Cómo la Inteligencia Artificial impacta el viaje del cliente en Retail
•Descargar como PPTX, PDF•
1 recomendación•216 vistas
Este documento presenta cómo la industria del retail está utilizando la inteligencia artificial para mejorar la experiencia del cliente a lo largo de su viaje de compra. Se describen servicios de AWS como Amazon Personalize, Forecast y Fraud Detector que permiten la recomendación personalizada de productos, la predicción de demanda y la detección de fraude respectivamente. Finalmente, se enfatiza que los partners de AWS pueden ayudar a implementar soluciones de inteligencia artificial en la industria del retail.
Recomendados
Recomendados
Más contenido relacionado
La actualidad más candente
La actualidad más candente (20)
Similar a Cómo la Inteligencia Artificial impacta el viaje del cliente en Retail
Similar a Cómo la Inteligencia Artificial impacta el viaje del cliente en Retail (20)
Más de Amazon Web Services LATAM
Más de Amazon Web Services LATAM (20)
Último
Último (13)
Cómo la Inteligencia Artificial impacta el viaje del cliente en Retail
- 1. © 2021, Amazon Web Services, Inc. or its Affiliates. Gaston Lyons Arquitecto de soluciones Inteligencia Artificial en Retail
- 2. © 2021, Amazon Web Services, Inc. or its Affiliates. Principales drivers del negocio de Retail El producto, el precio y el lugar adecuado Reducir costos para aumentar márgenes Aumentar el valor del tiempo de vida del cliente Innovar y acelerar los resultados
- 3. © 2021, Amazon Web Services, Inc. or its Affiliates. El viaje del cliente Enganche y evaluación Interés e investigació n Anticipación y seguimiento Justificació n y compra Preguntas y retornos Lealtad Viajedelcliente
- 4. © 2021, Amazon Web Services, Inc. or its Affiliates. ¿Cómo impactan los datos el viaje del cliente? Interés y Enganche Captación y Conversión Visión Personalización de mensajes Acción Motor de recomendación Marketing en medios sociales Cliente potencial El cliente hace una compra basado en las recomendaciones personalizadas ¿Qué representa para el cliente?
- 5. © 2021, Amazon Web Services, Inc. or its Affiliates. Amazon Personalize API de recomendaciones personalizadas Metadatos de los ítems (detalles, categorías, características, etc.) Metadatos de usuarios (edad, género, ubicación, etc.) Interacciones del usuario (ver, agregar al carrito, comprar, etc.) ¿Cómo funciona Amazon Personalize ?
- 6. © 2021, Amazon Web Services, Inc. or its Affiliates. API de recomendaciones personalizadas Inspección de datos Identificación de características Selección de híper parámetros Train models Optimización de modelos Despliegue de modelos Actualización en tiempo real Amazon Personalize Completamente gestionado por Amazon Personalize Metadata de los ítems (detalles, categorías, características, etc.) Metadata de usuarios (edad, género, ubicación, etc.) Interacciones del usuario (ver, agregar al carrito, comprar, etc.) ¿Cómo funciona Amazon Personalize ?
- 7. © 2021, Amazon Web Services, Inc. or its Affiliates. Demo Amazon Personalize
- 8. © 2021, Amazon Web Services, Inc. or its Affiliates.
- 9. © 2021, Amazon Web Services, Inc. or its Affiliates. Fraude en transacciones en línea • Distinguir entre cuentas legitimas y de alto riesgo Cuentas nuevas • Detectar transacciones sospechosas antes de procesar pagos y crear ordenes Pagos online •Detectar posibles fraudes en clientes sin historiales de transacciones Compras sin cuenta •Detectar y moderar reseñas falsas antes de subirlas a la página Reseñas falsas
- 10. © 2021, Amazon Web Services, Inc. or its Affiliates. Amazon Fraud Detector Modelos prefabricados de detección de fraudes Creación automatica Modelos que aprenden de intentos de fraude a a Amazon Interfaz para revisar
- 11. © 2021, Amazon Web Services, Inc. or its Affiliates. Detección de Fraudes – Amazon Fraud Detector Datos históricos de entrenamiento
- 12. © 2021, Amazon Web Services, Inc. or its Affiliates. Ejemplo de predicción Guest Checkout: Purchase IP: 1.23.123.123 email: joe@example.com Payment: Bank123 … Fraud Detector retorna: Outcome: Approved ML Score: 160 Compra aprobada Llamado al modelo con: IP: 1.23.123.123 email: joe@example.com Payment: Bank123 … AWS Cloud
- 13. © 2021, Amazon Web Services, Inc. or its Affiliates. ¿Cómo impactan los datos el viaje del cliente? Interés y Enganche Captación y Conversión Visión Personalización de mensajes Acción Motor de recomendación Marketing en medios sociales Cliente potencial El cliente hace una compra basado en las recomendaciones personalizadas ¿Qué representa para el cliente? Demanda Predicción de la demanda Visión Acción Recommendation Engine Optimización de compra Alocación de stock Promociones y descuentos Decisiones de inventario y de compra de stock utilizando AI, de acuerdo a los patrones de compra de los lcientes
- 14. © 2021, Amazon Web Services, Inc. or its Affiliates. Métodos estadísticos clásicos Productos especificos a una estación Productos cótidianos Patrones de demanda lineales o dependientes de una temporada La estadistica tradicional puede predecir demanada para algunos productos con gran precisión Predicción de demanda Lecciones aprendidas de Amazon.com 1995 2000 2007 2010 2015 2019
- 15. © 2021, Amazon Web Services, Inc. or its Affiliates. Métodos estadísticos clásicos Predicción de demanda Inversiones de Amazon.com para predicción de demanda están disponibles como un servicio para nuestros usuarios 1995 2000 2007 2010 2015 2019 Uso de machine learning Uso de deep learning 15x Incremento en exactitud Alta variabilidad de precios Productos con pocas ventas Demanda por regiones vs demanda nacional Nuevos productos Productos con altas ventas por una temporada
- 16. © 2021, Amazon Web Services, Inc. or its Affiliates. Amazon Forecast API Personalizado de predicción Datos relacionados Precios, promociones, nivel de stock, clima Metadatos de ítems Color, categoría, marca Datos historicos Ventas, inventarios, demanda ¿Cómo funciona Amazon Forecast ?
- 17. © 2021, Amazon Web Services, Inc. or its Affiliates. Enriquecer datos con conjuntos de datos internos Selección entre múltiples algoritmos Amazon Forecast Completamente gestionado por Amazon Forecast API Personalizado de predicción Datos relacionados Precios, promociones, nivel de stock, clima Metadatos de ítems Color, categoría, marca Datos historicos Ventas, inventarios, demanda Inspección de datos, llenado de vacíos Identificación de características Selección de híper parámetros Entrenamiento y optimización de modelos Despliegue de modelos ¿Cómo funciona Amazon Forecast ?
- 18. © 2021, Amazon Web Services, Inc. or its Affiliates. Valores faltantes Amazon Forecast Escenarios complejos de predicción Integración de nuevos productos Estacionalidad irregular Productos descontinuados Datos altamente variables Cambios de precios
- 19. © 2021, Amazon Web Services, Inc. or its Affiliates. ¿Cómo impactan los datos el viaje del cliente? Oferta Cuanto debo tener en inventario Visión Acción Optimización de bodegas Planeación de fuerza de trabajo Optimización de lógistica Optimización de bodegas y fuerza de trabajo de acuerdo a la demanda de nuestros clientes El cliente recibe su orden en casa gracias a un proceso optimizado de venta Interés y Enganche Captación y Conversión Visión Personalización de mensajes Acción Motor de recomendación Marketing en medios sociales Cliente potencial El cliente hace una compra basado en las recomendaciones personalizadas ¿Qué representa para el cliente? Demanda Predicción de la demanda Visión Acción Recommendation Engine Optimización de compra Alocación de stock Promociones y descuentos Decisiones de inventario y de compra de stock utilizando AI, de acuerdo a los patrones de compra de los lcientes
- 20. © 2021, Amazon Web Services, Inc. or its Affiliates. Los datos aceleran el viaje del cliente Enganche y evaluación Interés e investigació n Anticipación y seguimiento Justificació n y compra Preguntas y retornos Lealtad Viajedelcliente Optimización de gasto de marketing Motores de recomendaciones Análisis de sentimiento del consumidor Optimización de inventarios Optimización de conversión Optimización y automatización de precios Análisis de mercados Optimización de efectividad de campañas Reducción de devoluciones Detección de fraudes
- 21. © 2021, Amazon Web Services, Inc. or its Affiliates. Amazon Lex Uterancias Frases habladas o escritas que permiten discerner una intención BookHotel Intenciones Una intención realiza una acción en respuesta a una petición del usuario en lenguaje natural Slots Datos de entrada que necesitamos para cumplir la intención Fulfillment Mecanismo para llevar a cabo la intención
- 22. © 2021, Amazon Web Services, Inc. or its Affiliates. Demo Amazon Lex
- 23. © 2021, Amazon Web Services, Inc. or its Affiliates.
- 24. © 2021, Amazon Web Services, Inc. or its Affiliates. Amazon Comprehend Email, chat, medios sociales, conversaciones telefonicas y más. Extracción automática del texto Entidades Frases clave Idioma Clasificación de documentos Sentimento Sintaxis Temas + Custom Entities PII (Información personal) Eventos
- 25. © 2021, Amazon Web Services, Inc. or its Affiliates. Demo Amazon Comprehend
- 26. © 2021, Amazon Web Services, Inc. or its Affiliates.
- 27. © 2021, Amazon Web Services, Inc. or its Affiliates. VISIÓN HABLA TEXTO BUSQUEDA CHATBOTS PERSONALIZACIÓN PREDICCIONES FRAUDE CENTRO DE CONTACTO CONTACTO Deep Learning AMIs & Containers GPUs & CPUs Elastic Inference Trainium Inferentia FPGA SERVICIOS DE AI SERVICIOS DE ML FRAMEWORKS E INFRASTRUCTURA DeepGraphLibrary Amazon Rekognition Amazon Polly Amazon Transcribe +Medical Amazon Lex Amazon Personalize Amazon Forecast Amazon Comprehend +Medical Amazon Textract Amazon Kendra Amazon CodeGuru Amazon Fraud Detector Amazon Translate AI INDUSTRIAL CODE Y DEVOPS NEW Amazon DevOps Guru Voice ID For Amazon Connect Contact Lens NEW Amazon Monitron NEW AWS Panorama + Appliance NEW Amazon Lookout for Vision NEW Amazon Lookout for Equipment Servicios de ML de AWS El conjunto de servicios para Machine Learning más amplio y completo NEW Amazon HealthLake AI para SALUD NEW Amazon Lookout for Metrics DETECCIÓN DE ANOMALIAS Amazon Transcribe Medical Amazon Comprehend Medical Amazon SageMaker Label data NEW Aggregate & prepare data NEW Store & share features Auto ML Spark/R NEW Detect bias Visualize in notebooks Pick algorithm Train models Tune parameters NEW Debug & profile Deploy in production Manage & monitor NEW CI/CD Human review NEW: Model management for edge devices NEW: SageMaker JumpStart SAGEMAKER STUDIO IDE
- 28. © 2021, Amazon Web Services, Inc. or its Affiliates. Reconocimiento del nuestro cliente Amazon Rekognition
- 29. © 2021, Amazon Web Services, Inc. or its Affiliates.
- 30. © 2021, Amazon Web Services, Inc. or its Affiliates.
- 31. © 2021, Amazon Web Services, Inc. or its Affiliates. Partners AWS
- 32. © 2021, Amazon Web Services, Inc. or its Affiliates. Red de Partners AWS Le aydan a crear soluciones éxitosas en AWS Mejores prácticas Gestión de ambientes Implementación Optimización de costos
- 33. © 2021, Amazon Web Services, Inc. or its Affiliates. Resumen
- 34. © 2021, Amazon Web Services, Inc. or its Affiliates. Inteligencia Artificial en Retail • La industria Retail ya está utilizando soluciones de inteligencia artificial para recomendar productos, prever demanda y detectar fraude en las transacciones. • Con los servicios de inteligencia artificial de AWS usted puede proveer una experiencia personalizada y satisfactoria a sus clientes, sin requerir mucha experiencia en algoritmos de ML. • Utilice el apoyo de la red de partners de AWS para iniciar o acelerar sus proyectos de ML.
- 35. © 2021, Amazon Web Services, Inc. or its Affiliates. Gaston Lyons Arquitecto de soluciones Preguntas?
Notas del editor
- Inteligência Artificial no Varejo Hola, como están, mi nombre es Gaston Lyons, soy arquitecto de AWS y vamos a conversar un poco Obrigado pela presença. Eu sou X, Arquiteto de Soluções da AWS. Hoje nós teremos uma conversa aqui sobre como usar inteligência artificial no setor varejista e como a AWS pode ajudar, seja através dos nossos serviços como também através do nosso ecossistema de parceiros. Antes de começarmos é importante falar que durante a apresentação nós teremos um time para responder as dúvidas que vocês tiverem aqui. Essa apresentação tem 45 minutos, então usem a caixa de perguntas da plataforma para perguntar e nós respondermos via texto para vocês ao longo dos 15 minutos finais. Caso a gente tenha muitas perguntas e não der tempo de responder, nós entraremos em contato com vocês. A ferramenta que estamos utilizando permite que a gente entre em contato posteriormente e responda vocês. Bom pessoal, tendo feito esses informes, eu acredito que é importante a gente começar olhando para os principais motores de negócios dos varejistas.
- Todos estos drivers están
- New account fraud: Accurately distinguish between legitimate and high-risk customer account registrations (so you can selectively introduce additional steps or checks based on risk). Online payment fraud: Reduce online payment fraud, by flagging suspicious online payment transactions, before processing payments and fulfilling orders. Guest checkout fraud: Spot potential fraudsters among customers without transaction histories. You can send as little as two pieces of data from a guest checkout order (for example, email, IP address) to assess its potential fraud risk. Fake reviews abuse: Detect potentially fraudulent or fake reviews so that you can review prior to posting.
- Automated model creation Amazon Fraud Detector fully automates the creation of machine learning models that identify potential fraud for common online activities such as new account creations, online payments, and guest checkouts. The automated model building process takes care of all the heavy lifting for you such as data validation and enrichment, feature engineering, algorithm selection, hyperparameter tuning, and model deployment. You simply upload your dataset, select the model type and Amazon Fraud Detector automatically finds the best fitting fraud detection ML model. No coding or previous machine learning experience is required. Amazon SageMaker integration If you have already created a fraud detection model in Amazon SageMaker, you can bring it to Amazon Fraud Detector in order to stop even more fraud. You can use both your Amazon SageMaker and Amazon Fraud Detector models in your application to detect different types of fraud. For example, your application can use the Amazon Fraud Detector model to assess the fraud risk of customer accounts and simultaneously use your Amazon SageMaker model to check for account compromise risk. A single interface to review and audit your predictions and detection logic Using the Amazon Fraud Detector console you can easily search and review your past fraud evaluations to audit detection logic. Once you have your desired evaluations you can view the data received for these events, the detection logic applied during the evaluation, and the conditions that resulted in a fraud prediction outcome.
- Data enrichment: example IP to country, ISP, city Transformation: category, continues digits, raw data into features that can be directly used by machine learning models Feature engineering: words to vector, PCA, Imputation, Handling Outliers, Binning, Log Transform, scaling, feature split (email, name and domain)
- We continued our investment in machine learning starting using deep learning models, which we deployed in 2015. We saw a step function change in our accuracy.
- We continued our investment in machine learning starting using deep learning models, which we deployed in 2015. We saw a step function change in our accuracy.
- Amazon Forecast is able to handle tricky situations such as spiky data and irregular seasonality. Forecast will fill in missing values with “zero” or “not a number”. Deep learning in Amazon Forecast is able to use meta data to estimate demand for new product launches or pick up nuances from the data to estimate product discontinuation more accurately. Using related data time series, you can provide future price values to more accurately predict product demand.
- Amazon and AWS have been leading innovation for the retail industry. And much of this is possible because of the flexible architecture that underpins the systems. Let’s take a look at a few of those innovations. The technology for cashierless checkout in the Amazon Go stores has been productized under the name “Just Walk Out.” Retailers that are interested in this product should review https://www.justwalkout.com.
- Amazon is testing the Dash Cart in grocery stores. The cart has a touchscreen where the shopper can register, then as items are placed in the cart, they are scanned and tallied. There’s no need to checkout – you just go straight out the store and your account is billed. https://www.theverge.com/2020/7/14/21323421/amazon-dash-cart-smart-grocery-shopping-woodland-hills-store-cashierless
- Aqui pessoal, foram mostrados cenários simples para demonstrar as funcionalidades dos serviços, mas sabemos que cada problema de negócio tem suas características. E também temos consciência que nem todas as empresas ainda vão ter tempo e pessoal para implementar e acompanhar tudo de ponta a ponta. Para isso existem os parceiros AWS e vou explicar aqui como eles podem te ajudar.
- Caso você possua um parceiro AWS, fala com ele e ele pode te acompanhar nessa jornada de inteligência artificial. Caso você não tenha, fala com a gente aqui da AWS que podemos te indicar um parceiro certificado. Aqui temos exemplos de como um parceiro AWS pode ajudar: Primeiro, com a análise e implementação de arquiteturas mais complexas para o seu caso de uso. Ok, entendi os serviços, mas me ajuda melhor a entender como eu resolvo esse problema aqui do meu negócio. O parceiro te ajuda caso você ainda não tenha ideia de como começar. O parceiro pode explorar o seu cenário atual caso você já tenha começado ou tenha uma experiência passada com a nuvem e ajudar a implementar as melhores práticas e identificar pontos de melhoria. Questão de precificação: ok, entendi como é que funciona e as bases de cálculo, mas como eu estimo quanto vai custar analisar X documentos ou imagens por mês desse jeito específico para atender o objetivo do meu negócio. Essa análise o parceiro pode ajudar também. E também, um parceiro AWS te ajuda no gerenciamento e operação do ambiente, caso você não tenha braço para implementação nem para gerenciar tudo após a execução do projeto.
- Em resumo, para encerrarmos a nossa conversa.
- Muito obrigado pela presença de todos, pessoal.