Manekin perak yang sangat reflektif di jendela merek fashion dior dalam ikatan baru … (+)
Sementara AI Generative telah mendominasi berita utama dengan aplikasi konsumen yang mencolok, generasi baru startup teknologi ritel menggunakan kecerdasan buatan untuk menyelesaikan tantangan bisnis mendasar yang telah lama mengganggu industri ini. Perusahaan -perusahaan ini, yang baru diakui di bagian 'Startup' di Rethink Rethink “pemimpin AI top di ritel untuk tahun 2025”, mengacu pada tempat teknologi ritel pergi ke -dan masalah mana yang paling mendesak bagi pengecer yang akan diselesaikan.
Berikut adalah empat tantangan utama dari startup ini yang ditangani, dan bagaimana solusinya dapat mengubah operasi ritel:
1. Ai menjembatani kesenjangan bahasa produk konsumen
Putus antara bagaimana pengecer menggambarkan produk dan bagaimana konsumen mencarinya yang mewakili masalah miliaran dolar dalam penjualan yang hilang dan peluang yang terlewatkan. Kesenjangan ini sangat akut karena pengeluaran menjadi lebih terfragmentasi di semua saluran, dari pasar ke media sosial hingga situs e-commerce tradisional. Dua perusahaan mengambil pendekatan yang sangat berbeda untuk menyelesaikan tantangan ini.
Lily AI, yang melayani pengecer dan perusahaan pasar menengah, membahas apa yang disebut pendiri Purva Gupta “hilang narasi konsumen.” Setelah mewawancarai lebih dari 1.000 wanita tentang motivasi belanja mereka, Gupta menemukan bahwa konsumen menggambarkan pembelian dengan detail emosional dan perspektif unik – elemen yang biasanya hilang dari deskripsi produk. Platform mengoptimalkan konten produk perusahaan secara sistematis memperkaya seluruh katalog produk dengan bahasa dan atribut yang berpusat pada konsumen, menciptakan lapisan data terstruktur yang memberikan kekuatan pada penemuan operasi frontend dan backend. Saat ini berfokus pada kategori dekorasi mode, kecantikan, dan rumah, Lily AI melaporkan bahwa klien melihat peningkatan dua digit dalam penjualan, tayangan iklan, dan lalu lintas situs melalui peningkatan kemampuan produk.
Platform Mengoptimalkan Konten Produk Lily AI
Vody mengambil pendekatan yang berbeda, dengan fokus pada interpretasi pencarian real-time daripada pengayaan katalog. Perusahaan menargetkan pengecer perusahaan yang ingin meningkatkan penemuan produk melalui AI generatif multimodal yang memahami konteks budaya saat ini dan topik tren. “Model kami memahami bagaimana pelanggan mencari, berbicara, dan berbelanja,” jelas CEO Stephanie Horbaczewski.
Misalnya, jika pelanggan mencari “Taylor Swift Jersey,” mereka cenderung mencari Jersey Travis Kelce – data vody memastikan mereka mendapatkan hasil yang tepat. Sementara Lily.ai berfokus pada membangun infrastruktur data produk yang lebih baik, Vody berspesialisasi dalam menafsirkan dan memahami niat pencarian saat ini, membantu pengecer menangkap lalu lintas miring yang tinggi tanpa perlu pembaruan manual konstan untuk data produk mereka.
2. Mengoptimalkan inventaris dengan AI
Operasi ritel tradisional sering mengandalkan model “dorong” yang sudah ketinggalan zaman dan proses manual, yang menyebabkan inefisiensi dalam manajemen inventaris dan limbah yang signifikan dalam kategori makanan segar.
Nextail menangani penghentian mendasar dalam mode ritel: Sementara perilaku konsumen dan siklus hidup produk semakin dinamis, keputusan inventaris sebagian besar statis dan didasarkan pada intuisi. “Meskipun ini adalah industri multi-triliun dolar, Fashion sebagian besar berjalan pada model operasi yang dibangun beberapa dekade yang lalu,” kata Joaquín Villalba, salah satu pendiri Ourderail dan mantan kepala logistik Eropa di Inditex.
Platform perusahaan menggunakan AI untuk mengubah model inventaris 'push' top-down tradisional melalui permintaan hiper-demokalisasi dan pengambilan keputusan otomatis. Tidak seperti solusi ritel generik, Nexail menganalisis pola unik mode ritel – dari siklus hidup produk pendek hingga kurva ukuran kompleks – untuk membuat keputusan stocking khusus di toko. Ini membantu pengecer yang sebelumnya mengandalkan data penjualan tingkat tinggi dan intuisi manajer untuk membuat alokasi inventaris berbasis data yang lebih tepat dan berbasis data.
Sementara pengecer fesyen bergulat dengan tantangan inventaris musiman, rantai linding menghadapi waktu yang lebih sensitif -masalah inventaris yang sensitif: limbah makanan segar.
Platform WeFresh Cognitiwe membahas tantangan € 4 miliar-plus di Eropa saja. Solusi ini menargetkan pengecer kelontong tingkat perusahaan dan rantai supermarket di mana pengelolaan makanan segar dan pengurangan limbah adalah prioritas.
Alih-alih mengandalkan pemeriksaan manual dan tanggal kedaluwarsa tetap, WeFresh menggunakan visi komputer dengan komputer yang kuat untuk terus memantau kondisi makanan segar secara real-time melalui kamera toko yang ada. Ini memungkinkan pengecer untuk bertindak secara proaktif – menyesuaikan harga, mengoptimalkan restocking, dan berputar sebelum pembusukan terjadi – tanpa perlu perangkat keras atau sensor yang mahal.
3. Re -ARRANGE Harga dan Promosi
Pendekatan tradisional untuk penetapan harga dan promosi seringkali tergantung pada proses manual dan strategi diskon yang luas yang mengikis margin tanpa memaksimalkan potensi pendapatan.
Platform penetapan harga Quicklizard dinamis dinamis, melayani pengecer sedang hingga besar yang mengelola ribuan SKU, mengotomatiskan harga untuk semua katalog produk. “Sebagian besar pengecer hanya dapat mengoptimalkan 10-15% dari katalog mereka menggunakan metode manual,” jelas Anat Oransky Lev, VP Marketing. Platform terbuka perusahaan memungkinkan pengecer untuk menerapkan strategi penetapan harga apa pun melalui kode Python sederhana, sementara modul pembelajaran mesin menganalisis faktor -faktor seperti elastisitas harga, perilaku pesaing, dan musiman. Pendekatan otomatis ini memungkinkan pengecer untuk mengoptimalkan harga di seluruh katalog mereka secara real-time, daripada 10-15% yang biasanya dikelola melalui metode manual.
Platform ini melayani klien terkenal seperti Sephora dan John Lewis & Partners, serta merek langsung-ke-konsumen yang menghasilkan puluhan juta pendapatan tahunan.
Revlifter, yang menargetkan pengecer pasar menengah, memikirkan kembali bagaimana pengecer menggunakan promosi. “Promosi telah menjadi taktik ritel selama sekitar 150 tahun,” kata Bond dan Bond, VP Marketing. Perusahaan duduk di antara platform promosi dasar dan teknologi perusahaan yang lebih mahal.
Platform Revlifter menganalisis data perilaku untuk memberikan promosi yang dipersonalisasi berdasarkan faktor -faktor … (+)
4. Mendemonstrasikan pembuatan konten kreatif dengan AI
Peningkatan permintaan untuk konten visual di semua saluran telah menciptakan hambatan baru bagi pengecer, terutama dalam konteks mode dan pemasaran.
Fashable, melayani pengecer pasar media dan perusahaan, menghasilkan gambar fotorealistik yang mengubah alur kerja industri mode dari konsep ke pasar. Platform ini menciptakan citra AI yang tetap eksklusif untuk merek, memungkinkan pengecer untuk menguji respons pasar sebelum komitmen terhadap produksi fisik sambil mengurangi limbah sampel dan mempercepat waktu untuk dipasarkan.
Sementara Fashable berfokus pada visualisasi produk, pengecer menghadapi tantangan konten lainnya: menciptakan dan mengadaptasi pemasaran kreatif di seluruh serangkaian pengembangan saluran digital.
Rocketium membahas tantangan skala ini untuk iklan perusahaan di platform sosial, penampilan, dan media ritel. Platform ini mengotomatiskan pembuatan beberapa versi kreatif untuk setiap elemen kampanye sambil memprediksi potensi kinerja, menghilangkan pekerjaan manual untuk mengadaptasi konten untuk platform dan penempatan yang berbeda. Dibangun khusus untuk pengiklan ritel, ini menangani segalanya mulai dari membuat versi hingga kepatuhan platform, membantu merek meningkatkan output kreatif mereka tanpa memperluas tim mereka.
Rocketium mengotomatiskan penciptaan beberapa versi kreatif untuk setiap elemen kampanye sementara … (+)
Masa depan teknologi ritel
Solusi startup ini mengembangkan sinyal perubahan penting dalam AI ritel. Sementara banyak perhatian telah berfokus pada aplikasi AI yang dihadapi konsumen seperti Amazon yang baru saja diluncurkan oleh asisten perbelanjaan Rufus, perusahaan -perusahaan ini menunjukkan bagaimana kecerdasan buatan dapat mengubah operasi ritel inti. Karena saya baru -baru ini menjadi belanja WR di masa depan untuk AI, kutil dan semua “), alat -alat seperti Rufus hanyalah awal dari bagaimana AI akan mengubah transformasi ritel ritel terjadi di belakang layar.
Untuk pengecer yang mengevaluasi di mana berinvestasi dalam kemampuan AI, startup ini memberikan kerangka kerja yang berguna: optimasi bahasa untuk penemuan, manajemen inventaris cerdas, harga dan promosi yang dinamis, dan konten otomatis. Masing -masing mewakili area di mana AI dapat menyelesaikan tantangan bisnis yang spesifik dan terukur daripada hanya menambahkan kecanggihan teknologi.
Yang paling penting adalah bagaimana solusi ini berkembang di luar otomatisasi sederhana. Apakah itu lily.ai menjembatani kesenjangan bahasa antara pedagang dan konsumen, atau weFresh memprediksi pembusukan makanan segar sebelum terjadi, platform ini menunjukkan kemampuan AI untuk menyelesaikan masalah yang sebelumnya tidak dapat diselesaikan melalui metode tradisional. Sementara chatbots dan mesin rekomendasi dapat menangkap berita utama, masa depan teknologi ritel terletak pada solusi terfokus ini yang memiliki dampak bisnis yang konkret.
NewsRoom.id
