推荐引擎和视觉搜索

了解消费者行为对于零售商而言变得更为重要。为促进增长,零售商正使用智能推荐和增强现实 (AR) 环境来打造量身定制的体验。为提高收入,在线零售商使用由 GPU 支持的机器学习 (ML) 和深度学习 (DL)算法来打造更快速、更准确的推荐引擎。而且,AI 现已成为网店下单和门店取货 (BOPIS) 这一愈演愈烈的热潮的关键。

我们正在利用 AI 简化客户体验。总体而言,零售商使用 AI 来平衡供需、分析折扣计划和促销活动的效果,以及设定适合企业和客户的价格,同时对实时市场变化做出响应,以此优化价格。

— Kroger 总监兼首席研究工程师 Victoria Uti

定价优化有助于预测价格变化的影响、在这些价格之下的可能需求,以及可供选择的最佳建议。以往商家可能需要审查遍及数千家店铺和数百万产品的每一条定价建议,而 AI 能够在这一过程中发挥至关重要的作用。

— Tesco 数据科学总监,Rob Armstrong

推荐系统

在某些大型商业平台上,推荐服务所产生的收入占比高达 30%,而这等同于数十亿美元的销售额。这也是为何零售商会使用推荐系统来推动购物者从浏览网页到使用社交媒体购物的每个行动。这些系统还可从海量商品中挑选并提供相关消费品,从而提高平台转化率。

NVIDIA Merlin 是一种基于 GPU 的端到端推荐系统框架,可提供快速的特征工程和较高的训练吞吐量,进而为深度学习 (DL) 推荐模型的快速实验和生产再训练提供支持。Merlin 还支持低延迟、高吞吐量和产生式推理。

个性化推荐

为了吸引消费者,零售商需要实现一对一个性化期望。作为一款可在任意移动设备上运行的 GPU 加速 AI 工具,Olay Skin Advisor 可对用户提供的自拍进行评估,并推荐 Olay 的驻颜产品,帮助用户改善问题部位。四周后,94% 的 Skin Advisor 用户会继续使用推荐的产品。

时尚电子商务公司 Stitch Fix 致力于实现 AI 决策与人类判断之间的无缝平衡。通过使用算法来了解顾客偏好,Stitch Fix 将个人造型艺术与 GPU 加速的深度学习支持的数据分析相结合,由此打造出一项时尚服务。

自动标记

零售商正在运用可识别复杂图像属性的新一代计算机视觉技术,自动生成涵盖广泛的元标签和分类。全面获取与产品和服务有关的信息有助于识别图像,从而形成效果出众的个性化推荐系统。

由于时尚潮流变化迅速,NVIDIA 合作伙伴 Omnious 提供了 AI 标记 API,可帮助 B2B 客户在时尚潮流前沿站稳脚跟。作为准确率超过 95% 的自动标记解决方案,Ominous Tagger 的标记速度是人工标记的 100 倍,可将搜索效率提高 4 倍。Omnious 还会分析社交媒体时尚大咖的图片,并提供相应的趋势报告。

 观看视频:Clarifai 如何借助 AI 自动化缩短数据标记时间 (39 分 15 秒)

虚拟试衣

2019 年,美国的退货成本是 3090 亿美元。其中,网上退货成本占 410 亿美元。为减少退货数量并提供更优质的购物体验,零售商现可向顾客推荐几乎保证适合的商品。

借助 3D 虚拟试衣解决方案, Cappasity可以让顾客在购买前先体验虚拟试衣,查看服饰的上身效果。在 NVIDIA GPU 的技术支持下,Cappasity 算法利用 CUDA 提高计算速度,可通过云端处理数据来检测顾客尺码,并运用神经网络来分割人体轮廓。

订阅 NVIDIA 发布的最新零售新闻。