Développement de l'IA et tendances du commerce électronique


Le secteur traditionnel de la vente au détail est en train d'être profondément réinventé et modernisé, alors que de plus en plus de magasins physiques sont en train de stimuler les affaires en adoptant des plates-formes de commerce électronique reposant sur des technologies de pointe. Le récent développement rapide et le déploiement de technologies d’intelligence artificielle telles que l’apprentissage automatique, la vision par ordinateur et l’apprentissage par renforcement ont permis la mise au point de nouveaux produits et solutions de commerce électronique pour divers scénarios et renforcé la chaîne de valeur du commerce de détail.

Taille du marché du commerce électronique et opportunités en matière d'IA

Les activités de commerce électronique sont généralement activées sur plusieurs plates-formes de vente en ligne (par exemple, Taibao d’Alibaba, Tmall, Amazon et JD.com); ou sur les boutiques en ligne officielles de la marque (Tesla, Nike, Casper, par exemple). Grâce aux dernières avancées en matière d'IA et de technologies numériques, les coûts d'exploitation du commerce électronique ont été réduits, permettant à davantage de détaillants de réaliser des transformations du commerce électronique. Le marché mondial du commerce électronique de détail en 2018 s’élève à 2,8 milliards de dollars US et devrait croître de 75% à 4,9 billions de dollars US d’ici 2021. La Chine est le plus grand marché de commerce électronique au monde, avec le plus grand nombre de ventes B2C et le plus grand nombre de consommateurs. Selon une enquête AliRearch () auprès de plus de 1 000 détaillants de commerce électronique en Chine, plus de 80% des marchands ont adopté et utilisent fréquemment des outils d'IA dans leurs activités.

Source: AliResearch

AI Technologies Booster le commerce électronique

Les stratégies actuelles de commerce électronique axées sur l'IA reposent principalement sur la vision par ordinateur, le traitement du langage naturel et les technologies d'apprentissage par renforcement.

Vision par ordinateur: En exploitant la vision par ordinateur, les détaillants sont en mesure de créer des listes de produits avec des images de haute qualité, permettant aux clients de mieux comprendre les détails d'un produit ou d'un service. La technologie de la vision par ordinateur offre également des perspectives dans des domaines tels que la conception d’affiche de produit basée sur un algorithme et les recommandations de produit basées sur les préférences de style des clients.

PNL: Les plates-formes de commerce électronique utilisent la PNL dans leurs algorithmes de recherche et de tri pour l'analyse des mots clés et l'extraction d'attributs à partir des descriptions de produits afin d'améliorer l'expérience d'achat avec un meilleur appariement des produits. Les systèmes de tri dynamiques basés sur la PNL peuvent également guider plus efficacement les clients vers les produits tendance.

Apprentissage par renforcement: De nombreuses grandes plates-formes de commerce électronique utilisent la technologie d'apprentissage par renforcement et les mégadonnées pour la prévision du comportement des utilisateurs, afin d'optimiser le classement des produits sur les résultats de recherche et d'augmenter leurs taux de conversion du commerce électronique.

Implémentations d'IA dans la chaîne de valeur du commerce électronique

Recherche de produit: La recherche de produits est l’une des fonctionnalités les plus fréquemment utilisées et les plus importantes pour les plates-formes de commerce électronique. Les clients peuvent trouver des produits correspondant à leurs intérêts grâce à des mots-clés, l’appariement des produits reposant sur les technologies de la PNL et visuelle "recherche par image", qui exploite la vision par ordinateur. Les plates-formes de commerce électronique utilisent également des technologies d'apprentissage par renforcement pour optimiser leurs algorithmes de classement et fournir de meilleurs résultats de recherche.

Recommandation de produit personnalisée: En plus de la recherche, les plates-formes de commerce électronique utilisent également des techniques d'apprentissage automatique et de PNL pour engager les consommateurs et formuler des recommandations de produits personnalisées en fonction de leurs tendances d'achat et de leur historique de navigation.

Tarification dynamique: De nombreuses plates-formes de commerce électronique utilisent des outils de tarification dynamiques reposant sur des données volumineuses et des algorithmes d'apprentissage automatique pour effectuer des ajustements de prix en temps réel ou prévoir les prix futurs en fonction de prévisions de l'offre et de la demande.

Gestion des risques de fraude: Les détaillants de commerce électronique utilisent des technologies d'apprentissage automatique pour identifier les transactions frauduleuses potentielles par carte de crédit afin de prévenir et de contrôler les risques en temps réel et de garantir la sécurité des paiements en ligne.

Cas d'utilisation représentatifs pour l'implémentation d'e-commerce AI

Alibaba: Alibaba a lancé son propre moteur de recherche d'images «Pailitao» en 2014. Depuis lors, Pailitao a été largement implémenté sur les plateformes de commerce électronique Alibaba «Taobao» et «AliExpres» pour renvoyer automatiquement des images visuellement similaires à celles téléchargées par les exemple pour coordonner des vêtements, des accessoires et d’autres produits.

Pinterest: En 2017, la plate-forme de médias sociaux américaine Pinterest a lancé son outil de recherche visuelle «Lens» en tant que moteur de découverte d'idées sur son application mobile. La société s’est associée au géant de la vente au détail Target pour intégrer l’objectif de Pinterest à la plate-forme de commerce électronique target.com afin d’aider les clients à trouver des éléments d’intérêt grâce aux images.

Stitch Fix: En tant que fournisseur de services de style personnel, Stitch Fix fournit des recommandations hautement personnalisées en matière de vêtements avec des algorithmes de style développés à l'aide de la technologie d'apprentissage automatique, des préférences de chaque client et des données de l'historique des achats.

Amazone: Amazon utilise depuis longtemps des algorithmes de tarification dynamique pour les ventes de produits sur sa plate-forme de commerce électronique, ajustant fréquemment les prix des produits en fonction de facteurs tels que les stocks et les tendances de la demande.

Limitations de l'application de l'IA dans le commerce électronique

Problème de démarrage à froidRemarque: en raison de la rareté des données, les détaillants qui exploitent une nouvelle entreprise sur une plate-forme de commerce électronique peuvent ne pas être en mesure de tirer parti des fonctionnalités avancées basées sur l'intelligence artificielle, telles que le système de recommandation et la tarification dynamique, qui reposent sur le big data et l'analyse.

Problème d’évolutivité de l’algorithme: La technologie d'apprentissage par renforcement peut rencontrer des problèmes de performances sur les plates-formes de commerce électronique. Les algorithmes ont souvent du mal à résoudre les problèmes de dimensionnement et peuvent faire face aux défis de manière efficace en recherchant dans de très grands espaces de décision.

Effet de longue queue: Les algorithmes de recommandation de commerce électronique peuvent ne présenter qu’un petit nombre des articles les plus populaires aux clients et ne pas recommander de rares produits «à longue queue» susceptibles d’attirer davantage les consommateurs de niche, car ces produits peuvent par exemple manquer de données de classement suffisantes.

Tendance future des applications d'IA dans le commerce électronique

Personnalisation basée sur les données: Des algorithmes personnalisés de recherche et de recommandation de produits basés sur les informations de chaque utilisateur (comportement social, profession, préférences, etc.) deviendront de plus en plus courants sur les plateformes de commerce électronique.

Homme dans la boucle: Les modèles opérationnels associant l'intelligence artificielle et l'expertise humaine deviendront de plus en plus répandus. Par exemple, la société Stitch Fix a adopté une approche hybride qui garde toujours les humains au courant des recommandations relatives aux produits, par exemple.

Connexion de canaux hors ligne avec la vente en ligne dans le commerce électronique: De plus en plus de détaillants, en particulier de marchands de mode, ont fourni des services de «recherche par image» afin de permettre aux consommateurs de localiser et d’acheter en ligne un article qu’ils voient, par exemple lors d’un défilé de mode ou dans un magazine.

La source:


Localisation: Tingting Cao | Éditeur: Michael Sarazen