avril 11, 2024

L’IA à la pointe du commerce de détail : quoi de neuf et ce qui arrive bientôt

Il y a eu une véritable explosion d’intérêt pour l’IA, en particulier l’IA générative (GenAI), au cours de l’année dernière. Simultanément, l’augmentation de la puissance de calcul a facilité la mise en œuvre de cas d’utilisation de l’IA en périphérie du commerce de détail. C’est l’occasion idéale pour certains cas d’utilisation tant attendus dans le commerce de détail de passer aux heures de grande écoute. Loin d’être de simples gadgets, ces cas d’utilisation ouvriront la voie à une nouvelle ère de magasins intelligents qui amélioreront l’expérience client tout en augmentant l’efficacité du personnel pour réduire les coûts. Je sais que nous avons tous déjà entendu cela, mais passons en revue quelques cas d’utilisation qui sont enfin dans le domaine du possible.

Ils t’attrapent toujours au drive-in

Nous l’avons tous vécu et cela façonne notre volonté de retourner sur les lieux du crime. Ce qui est censé être un repas rapide sur le pouce se transforme trop souvent en un choix difficile entre manger quelque chose que vous n’avez pas commandé ou se garer et entrer dans le restaurant pour faire la queue pour se plaindre… et ensuite attendre à nouveau votre commande.

Lorsque vous regardez le préposé au service au volant essayer de prendre les commandes avec un casque bruyant, de gérer les paiements et de préparer les repas en même temps, vous commencez à comprendre pourquoi il y a tant d’erreurs. Et ces erreurs coûtent cher, environ 26 millions de dollars par an pour une chaîne nationale de restaurants.¹

Heureusement, nous disposons enfin des outils pour résoudre ce problème. Les grands modèles linguistiques conversationnels (LLM) peuvent traiter le langage parlé et éliminer les erreurs lors de la prise de commande pour garantir que la cuisine reçoive les bonnes instructions, même si vous commandez « un double burger, sans tomates, non attendez désolé, je voulais dire tenir la laitue, mais Allumez le ketchup, oh et faisons-en un cheeseburger, oh mais des oignons supplémentaires. Ils peuvent même faire des suggestions de ventes incitatives pertinentes au contexte en langage naturel : «Tu sais, si tu veux le forfait repas, je peux te remplacer des rondelles au lieu de frites..» Ensuite, pendant la préparation de la commande, l’IA de vision par ordinateur peut vérifier si la nourriture préparée correspond au ticket de commande, incitant le personnel à corriger les erreurs tout en vérifiant que tous les articles entrant dans le sac sont corrects, y compris les ustensiles appropriés. , condiments, serviettes, pailles, sachets de ketchup, etc. Le préposé au service au volant peut se concentrer sur la prise des paiements et effectuer la vérification finale avant de remettre la nourriture. Le résultat est moins d’erreurs, des coûts réduits, des clients plus satisfaits et des employés moins stressés.

Ce n’est pas bleu, ce n’est pas turquoise… c’est céruléen !

Nous l’avons tous fait. Vous entrez dans un magasin pour acheter une chemise, sans vraiment savoir par où commencer. Lorsque le personnel vous demande s’il peut vous aider à trouver quelque chose, vous répondez : « Non merci, je ne fais que parcourir ». Vous choisissez quelques nuances de bleu différentes et les emmenez au vestiaire. Vous les essayez. L’un vous va bien, mais vous n’aimez pas la couleur. Un autre est trop grand, mais vous ne voulez pas vous habiller et sortir chercher une taille plus petite. La dernière pièce que vous essayez semble correcte et vous va bien. Eh bien, je suppose que c’est celui-là. C’est dans le vestiaire que les acheteurs sont convertis en clients, souvent hors de la portée de tout personnel susceptible de les aider ou de vendre des produits incitatifs.

GenAI à lui seul ne s’est pas révélé apte à résoudre ce problème. Jusqu’à présent, il n’y avait pas suffisamment de données disponibles au bon moment pour formuler des recommandations efficaces. Vous ne pouviez pas savoir ce qu’une personne achetait jusqu’à ce qu’elle glisse sa carte, et à ce moment-là, elle avait fini de faire ses achats. Mais lorsqu’elle est combinée à une technologie de longue date – les étiquettes d’identification par radiofréquence (RFID) – les achats intelligents commencent enfin à donner leurs résultats. promesse. Les étiquettes RFID existent depuis des décennies et ne coûtent désormais que quelques centimes. Avec Walmart®, Target, Macy’s et Nordstrom qui imposent tous la RFID aux fournisseurs,² et les RFID déjà utilisées par 93 % des détaillants,³ la technologie atteint enfin la masse critique dont l’industrie du vêtement a besoin.

En introduisant des données RFID en temps réel dans les modèles GenAI, les détaillants peuvent enfin mettre en œuvre des vestiaires intelligents qui augmentent simultanément les taux de conversion et améliorent l’expérience d’achat des clients. Les lecteurs RFID peuvent détecter les produits que les clients apportent dans le vestiaire, tandis que l’affichage numérique interactif à l’intérieur peut afficher les détails du produit et permettre aux clients de savoir s’il existe une taille ou une couleur différente disponible et de signaler au personnel de l’apporter au vestiaire. Les moteurs de recommandation alimentés par GenAI peuvent suggérer des accessoires et des pièces coordonnées en temps réel.

La RFID a plusieurs autres utilisations bénéfiques dans la vente au détail de vêtements. Les étiquettes RFID combinées à GenAI peuvent être utilisées pour le suivi des stocks, la prévention des pertes et le stockage. Ils peuvent aider les employés à localiser les produits demandés, même si quelqu’un les a déplacés. La RFID peut accélérer les délais de passage en caisse au lieu d’obliger le personnel à trouver une étiquette à code-barres sur un vêtement. La RFID peut même permettre des caisses en libre-service dans l’industrie de l’habillement.

Combiner commodité et prévention des pertes

Des enquêtes montrent que 40 à 60 % des acheteurs préfèrent le paiement en libre-service,⁴ mais de nombreuses chaînes ont réduit les caisses automatiques, car les pertes sont plus de 16 fois supérieures à celles des caissiers humains.⁵ La combinaison de l’IA de vision par ordinateur et du paiement en libre-service peut mettre fin à de nombreuses tactiques de vol à l’étalage courantes afin que les détaillants puissent continuer à proposer leur méthode de paiement préférée. Une tactique courante de vol à l’étalage, appelée « Switcheroo », consiste à placer un article coûteux, comme un steak ou des fruits de mer, sur la balance, mais à saisir à la place le code de recherche de prix (PLU) d’une banane. L’IA de vision par ordinateur peut faire correspondre visuellement le code avec l’élément sur la balance et inviter l’utilisateur à ressaisir le code ou à avertir le personnel pour l’aider. Mieux encore, l’IA peut simplement détecter et sélectionner automatiquement l’article au point de vente (POS), éliminant ainsi toute opportunité, tout en accélérant le flux de paiement.

Une IA bien entraînée sera capable de faire la différence entre un Gala et un Honeycrisp, ou entre le London Broil et le filet mignon. La technologie contribuera également à stimuler l’adoption du paiement en libre-service, car les acheteurs n’auront pas à rechercher et à saisir manuellement leurs propres codes de produits – une proposition qui rend actuellement le paiement en libre-service moins attrayant.

Aller d’ici à là-bas

La technologie existe et les avantages sont évidents. Mais pour de nombreux détaillants, les systèmes existants peuvent constituer un obstacle à l’adoption de ces cas d’utilisation. Chaque exemple présenté dans cet article nécessite que plusieurs systèmes partagent des données entre eux. Cela peut nécessiter une quantité importante de services d’ingénierie de plate-forme.

Dell Technologies crée un catalogue de partenaires sélectionnés qui fournissent les fonctions individuelles décrites ici de manière facile à installer sur notre plateforme NativeEdge. De plus, notre catalogue comprend également des partenaires tels que EPIC iO, spécialisés dans l’assemblage de données provenant de plusieurs sources pour l’IA et l’analyse à l’aide de leur plateforme EPIC iO DeepInsights. L’exécution de DeepInsights sur les appareils Dell NativeEdge vous permet d’intégrer, de traiter et d’analyser de manière transparente les données d’une grande variété d’actifs et de systèmes sur une plate-forme unique pour un contrôle et une surveillance améliorés. La possibilité d’échanger des données provenant de sources et de systèmes multiples sur un bus pub-sub commun ouvre la voie à l’innovation à mesure que de nouvelles solutions deviennent disponibles.

Dell NativeEdge, une plate-forme logicielle d’opérations de périphérie, peut changer la donne pour les déploiements de périphérie. Avec Dell NativeEdge, les détaillants peuvent faire évoluer en toute sécurité leurs opérations en périphérie grâce à l’automatisation et au provisionnement sans intervention pour déployer de nouveaux serveurs et applications dans chaque magasin sans avoir besoin de quelqu’un pour installer physiquement et mettre à jour les serveurs sur site, ce qui est particulièrement critique dans le paysage en évolution rapide des fournisseurs d’IA. . De plus, une conception ouverte et une connectivité multicloud optimisent les investissements en permettant aux détaillants de consolider les applications Edge nouvelles et existantes sur le même serveur.

Le futuriste n’est plus dans le futur

Pour les détaillants, l’avenir est prometteur, et l’avenir est là. Contactez-nous pour découvrir comment Dell Technologies peut vous aider à faire de votre vision Edge une réalité.

Apprendre encore plus:

Dell.com/NativeEdge