具有前瞻性的零售商已经在利用人工智能来帮助他们在经济不确定性、环境压力和地缘政治不稳定的情况下维持和增长利润率。然而，只有当他们在整个业务中全面应用人工智能时，他们才会意识到人工智能的全部潜力。零售商必须为其人工智能能力制定更具战略性和综合性的方法，重点关注商业价值创造的两个关键杠杆：收入增长和成本降低。然而，关键是要先建立数据基础。
零售商应该创建连接整个商业价值链的数据模型，无论是采购和购买商品还是移动和销售商品。反过来，这意味着将公司的所有数据与合作伙伴和供应商的信息整合在一起，创建一个涵盖整个公司运营的统一数据集。
第一步并不简单。虽然一些公司多年前决定成为数据驱动型公司，他们多年来一直在收集数据。2023年对美国首席数据官和首席数据和分析官的一项调查发现，只有23.9%的公司将自己描述为数据驱动型，只有20.6%的公司表示他们在组织内建立了数据文化。
为了成为数据驱动型，零售商必须审计其数据的质量，解决任何不足，并为数据治理制定规则、实践和结构。他们还需要简化流程，培养数据优先的文化，促进数据可访问性、数据驱动的决策以及培训和教育计划。当然，这种变化需要最高管理层的承诺。最终，零售商应该努力创建一个以客户为导向的智能企业。
如今，时尚巨头HUGO BOSS就是一个典型的例子。多年前，它认识到人工智能和客户数据不可分割的本质。在大力投资人工智能能力的同时，它还构建了由SAP和Microsoft Azure支持的强大数据和分析平台。如今，它声称在销售、定价、营销、产品和预测方面拥有许多人工智能引擎，并且每月都会推出新的引擎。
利用人工智能增加收入
除了对安全数据基础的需求外，希望利用人工智能的零售商还有另外两个关键的实验领域：收入增长和成本降低。关于前者，创新零售商已经在使用人工智能来支持动态定价、个性化和零售媒体优化，以增加收入。
英国杂货连锁店Morrisons和ASDA目前正在试验动态定价，以更动态地应对不断变化的市场状况。Morrisons在2023年期间通过在少数商店引入电子货架标签（ESL）来尝试动态定价。ASDA还完成了25000种产品的ESL试验。除了使这些超市能够快速适应波动的市场条件外，动态定价还有助于减少食物浪费。例如，通过为接近保质期的新鲜农产品提供有吸引力的折扣，动态定价可以帮助环境和零售商的底线。
人工智能可以帮助收入增长的其他方式包括减轻采用或扩展零售媒体运营的复杂性。它还可以帮助建立预测的受众档案，实时管理和优化活动，并根据反馈创建创意的替代版本。根据一家领先的数字化转型服务和产品工程公司的研究，人工智能驱动的平台可以产生40%的运营效率，并使零售媒体业务的绩效提升一倍。
利用人工智能降低成本
使用人工智能分析数据可以节省整个组织的成本，使零售商能够快速应对效率低下的问题，并确定潜在的改进领域。例如，在营销中，使用人工智能的真正全渠道方法将使营销人员了解改变预算分配对整体结果的影响，从而提高效率或效率。
人工智能解决方案还可以帮助促进更好的客户体验，从而带来更高的满意度和更低的回报。时尚品牌ASOS在其应用程序中使用人工智能和增强现实（AR）来帮助用户确定特定的颜色或风格是否适合他们。AR滤镜将产品叠加在客户身上，让他们可以虚拟体验。
此外，零售商可以利用人工智能和客户数据跳过供应链中昂贵的步骤，提高可见性，并通过使商品更具可追溯性来减少损失。与ASOS的人工智能和增强现实应用程序一样，沃尔玛在其Be Your Own Model功能中也使用了类似的技术。该解决方案（最初是为了在地图上展示地形特征而开发的）允许购物者查看自己穿着服装的高度逼真的描绘。通过允许客户虚拟试用商品，沃尔玛可以最大限度地减少需要运送到实际地点的商品数量，从而消除其供应链中昂贵的一步。
最终目标——整体优化
在零售业实施数据和人工智能的关键成功因素包括强大的数据基础设施以及对收入增长和成本降低的投资。除此之外，还有数据科学和人工智能方面的专业知识，以及促进创新和实验的文化。
最终，精心实施的人工智能解决方案将提高业务价值所有主要驱动因素的效率，从人员和采购到客户获取和定价，最终实现智能企业作为一个整体而不是一系列不同部分进行优化的最终目标。
