Nous mettons à profit l’IA pour simplifier l’expérience client. En général, les détaillants ont recours aux systèmes d’IA pour optimiser les prix en équilibrant l’offre et la demande, en analysant les résultats des offres promotionnelles et des soldes, voire en fixant le prix idéal pour l’entreprise et les clients, tout en s’évertuant à répondre aux changements du marché en temps réel. — Victoria Uti, Directrice et responsable de l’ingénierie, Kroger
L’optimisation des prix permet d’anticiper l’impact des changements tarifaires, la demande probable et les meilleures recommandations à suivre. L’IA peut jouer un rôle essentiel dans l’automatisation de ce processus où, traditionnellement, un marchant est susceptible d’examiner lui-même chaque recommandation de prix qui est faite dans des milliers de magasins et sur des millions de produits potentiels. — Rob Armstrong, Directeur de la science des données, Tesco
Systèmes de recommandation Sur certaines des plateformes commerciales les plus importantes, les recommandations représentent jusqu’à 30 % des revenus générés, ce qui peut se traduire par des gains financiers s’élevant parfois à plusieurs milliards de dollars. C’est pour cette raison que les revendeurs se tournent massivement vers les systèmes de recommandation basés sur l’IA pour piloter chaque action des consommateurs, de la visite d’une page Web à l’utilisation des réseaux sociaux. Les systèmes de recommandation améliorent par ailleurs les taux de conversion en proposant aux utilisateurs les produits les plus pertinents à partir d’un nombre exponentiel d’options disponibles. NVIDIA Merlin™ est un framework de recommandations de bout en bout qui fournit des opérations d’extraction, de transformation et de chargement (ETL) plus efficaces, une ingénierie des fonctionnalités plus rapide et un rendement d’entraînement significativement plus élevé pour l’expérimentation et le réentraînement des modèles de recommandation. Merlin offre également des performances d’inférence à faible latence et à haut rendement pour les processus de production. En savoir plus sur NVIDIA Merlin Découvrez comment Walmart utilise des systèmes de recommandation
Recommandations personnalisées Pour renforcer l’engagement des clients, les entreprises doivent établir une relation individualisée. L’application Skin Advisor d’Olay est un outil de soins de beauté basé sur l’IA et accéléré par GPU, qui fonctionne sur n’importe quel appareil mobile. Cette application novatrice analyse un selfie fourni par l’utilisateur pour lui recommander le produit Olay le mieux adapté à ses besoins. Après quatre semaines d’utilisation, 94 % des utilisateurs de Skin Advisor ont continué d’utiliser les produits recommandés par l’application. La société d’e-commerce Stitch Fix, spécialisée dans la mode, est parvenue à trouver l’équilibre parfait entre le jugement humain et la prise de décisions optimisée par l’IA. En utilisant des algorithmes personnalisés pour comprendre les préférences de ses clients, Stitch Fix a par exemple créé un service de mode sur mesure qui associe l’art du stylisme à l’analyse de données grâce à l’accélération GPU du Deep Learning. Lire l’article Apprenez comment Accenture propose une hyper-personnalisation de la vente au détail
Tagging automatique Les plateformes de vente en ligne exploitent de nouvelles techniques de vision par ordinateur pour mettre en œuvre un système avancé de reconnaissance des attributs d’images afin de générer automatiquement un ensemble exhaustif de méta-tagging et de catalogage pour optimiser les recherches et les recommandations. L’accès à des informations précises sur les produits et les services permet de déployer avec succès un système fiable de recommandations personnalisées. Étant donné que l’industrie de la mode évolue très rapidement, NVIDIA et Omnious se sont associés pour implémenter une API de tagging tirant profit de l’IA, ce qui permet aux clients de garder une longueur d’avance dans un secteur hautement concurrentiel. Ominous Tagger, une solution de tagging automatique possédant une précision supérieure à 95 %, s’avère près de 100 fois plus rapide que les techniques manuelles de tagging, ce qui quadruple l’efficacité des recherches. Omnious propose en outre un système de rapport des tendances, basé sur l’analyse des images publiées par les influenceurs sur les réseaux sociaux. Découvrez comment Clarifai réduit les délais d’étiquetage des données grâce à l’automatisation de l’IA
Essayage virtuel En 2021, le coût total des retours de marchandises aux États-Unis s’élevait à 761 milliards de dollars. Les retours liés aux ventes en ligne représentaient 218 milliards de ce total. Pour réduire le nombre de retours et fournir une expérience d’achat optimale, les revendeurs peuvent désormais suggérer à leurs clients des vêtements dont la taille sera virtuellement parfaitement appropriée. Grâce à sa solution novatrice d’essayage virtuel, Cappasity permet aux clients de voir comment de nouvelles tenues leur iront avant de les acheter. Accélérés par les GPU NVIDIA et tirant profit de CUDA® pour optimiser le calcul des résultats, les algorithmes de Cappasity traitent les données dans le Cloud afin de détecter les mensurations corporelles tandis que les réseaux de neurones procèdent à une segmentation des traits de l’utilisateur. En savoir plus sur la solution d’essayage virtuel de Cappasity