- Khả năng phân tích khối lượng dữ liệu khổng lồ và tạo ra các thông tin có giá trị một cách nhanh chóng.
- Khả năng học hỏi từ môi trường và các mẫu trong các tập dữ liệu ngày càng lớn, và sản xuất các đầu ra phù hợp và thích nghi.
Dưới đây là một số ứng dụng AI trong bán lẻ, cho thấy cách các nhà bán lẻ có thể tận dụng công nghệ này để nâng cao dịch vụ khách hàng và cải thiện hiệu quả hoạt động.
Trải nghiệm trực tuyến cá nhân hóa
Khách hàng ngày càng yêu cầu trải nghiệm trực tuyến cá nhân hóa, và nhiều nhà bán lẻ đã tùy chỉnh trang chủ, email và ứng dụng để hướng dẫn người dùng đến một loạt sản phẩm có sẵn.
AI cho phép các nhà bán lẻ trình bày nội dung được điều chỉnh cho từng người tiêu dùng, từ đó tối đa hóa hiệu quả của không gian màn hình giới hạn trên các thiết bị di động. Chẳng hạn, Twiggle và Personali là hai công ty phát triển các ứng dụng phần mềm thương mại điện tử và thương mại di động bằng AI. Giải pháp của họ được thiết kế để giúp các nhà bán lẻ cung cấp trải nghiệm được cá nhân hóa đơn cho người mua sắm.
Twiggle, có trụ sở tại Israel, tuyên bố rằng họ “giúp các công cụ tìm kiếm thương mại điện tử có thể tư duy theo cách của con người”. Bằng cách sử dụng xử lý ngôn ngữ tự nhiên, phần mềm của Twiggle cố gắng mô phỏng trực tuyến trải nghiệm trò chuyện với một nhân viên bán hàng tại cửa hàng. Phần mềm này cho phép người mua hàng trực tuyến tìm kiếm sản phẩm cụ thể bằng giọng nói thay vì phải nhập từ khóa vào thanh tìm kiếm của website. Twiggle không tiết lộ tên bất kỳ nhà bán lẻ nào đang sử dụng ứng dụng của công ty. Tuy nhiên, các nhà đầu tư chủ chốt của Twiggle bao gồm Alibaba, Naspers, Yahoo! Nhật Bản, State of Mind Ventures, và MizMaa Ventures.
Personali sử dụng kinh tế học hành vi và trí tuệ nhân tạo để cung cấp trải nghiệm mua sắm trực tuyến được cá nhân hóa. Phần mềm của Personali áp dụng các mô hình hành vi hiện tại và quá khứ để phân khúc người mua hàng dựa trên xác suất mua hàng và mức độ sẵn lòng chi trả, từ đó đưa ra các ưu đãi có mục tiêu và được cá thể hóa để tăng tỷ lệ chuyển đổi. Personali nhận được đầu tư từ Norwest Venture Partners, Cedar Fund, và Gemini Partners.
Robot và Chatbot đàm thoại
Chatbot đàm thoại là một trong những ứng dụng AI nổi bật hiện nay. Chúng đã được phát triển hoàn thiện để hỗ trợ khách hàng qua các truy vấn cả trực tuyến và tại cửa hàng. Chatbot tỏ ra hiệu quả trong ngành bán lẻ và đã được nhiều nhà bán lẻ sử dụng để cung cấp dịch vụ khách hàng cao cấp – không còn chỉ giới hạn trong các dịch vụ cơ bản.
Point Inside, một công ty có trụ sở tại Washington, cung cấp dịch vụ bản đồ số và dịch vụ dựa trên vị trí trong nhà cho các nhà bán lẻ hàng đầu như Target và Lowe’s. Công ty đã phát triển một chatbot có thể giúp khách hàng tìm sản phẩm ngay trong cửa hàng. Người dùng có thể truy cập chatbot thông qua ứng dụng của nhà bán lẻ để nhận thông tin về sản phẩm mà họ muốn mua. Point Inside sử dụng dữ liệu vị trí thông minh và hệ thống đèn hiệu trong cửa hàng để hướng dẫn khách hàng đến đúng vị trí sản phẩm họ đang tìm kiếm.
Clustaar, một công ty khởi nghiệp tại Paris, sử dụng xử lý ngôn ngữ tự nhiên và dữ liệu lịch sử để làm cho các chatbot của họ trở nên mạnh mẽ hơn. Chatbot của Clustaar có khả năng giao tiếp với người dùng bằng ngôn ngữ giống như con người, thậm chí có thể xử lý một số truy vấn phức tạp trước khi chuyển sang nhân viên hỗ trợ thật.
Tối ưu hóa việc định giá
Các nhà bán lẻ tiên phong trong công nghệ như Amazon có thể nhanh chóng thay đổi giá hàng triệu sản phẩm để đáp ứng nhu cầu của người tiêu dùng hoặc theo biến động giá từ đối thủ cạnh tranh. Năng lực này khiến các đối thủ truyền thống gặp nhiều thách thức trong việc điều chỉnh giá.
Các dịch vụ AI từ bên thứ ba có thể giúp các nhà bán lẻ truyền thống “san bằng” sân chơi bằng cách tự động điều chỉnh giá dựa trên dữ liệu thị trường và các yếu tố khác như thời tiết, lịch trình khuyến mãi, cũng như chương trình giảm giá của đối thủ cạnh tranh.
Các ứng dụng phần mềm AI có thể hỗ trợ nhà bán lẻ tối ưu hóa định giá và các chương trình khuyến mãi thông qua:
-
Xác định các yếu tố ảnh hưởng đến giá bằng cách giám sát theo thời gian thực về điều kiện thời tiết, thị trường và tồn kho.
-
Tự động hóa quyết định định giá cho từng sản phẩm, theo từng kênh và cửa hàng.
-
Xác định mức giá nhập tối ưu cho các sản phẩm mới chưa có lịch sử bán hàng thông qua so sánh với sản phẩm của đối thủ.
Salesforce’s Einstein Discovery tích hợp dữ liệu lịch sử từ các ứng dụng Salesforce khác mà nhà bán lẻ đang sử dụng, cùng với thuộc tính như hành vi khách hàng, phân khúc thị trường và tình hình cạnh tranh để đưa ra đề xuất định giá và khuyến mãi thông minh.
Startup Wise Athena đã phát triển một ứng dụng sử dụng machine learning và kinh tế lượng để dự đoán giá cả và nhu cầu theo đơn vị lưu kho (SKU) cho các công ty hàng tiêu dùng đóng gói (CPG), giúp họ xác định nơi nên tập trung nỗ lực quảng cáo. Ứng dụng xử lý dữ liệu từ sản phẩm của đối thủ trên nhiều nhà bán lẻ, vùng miền và phân khúc, cũng như phân tích tương tác giữa các sản phẩm nội bộ. Điều này cho phép công ty CPG hiểu rõ giá cả ảnh hưởng đến tỷ lệ thay thế và độ co giãn chéo, từ đó xây dựng chiến lược khuyến mãi tối ưu cho từng nhà bán lẻ.
Hợp Lý Hóa Hàng Lưu Trữ
Có hàng dự trữ đúng số lượng, đúng nơi và đúng thời điểm là yếu tố rất quan trọng đối với ngành bán lẻ. Tuy nhiên, nhiều nhà bán lẻ gặp phải tình trạng tồn kho quá mức và phân bổ nguồn hàng không hiệu quả. Phân tích dữ liệu hỗ trợ bởi AI có thể giúp các nhà bán lẻ duy trì hàng tồn kho tinh gọn và hiệu quả hơn, dự báo nhu cầu chính xác và cho phép tự động bổ sung hàng hóa.
AI cũng có thể được sử dụng để thực hiện phân tích khoảng cách và bố trí cửa hàng, nhằm giảm thiểu hàng tồn kho dư thừa.
Phân Tích Không Gian và Bố Trí Cửa Hàng
Bố trí cửa hàng – một chức năng của bán hàng trực quan – là việc mô tả vị trí tối ưu của các mặt hàng trên kệ hoặc trong khu trưng bày để tối đa hóa doanh số. Các nhà bán lẻ thay đổi cách trưng bày hàng hóa tại các cửa hàng của họ dựa trên sở thích và nhu cầu của cộng đồng địa phương.
AI có thể được sử dụng để hình thành các phương án bố trí cửa hàng dựa trên nhiều tập dữ liệu khác nhau, nhằm đảm bảo các mặt hàng phù hợp được trữ với số lượng phù hợp tại từng cửa hàng, và được trưng bày một cách tối ưu cùng với các sản phẩm khuyến mãi đi kèm.
Các nhà bán lẻ cũng có thể sử dụng AI để phân tích không gian, ví dụ như xác định khoảng cách giữa doanh số kỳ vọng và doanh số thực tế của sản phẩm, nhằm lập kế hoạch trữ hàng hiệu quả hơn.
Robot của startup Lakeba (Shelfie) giúp các nhà bán lẻ đưa ra quy chuẩn bố trí cửa hàng, khắc phục tình trạng gắn nhãn giá sai trên kệ và thực hiện phân tích không gian trưng bày. Robot này có hình trụ cao, gắn camera và máy quét khắp thân, di chuyển trên sàn cửa hàng theo quỹ đạo hình tròn. Nó sử dụng thị giác máy tính và AI để quét các kệ hàng, cảnh báo nhân viên bán lẻ khi cần dọn dẹp, sắp xếp lại hoặc bổ sung sản phẩm.
Hai startup khác, Simbe Robotics và Bossa Nova, cũng đang phát triển robot hoạt động theo cách tương tự. Những robot này có thể kiểm tra sản phẩm hết hàng, số lượng còn ít, thất lạc, sai giá trên các kệ hàng. Robot của Bossa Nova hiện đang được thử nghiệm tại một số cửa hàng của Walmart.
Dự Báo và Tự Động Bổ Sung
Dự báo nhu cầu chính xác theo từng mặt bằng cửa hàng là một thách thức đối với ban điều hành và các nhà hoạch định bán lẻ, vì họ phải tính đến nhiều biến số như: tình hình thị trường, điều kiện thời tiết, xu hướng khu vực và dữ liệu lịch sử.
Các ứng dụng AI có thể kết hợp nhiều loại dữ liệu này để xác định sản phẩm nào cần được bổ sung kịp thời và dự báo nhu cầu cho từng cửa hàng, từng thời điểm, theo tình trạng cụ thể của từng nhà bán lẻ.
Các phần mềm ứng dụng AI cũng có thể sử dụng các dự báo này để tự động thông báo cho kho, nhằm gửi đúng sản phẩm và số lượng đến đúng cửa hàng – giúp nhà bán lẻ bổ sung hàng hóa lên kệ một cách tối ưu.
Dự báo nhu cầu và tối ưu hóa tồn kho
Blue Yonder đã phát triển một hệ thống có khả năng phân tích khoảng 3 tỷ giao dịch và hơn 200 biến số (bao gồm điều kiện thời tiết và tìm kiếm trên trang web) để dự đoán hành vi mua hàng trong tương lai. Hệ thống này đã hỗ trợ một trong những khách hàng lớn của họ, Otto Group – nhà bán lẻ hàng đầu tại Đức – tự động xử lý đơn đặt hàng với khoảng 200.000 mặt hàng mỗi tháng. Giải pháp này giúp Otto dự trữ đúng mặt hàng mà khách hàng sẽ mua, từ đó rút ngắn thời gian giao hàng và giảm tỷ lệ hoàn trả. Hệ thống này đạt độ chính xác lên tới 90% trong việc dự báo mặt hàng sẽ bán ra trong vòng 30 ngày.
Startup Vekia (Pháp) cung cấp các giải pháp quản lý chuỗi cung ứng cho nhiều nhà bán lẻ như Leroy Merlin, Mr. Bricolage, Undiz, Tape à l’Œil, Etam, Okaidi và Jacadi. Ứng dụng của Vekia thường sử dụng AI để quản lý và giám sát tồn kho hàng ngày theo từng cửa hàng, dựa trên thuộc tính sản phẩm như màu sắc và kích thước. Ứng dụng này tính toán mức tồn kho tối ưu nhiều lần trong ngày và sử dụng dữ liệu bán hàng cũng như dữ liệu lịch sử để đặt hàng bổ sung một cách tự động.
Giảm tồn kho dư thừa
Các ứng dụng AI không chỉ giúp xác định khoảng trống, dự báo hàng tồn kho và đặt hàng hiệu quả, mà còn hỗ trợ giảm tồn kho dư thừa, giúp hoạt động bán lẻ hiệu quả hơn. Tồn kho dư thừa thường cần giảm giá để bán, nhưng AI có thể xác định sớm các sản phẩm có xu hướng dư thừa dựa trên dữ liệu lịch sử, từ đó ngăn tích lũy thêm.
Startup Celect cung cấp công cụ Tối ưu hóa kho lưu trữ bằng cách kết hợp phân tích dự đoán và machine learning để tối ưu hóa hàng tồn kho bán lẻ. Ứng dụng “Tối ưu hóa kế hoạch” của họ giúp nhà bán lẻ hiểu được tác động của từng sản phẩm đến tổng danh mục, từ đó giải phóng không gian cho những sản phẩm có tiềm năng bán chạy hơn.
Diwo, một startup khác, đã tạo ra ứng dụng giám sát liên tục các mặt hàng SKU có xu hướng bị lưu kho vượt mức. Ứng dụng này còn phân tích giá mua sắm theo thời gian thực và xác định tác động tiêu cực của chúng lên doanh số. Diwo cung cấp cái nhìn tổng thể và thời gian thực về dữ liệu tồn kho trên toàn doanh nghiệp, giúp đánh giá yêu cầu tồn kho dựa trên nhu cầu thực tế của khách hàng. Với những sản phẩm bán chậm, Diwo xác định nguyên nhân và đề xuất chiến lược khuyến mãi hợp lý.
Cải thiện trải nghiệm bán lẻ
Người tiêu dùng luôn thay đổi về nhu cầu mua sắm trực tuyến, nên các nhà bán lẻ dù muốn hay không cũng cần cung cấp trải nghiệm mua sắm tại cửa hàng tốt hơn. Họ cần loại bỏ các rào cản trong hành trình mua hàng, tăng tương tác khách hàng và thu hẹp khoảng cách giữa thương mại điện tử và trải nghiệm tại cửa hàng.
Tại các cửa hàng, các kiosk và điểm bán hàng di động tích hợp AI có thể giúp cung cấp trải nghiệm tùy chỉnh hơn cho khách hàng, ví dụ như máy tính bảng được trang bị tại cửa hàng. Startup Talespin (Ấn Độ) và Pega (Hoa Kỳ) đã phát triển ứng dụng AI trên máy tính bảng/thiết bị di động giúp nhân viên bán hàng tư vấn và hỗ trợ khách hàng hiệu quả hơn.
Một số nhà bán lẻ cũng triển khai công nghệ nhận diện khuôn mặt trong cửa hàng để nhận diện khách VIP, cho phép nhân viên đón tiếp với dịch vụ cao cấp hơn.
Gương thông minh và trải nghiệm thử đồ ảo
Ứng dụng của Kairos giúp xác định khách hàng và nhận diện tuổi, giới tính, tâm trạng và đặc điểm khuôn mặt. Công nghệ này có thể cảnh báo nhân viên khi khách VIP bước vào cửa hàng và kích hoạt hồ sơ mua sắm cá nhân, thẻ thành viên, v.v.
Gương thông minh là một công nghệ tiên tiến cho phép khách hàng thử quần áo, trang điểm thông qua trải nghiệm ảo. Gương có thể đưa ra đề xuất sản phẩm dựa trên tuổi, giới tính, thời tiết và xu hướng.
Startup Holition đã tạo ra các gương ảo giúp khách hàng thử quần áo với màu sắc khác nhau, trong khi ModiFace – nay thuộc sở hữu của L’Oréal – đang phát triển gương thực tế tăng cường cho phép thử các kiểu trang điểm khác nhau.
Mô hình cửa hàng không cần thu ngân
Cửa hàng miễn thanh toán, nơi khách hàng không cần xếp hàng để thanh toán, là một cách khác để tạo trải nghiệm mượt mà hơn. Aipoly cung cấp công nghệ nhận diện sản phẩm và khách hàng, cho phép khách chỉ cần nhặt sản phẩm rồi rời khỏi cửa hàng.
AiFi là một startup thị giác máy tính khác cung cấp phần mềm bán lẻ không thu ngân. Công ty cho biết hệ thống của họ linh hoạt, dễ lắp đặt và mở rộng, phù hợp với mọi quy mô cửa hàng, từ nhỏ đến lớn.
Nguồn: Cục Thông tin, Thống kê – Bộ Khoa học và Công nghệ
