深度学习如何支持增长驱动的预测

按Enter键搜索
关闭搜索
打开菜单

深度学习如何支持增长驱动的预测

由Sy Fahimi,Symphony Retailai - 08/27/2018

消费品公司正在转变为一个以前所未有的速度,规模和智力要求的时代。

由于他们的生活变得更加数字,忙碌和超越,消费者正在基于越来越大的投入,影响者和选择的网络进行购买决策。因此,消费品公司必须找到预测客户需求的方法,相应地构建产品,而不仅仅是有着每个购物渠道的存在,而且茁壮成长。

当然,这比做更容易。许多CGS正在努力基于过时的分析,无效营销和与零售合作伙伴的关系的基础,建立现代敏捷性。他们经常是富有的数据丰富,而且因为数据在孤岛上生活,在许多情况下,他们实际上它们实际上是在访问现代成功的实时统一见解方面的数据差 - 具有数据的原因第一名。

采购超越传统限制
随着消费者转向社交媒体网络,在线搜索,甚至智能助理来告知产品评估,曾经用于推动销售的传统广告策略并为CGS提供强大的投资回报率变得不那么有影响力。

为了与他们的目标受众共鸣,CGS不仅可以发展有机,真实地了解消费者正在寻找的内容,而且还有什么因素影响他们的决定。如果他们希望能够准确影响购买行为和预测,他们必须在所有可能的触点点中获得这种理解。

如上所述,在市场中保持相关和竞争力需要访问正确的数据。但收集,跟踪和利用此信息需要多于标准电子表格。

进入AI.
幸运的是,人工智能使得可以轻松分析从各种学科的数据源的间隙所收集的数据 - Inddication,Loyalty,Social Media和Omnichannel。ai的影响预计将如此有意义埃森哲预计潜在的盈利率平均在2035年平均增加38%。

大规模计算能力和无尽数据集的联盟导致了一类机器学习算法(AI的基础)的开发称为深度学习。深入学习模型使用连接的节点层(如人脑中的神经元)开发细微差异的观点,可以检测令人难以置信的复杂模式。

作为其价值的一个例子,深度学习是面部识别和自动驾驶汽车技术的骨干。深度学习具有独特的能力,就像人类一样,从错误中吸取,然后申请纠正措施,以便错误不会重现线路。CGS可以释放AI的力量重新定义它们来源和管理消费者数据并创造令人难以置信的新效率。

成为一个“品味的人”
用于AI驱动的消费者见解的一个特别激动人心的前沿是需求预测。具有深度学习能力的AI允许CGS深入了解他们的分析,从SKU位置水平转换,以了解家庭和购物级的购买行为。预测预测的AI方法利用零售商和渠道的数据集,并提供有关消费者参与,品牌偏好,价格敏感性和生活方式选择的见解。

使用AI预测与过去促销的销售等历史数据,具有比传统弹性模型更有效的粒度,前瞻性的弹性模型更有效。利用深度学习发展更多的动态预测使其更加准确,最终更有价值。事实上,早期内部研究表明AI-Powered预测将传统的统计误差减少25%至50%。

在这样做时,CGS在他们的行业中建立了自己的影响者,这是一个不仅仅是应对消费者偏好的“品尝者”,而且达到消费者,每次枢轴,准备和支持他们的新突发奇战。

零售伙伴关系成为“主要智能单位”
但是,这是真正的踢球者。AI不仅仅使拥有的数据更有价值;它使零售合作伙伴生态系统的数据更加可操作。

启用AI的解决方案通过允许CGS及其零售合作伙伴通过单个平台分析大量共享信息来执行此操作。任何制造商客户经理都可以轻松地与统一的标准化系统上的零售类别管理人员合作,以开发与购物者想要的目标分类。这是推动产品开发,分销和促销的持续,协作创新的强大方法。

CG景观并没有获得任何竞争力,每个公司都在寻找其优势。幸运的是,由于创新领导者的能力和竞争的基本问题,更大的效率和智力将变得普遍。为此,CGS必须在其组织内部分解孤岛,以及自己与其合作伙伴之间。他们必须变得越来越积极主动,刻意和数据驱动。

CGS已经看到了利用深度学习的巨大优势,以创造更多的弹性,增长的企业和产品和策略,以满足其消费者的确切,不断发展的要求。

关于作者
作为Symphony Retailai的产品战略高级副总裁,Sy Fahimi负责产品战略,方向和执行。