Lily AI, gelanceerd in 2015 door mede-oprichters Purva Gupta en Sowmiya Narayanan, werd opgericht om het klantennetwerk van een retailer nauwkeurig en op grote schaal te verbinden met de relevante producten die ze online zoeken.

Door AI te gebruiken om een ​​robuuste producttaxonomie van productkenmerken te creëren, is het programma ontworpen om consumenten een meer op maat gemaakte e-commerce-ervaring te bieden door verbeterde on-site zoekconversie en gepersonaliseerde productontdekkingsreizen. Tegenwoordig is het in omvang en reikwijdte gegroeid en telt moderetailers en merken zo gevarieerd als Macy’s, Joor, The Gap, Bloomingdale’s, Vans en ThredUp tot haar klanten.

Hoewel technologie al een revolutie teweeg heeft gebracht in de manier waarop wereldwijde modebedrijven zaken doen, bevestigde de Covid-19-pandemie – en het daaropvolgende veranderende winkelgedrag – hoe cruciaal technologische innovatie is voor succes en aanhoudende groei.

Inderdaad, The Business of Fashion’s Stand van zaken: technologie rapport, een speciale editie van BoF’s vlaggenschiprapport, geproduceerd in samenwerking met McKinsey & Co., identificeert “hyperpersonalisatie” als een van de vijf technologiegedreven vereisten voor de mode-industrie, en noemt kansen voor leidinggevenden om Big Data en AI te gebruiken om bieden gepersonaliseerde, één-op-één ervaringen die loyaliteit op lange termijn opbouwen. Meer dan 60 procent van de modemanagers is zelfs van mening dat het creëren van geïntegreerde digitale processen in hun hele organisatie tot de top vijf van digitaliseringsgebieden zal behoren als ze vooruitkijken naar 2025.

Purva Lily AI

Nu gaat BoF aan tafel met Lily AI-medeoprichter Purva Gupta om inzicht te krijgen in de use-cases van Lily AI, de voordelen van het personaliseren van shopper journeys door middel van technologie en de relatie tussen kunstmatige intelligentie en klantgerichtheid.

Welke inzichten kan Lily AI delen over evoluerend winkelgedrag?

De pandemie leidde tot enorme hoeveelheden digitale escalatie, wat in wezen leidde tot torenhoge verwachtingen van shoppers. Na de pandemie is de verwachting van de shopper, hoewel de splitsing online/offline in sommige opzichten is teruggekeerd, gewoon volledig veranderd. We opereren nu in een wereld waarin spelers als Amazon de manier waarop consumenten producten ervaren volledig veranderen – van snelheid tot nauwkeurigheid en [breadth] van productmix. Als gevolg hiervan is de vraag van klanten naar een wrijvingsloze online ervaring onverbiddelijk.

In wezen moet de hele winkelstapel in zich opnemen wat wij de taal van de klant noemen. Laat me je een voorbeeld geven. Als een consument op zoek is naar een losse jurk, zijn er 50 andere manieren waarop een shopper ernaar kan zoeken. Ze kunnen een zonnejurk, een dutjejurk of een swingjurk typen – er zijn zoveel verschillende manieren om naar hetzelfde te zoeken. Retailers houden geen rekening met dit verschil in taal en [terminology].

Hoe werkt de technologie van Lily AI?

AI is wanneer een machine nabootst wat mensen kunnen doen, maar op schaal. Je AI is maar zo goed als je trainingsmodellen en je trainingsgegevens, dus we hebben ervoor gezorgd dat we geweldige trainingsgegevens hadden die onze domeinexperts intern verzamelden.

Als een consument op zoek is naar een losse jurk, zijn er 50 andere manieren waarop een shopper ernaar kan zoeken. Retailers houden geen rekening met dit verschil in taal en [terminology].

Onze AI kan elk type productcatalogus van een merk of retailer opnemen. Het kan dan uitgebreide, minuscule kenmerken extraheren uit die afbeeldingen en tekst in de productcatalogus. Vervolgens kan onze klant via ons platform die attributen toewijzen aan hun interne workflows om ervoor te zorgen dat deze zijn afgestemd op hoe intern alle verschillende soorten operaties die gegevens gebruiken. Ze kunnen het aanpassen; ze kunnen doen wat ze willen om ervoor te zorgen dat het op één lijn ligt.

Hoe evolueren de use-cases?

Op dit moment, vanaf dit moment, zijn er ongeveer een half dozijn applicaties waar Lily AI momenteel aan werkt met onze merken en retailers. Er zijn nog een half dozijn zinvolle toepassingen die deze merken en retailers al hebben gedeeld en waarvan ze willen dat we ze samen verkennen. Nu is het een kwestie van ontdekken hoeveel verschillende applicaties en integraties kunnen worden ontworpen.

Zodra we al deze diepe kenmerken via het Lily-platform hebben, kunnen we ze naar verschillende bestemmingssystemen in de winkelstapel sturen, van zoekmachines tot een aanbevelingssysteem en zelfs een toepassing voor het voorspellen van de vraag. Dat zijn allemaal verschillende soorten toepassingen die deze rijke productkenmerkgegevens verbruiken.

Zijn [critical] om te weten dat alleen het geven van deze attributen aan retailers niet genoeg is. Het gaat erom deze informatie naar de juiste bestemmingssystemen te brengen en de cirkel rond te maken, zodat retailers de ROI kunnen zien van alle verschillende toepassingen waarin ze deze gegevens kunnen gebruiken.

Welke voorbeelden van best-in-class strategie kunt u geven aan andere retailers om zich door te laten leiden?

Een van de retailers waarmee we samenwerken zag hun relevante zoekresultaten ver dertigvoudigen. Zulke resultaten hebben de kracht om transformatief te zijn, omdat de eindgebruiker een verbetering gaat merken. Dat is echt het beste compliment dat we kunnen krijgen – als niet alleen retailers, maar de eindklanten direct de verbeteringen opmerken.

Alleen het geven van deze attributen aan retailers is niet genoeg. Het gaat erom deze informatie naar de juiste bestemmingssystemen te brengen en de cirkel te sluiten.

Dankzij die verbeterde zoekresultaten krijgt u ook 30 keer betere bedrijfsresultaten. Voor deze detailhandelaar vertaalde dat zich in ten minste $ 20 miljoen aan incrementele inkomsten voor het bedrijf, alleen al door te zoeken.

Hoe kunnen merken kunstmatige intelligentie gebruiken om klantgerichter te worden?

De taal van de consument ontbreekt tegenwoordig in het algemeen in de retailgame. De hoeveelheid gegevens die stroomopwaarts bij de besluitvorming wordt gebruikt, is zo klein. Deze eenvoudige update kan ertoe bijdragen dat de klant centraal blijft staan ​​in uw bedrijf en kan leiden tot aanzienlijke omzetstijgingen. Stel dat uw consument op zoek is naar een statement blazer. Kenmerken voor een statement-blazer kunnen tegenwoordig niet gemakkelijk handmatig door handelaren worden toegepast. Als retailers producten puur toeschrijven aan de oude, kant-en-klare taal, kan dit betekenen dat ze belangrijke consumentencontext mislopen, waardoor klanten een slechte zoek- of aanbevelingservaring krijgen.

Als je kijkt naar gedragsgegevens van shoppers – hoe ze omgaan met een online winkel, waar ze klikken, wat ze kopen, wat ze retourneren – al die gedragsgegevens zijn de afgelopen 20 jaar in allerlei ervaringen gebruikt. Als het echter om productgegevens gaat, is dit echt laaghangend fruit dat nog niet volledig is onderzocht door retailers. Het is een cruciale manier voor retailers om dieper consumentengedrag te ontcijferen en op hun beurt klantgerichter te worden.

Wat boeit je op de middellange termijn het meest aan het samenvoegen van AI- en e-commercemogelijkheden?

Wat ik zo opwindend vind, is dat dit uiteindelijk geen rocket science is. Wat er in deze ruimte gebeurt, is zo intuïtief. Het is de taal van de consument – de manier waarop een shopper naar dingen zoekt, de manier waarop ze analyseren – die in de hele winkel ontbrak [ecosystem]. Voor mij zou dit de manier waarop retail werkt fundamenteel kunnen veranderen, omdat bedrijven zoveel meer over hun klant zullen weten, zowel online als offline. Er zijn veel verschillende soorten verhalen rond AI en hoe het wel of niet werkt. Ik ben zo blij dat we hier een verhaal hebben waarin we iets hebben gevonden dat zo fundamenteel intuïtief is dat de detailhandel echt nodig heeft. We hebben beeldherkenning kunnen oplossen – een traditioneel moeilijk technologisch probleem.

Het tweede element waar ik enthousiast over ben, is de gesloten kringloop die AI kan bieden binnen de detailhandel. Je kunt echt goede technologische oplossingen bouwen, maar als je ze niet kunt gebruiken en ROI kunt leveren, de cirkel kunt sluiten voor retailers en voor de eindconsument, dan mis je een stukje van de puzzel.

.


0 Comments

Leave a Reply

Avatar placeholder

Your email address will not be published.