Retail e intelligenza artificiale

L’occasione per questo articolo e per le riflessioni che vi propongo in questo numero mi è stata data dall’evento organizzato a Milano lo scorso 13 febbraio da Netcomm e Google Italia, dedicato al tema del machine learning e in particolare a come l’intelligenza artificiale possa essere un importante strumento di crescita per l’economia italiana.
Ho partecipato all’evento in qualità di referente per il Customer Management Service di ePRICE e con il cappello di consulente all’innovazione per le aziende. In entrambe le vesti ero particolarmente interessata a conoscere esempi concreti di AI applicati al business e nello specifico al mondo del retail, che in questa occasione è stato affrontato come nuovo settore di sviluppo.

Dalla teoria alla pratica

Studio le potenzialità dell’intelligenza artificiale e le sue numerose applicazioni ormai da qualche anno e ciò che ho sempre trovato complesso spiegare alle aziende non sono tanto i vantaggi che potrebbero trarre dall’utilizzo di queste tecnologie, quanto la numerosità degli ambiti applicativi e la difficoltà di ‘inquadrare’ il tema dell’intelligenza artificiale in una strategia di business che non sia un concetto astratto di difficile applicazione pratica o ancor peggio una mera scelta tecnologica. L’intelligenza artificiale è infatti così ‘disruptive’ che può solo spaventare chi l’approccia senza la dovuta preparazione. Il valore dell’evento organizzato da Netcomm e Google dedicato all’intelligenza artificiale è stato a mio avviso nel rendere tangibile un concetto astratto, che per la maggior parte delle aziende italiane resta un ‘desiderata’ incomprensibile.

Il cliente sempre al centro

Roberto Liscia, storico Presidente di Netcomm, ha correttamente impostato il tema partendo dall’esperienza che oggi vive il consumatore, definita da Liscia un’esperienza di ‘everywhere shopping’. Chiamiamola come si preferisce, ‘everywhere’ o omnicanalità, significa che ogni cliente è unico e differente dall’altro in quanto esprime un bisogno specifico che impatta inevitabilmente tutta la filiera delle vendite. Il processo d’acquisto e la supply chain diventano in questo scenario estremamente complessi e possono essere gestiti solo introducendo nei processi tecnologie di intelligenza artificiale.

I modelli emergenti

Nel mondo del retail online stanno emergendo due modelli: il modello Amazon, definito ‘frictionless’, il cui valore è un’esperienza di acquisto rapida e senza intoppi, basata sulla ricerca di un prodotto che si conosce e si acquista velocemente; e il modello Starbucks, che intende offrire ai clienti un valore al di là del semplice prodotto, proponendosi come il terzo luogo, il posto alternativo fra casa e lavoro.
Fra questi due estremi ci sono infiniti livelli di esperienza di acquisto, ognuno dei quali cerca di intercettare e soddisfare nel migliore dei modi le aspettative e i bisogni dei propri consumatori.

Alcune esperienze

Wallmart nel 2019 ha assunto duemila ingegneri per studiare e offrire ai propri clienti un’esperienza di ‘proximity shopping’ in contrapposizione ad Amazon. Secondo una ricerca recente di Second Measure, Wallmart sta dominando il mercato alimentare online degli Stati Uniti, offrendo il ritiro e la consegna di generi alimentari in quasi tutti gli stati degli Stati Uniti, e con il 62% di clienti in più a giugno 2019 rispetto al concorrente più prossimo che, in questo caso non è Amazon ma Instacart.
McDonald’s ha sperimentato a Istanbul una strategia di proximity marketing per promuovere una nuova linea di caffè. Sfruttando una popolare applicazione turca di fidelizzazione chiamata Shopping Genie, hanno proposto ai clienti che si trovavano in negozio di acquistare un caffè ricevendo in cambio un coupon per provare gratuitamente la nuova linea di bevande. La campagna marketing tramite beacon ha permesso a McDonald’s di raggiungere un tasso di conversione del 20% con un tasso di attivazione della promozione del 30%.

Il valore dei dati

Come hanno fatto queste aziende a intercettare correttamente i bisogni dei clienti? Le strade dello shopping sono infinite come pure i dati disponibili nelle aziende da analizzare per comprendere come indirizzare l’offerta e ingaggiare correttamente i clienti. In passato i dati erano pochi, difficili da raccogliere e costosi da elaborare e archiviare. Oggi, grazie al cloud, alla potenza computazionale e a modelli di machine learning efficaci, l’intelligenza artificiale è accessibile anche alle aziende italiane di medie o piccole dimensioni.
Google ha reso accessibile a sviluppatori, data scientist e ingegneri una piattaforma integrata di servizi che aiuta a sviluppare le funzionalità di intelligenza artificiale e poi a eseguirle nel cloud o on-premise. Grazie alla collaborazione fra Google e il Politecnico di Milano è nato il ‘Machine Learning Checkup’, uno strumento gratuito che aiuta a capire facilmente le applicazioni dell’intelligenza artificiale e i potenziali benefici per le imprese.

Tre tecnologie in primo piano

Per comprendere come l’intelligenza artificiale possa contribuire allo sviluppo di un’azienda, il ‘Machine Learning Checkup’ si concentra su tre tecnologie: analisi predittiva (predictive analytics), riconoscimento visivo (image recognition) e riconoscimento sonoro (voice/sound recognition).
L’analisi predittiva elabora informazioni storiche per identificare i rapporti di causa/effetto tra eventi. Identificate le correlazioni, l’applicazione di intelligenza artificiale inizia a riconoscere gli eventi che osserva e ad apprendere, arrivando a predire come un certo evento evolverà nel tempo. Un esempio pratico di applicazione delle analisi predittive è il caso illustrato da Motivi, brand italiano di abbigliamento femminile del Gruppo Miroglio, che ha sviluppato un sistema di analisi che consente all’azienda di approvvigionare correttamente i punti vendita sulla base delle analisi dei dati storici, ottimizzando in questo modo la gestione del magazzino e il corretto rifornimento prevedendo l’andamento delle vendite.
Un altro ambito di applicazione dell’intelligenza artificiale è quello che permette di riconoscere gli oggetti, anche in movimento. La computer vision (visione artificiale) è stata utilizzata da Agrintesa, una delle più importanti aziende nel settore dell’ortofrutta in Italia, per scansionare, riconoscere e selezionare kiwi e susine con le caratteristiche richieste dal mercato (dimensione, peso e grado di maturazione). Questo ha permesso all’azienda di accelerare e automatizzare la gestione di tutti gli stadi di produzione, con un sensibile miglioramento della qualità del prodotto e dei tempi di produzione.
L’ultima tecnologia che si avvale dell’intelligenza artificiale è quella dei sistemi di voice o sound recognition che, come per l’image recognition, possono ‘comprendere il linguaggio naturale umano o, potenzialmente, qualsiasi fonte sonora e decodificarli in termini di significato e di intonazione, individuando ad esempio il livello di stress nella voce’ (fonte Google). In questo ambito i campi di applicazione sono davvero numerosissimi e alcuni sono già disponibili e utilizzati da molti utenti quotidianamente. Basti pensare ai chatbot, ad Alexa, Siri o agli assistenti vocali di Microsoft e Google stesso.
Capgemini ha previsto che entro il 2021 il 40% dei consumatori preferirà usare un assistente vocale piuttosto che applicazione o siti web per svolgere una vasta gamma di attività, dalla ricerca di informazioni allo shopping. Le ricerche vocali sono in costante aumento: si stima che entro un anno il 50% delle ricerche online sarà effettuato tramite la voce.

Conclusioni

Oggi la sfida per le aziende è quella di trovare continuamente delle nuove strade per soddisfare le crescenti aspettative dei clienti rispetto alle esperienze vissute con il proprio brand. L’intelligenza artificiale contiene potenzialmente la risposta a questa sfida.