌ها بلافاصله پس از مطالعات، تأمین‌کنندگان می‌توانند زمان بیشتری را به فکر کردن در مورد استراتژی‌های خود اختصاص دهند تا اینکه خودشان به ساخت نمودارها و چارت‌ها بپردازند.
هاردی گفت: کاری که ما با استفاده از هوش مصنوعی انجام می‌دهیم، در واقع حذف تمام آن زمان و نیروی کار مورد نیاز برای انجام آن مرحله نهایی است.
ابزار همکاری برای تأمین‌کنندگان
هاردی گفت این شرکت همچنین بر روی یک ابزار همکاری کار می‌کند تا تأمین‌کنندگان بتوانند با محققان همکاری کنند در حالی که در حال توسعه نظرسنجی‌ها برای خریداران والمارت هستند.
ادغام هوش مصنوعی در Insights Activation
در نهایت، این شرکت قصد دارد هوش مصنوعی را در Insights Activation، ماژولی درون Scintilla که سال گذشته راه‌اندازی شد، ادغام کند. این ماژول، داده‌های Scintilla را استخراج می‌کند تا برای کمپین‌های تبلیغات نمایشی والمارت از طریق شبکه رسانه‌ای خرده‌فروشی Walmart Connect مورد استفاده قرار دهد. در ماه می، Scintilla ابزارهای جدید هدف‌گیری مخاطبان سفارشی را اضافه کرد که می‌توانند به برندها در هدف‌گیری تبلیغات و سایر تلاش‌های بازاریابی بر اساس حساسیت قیمت و جمعیت‌شناسی، مانند جنسیت و سن، کمک کنند.
هاردی گفت: این سیستم به طور مداوم در حال بررسی رفتارهای خرید مشتریان شما و جستجوی تغییرات در این رفتارهاست، و توصیه‌هایی ارائه می‌دهد درباره اینکه چگونه می‌توانید برخی از رفتارهایی که مشاهده می‌کنیم را با استراتژی‌های مرتبط با بازاریابی همسو کنید.
نظرات یک تحلیلگر رسانه‌ای خرده‌فروشی
اندرو لیپسمان از Media, Ads + Commerce، یک تحلیلگر و مشاور رسانه‌ای خرده‌فروشی، گفت در حوزه رسانه‌های خرده‌فروشی، بینش مشتری یا داده‌های مخاطب، پایه و اساس فعال‌سازی‌ها را تشکیل می‌دهند، بنابراین تعریف واضح بخش‌های مخاطب اهمیت زیادی پیدا می‌کند.
او گفت: این موضوع تنها با اهمیت‌تر می‌شود برای Walmart Connect زیرا با خرید Vizio به سمت تبلیغات تلویزیون هم‌رفته (Connected TV یا CTV) حرکت می‌کند. این به سرعت در اینجا برجسته‌تر خواهد شد، و اینجاست که تقسیم‌بندی مخاطب واقعاً ارزشمند می‌شود.
گسترش هدف‌گیری سفارشی فراتر از دسته‌بندی‌ها
هاردی گفت هدف‌گیری سفارشی می‌تواند فراتر از دسته‌بندی‌ها گسترش یابد. برای مثال، برندها می‌توانند یک محصول سلامت و زیبایی را که برای مشتریان علاقه‌مند به سلامت طراحی شده است، به سمت مشتریانی که برای غذاهای طبیعی، فاقد گلوتن یا فاقد آنتی‌بیوتیک خرید کرده‌اند، هدف‌گیری کنند.
پالایش هدف‌گیری سفارشی با هوش مصنوعی در سال آینده
یک سخنگوی والمارت گفت سال آینده، این شرکت از هوش مصنوعی برای پالایش هدف‌گیری سفارشی و افزایش بیشتر این توصیه‌ها برای کاربران استفاده خواهد کرد و به آن‌ها کمک می‌کند تا بر اساس اهداف خود درک کنند چه کاری را باید بعداً انجام دهند.
همخوانی با روند کلی صنعت
لیپسمان گفت ابزارهای جدید هوش مصنوعی والمارت با روندی در درون محصولات بینش مشتری و داده‌ها برای ادغام هوش مصنوعی، به ویژه ابزارهای پرس‌وجو که از زبان طبیعی استفاده می‌کنند، همخوانی دارد.
لیپسمان گفت: مزیت اصلی این است که فقط توانایی دموکراتیک کردن دسترسی به یک ابزار داده را فراهم می‌کند. اغلب اوقات در درون سازمان‌ها، این دسترسی به چند فرد محدود شده است، در حالی که ارزش زیادی می‌توان از داده‌ها استخراج کرد.
