Home Depot运用AI技术增强电子商务体验

面对全球疫情大流行，零售行业的客户体验也必然需要经历变化。如果有人在今年年初睡去，在今年9月醒来，一定会惊讶于购物者们佩戴口罩、地板上标注排队距离、消费者与店员之间用有机玻璃相分隔等神奇的景象。

随着消费者购买方式与购买行为的转变，在线零售行业也迎来了一场深刻的变革，借此契合居家办公/居家学习等生活模式层面的调整。以往，依靠重大节假日组织全民促销的零售机构，也不得不放弃这些已经通行多年的惯例，转而重新设计自己的营销、供应链乃至基础业务策略。

Khalifeh AlJadda, Home Depot公司

这一切，也让人们以史无前例的热情将目光投向数据与机器学习技术。以往流程及方法遭受到的挑战，令组织意识到数据及数据驱动型决定的重要意义。在最近召开的AI 2020数据会议上，Khalifeh Al Jadda分享了关于Home Depot如何解决这些零售业问题的深刻见解，同时介绍了该公司对于电商系统核心的设计思路。通过本文，我们将向您介绍Home Depot这样一家巨头级零售企业如何实际运用AI以及数据科学成果。

零售行业在应用AI技术方面面临着哪些挑战?

Khalifeh: 零售业面临的AI采用挑战确实不少。首先就是人才市场中数据科学技能长期短缺，因此零售企业必须想办法建立起具有合适人才的数据科学组织。另外，数据科学的落地方式也是个重大挑战，因为零售企业毕竟不是科技公司，往往缺少可以吸纳数据科学团队的研发机构。有时候，数据科学团队会加入到现有IT部门当中，企业则尝试通过管理其他IT团队的方式管理数据科学团队——这显然不对。除此之外，零售企业中业务领导者的思维方式也可能成为阻力，因为他们不一定相信自动化与机器学习。零售企业里的很多人会把AI技术视为一种威胁，因此倾向于阻碍数据科学团队提出的任何倡议或机会。事实上，组织首先需要建立起创造性研究以及发现新文化的能力，这也是推动一切数据科学项目走向成功的基本前提。

Home Depot如何使用AI与数据科学的力量解决各类极具挑战的电子商务问题?

Khalifeh: Home Depot拥有一支成熟的数据科学团队，这里汇集了来自世界各顶尖高校及研究实验室的一流数据科学家。团队利用数据科学中的各项成果解决极具挑战性的现实问题，例如搜索相关性、查询理解、个性化推荐以及其他数据科学应用等。Home Depot的数据科学应用方向之一，在于自动收集建议。例如，有些客户的痛点是在商店中购买浴室翻新、厨房翻新或者露台家具，这时我们就得想办法帮助他们凑齐完整的产品组合。客户可以先指定一款自己最确定也最喜爱的产品，例如水龙头，我们则根据该产品的样式、颜色、装饰效果以及品牌整理出一套包含沐浴喷头、毛巾杆、毛巾环等产品的浴室组合。这就消除了此前客户需要对各款产品进行单独搜索这一既费时又令人头痛的过程。我们的深度学习多模算法能够自动在目录当中查找所有产品，由此构成完整组合并在客户登陆产品页面时提供建议。这项工作成果已经发表在ACM RecSys 2019会议论文集中。我们也还有许多其他用例，大家可以通过研究论文具体了解。

零售行业在采用AI技术时，拥有哪些独特的机会?

Khalifeh: 零售行业确实拥有不少独特的机会，具体包括：

· 根据客户行为及实时分析建立更好的定价功能。

· 更准确的需求预测。

· 异常检测以保护客户及企业。

· 个性化搜索与推荐。

· 语音与图像搜索。

Home Depot如何利用数据科学获取客户对于产品的见解及反馈?

Khalifeh: Home Depot建立起先进的情感分析系统，该系统能够自动了解客户投诉以及最受客户喜爱的功能。这套系统帮助我们的客户快速了解其他客户对某款产品的总体感受，省去了阅读大量购买评论的时间。

Home Depot如何使用AI技术提供更好的产品推荐效果?

Khalifeh: Home Depot一直大力投资于个性化推荐引擎，包括采用深度学习、主动学习以及图形挖掘等前沿技术。我们基于AI的引擎采用多种模式，例如文本、图像、点击流以及个人资料数据等，借此保证我们的客户能够获得与其意图及兴趣最为相符的推荐结果。

Home Depot如何使用AI技术中的不同成果，解决一个个具体的电子商务实际挑战?

Khalifeh: 我们使用统计分析与关联规则以发现不同产品门类之间的关系。我们会使用自然语言处理(NLP)与自然语言理解(NLU)以理解客户评论并提取出产品的优缺点。

在部署了这些先进的数据驱动型技术之后，特别是在这些技术实现了个性化体验之后，我们在参与度与客户转化率方面都迎来了显著提升。

在组建及管理数据科学团队方面，您有哪些建议可以分享?

Khalifeh: 数据科学团队应该被视为研发组织，因此对数据科学团队的管理不应固化于敏捷流程以及以两周为单位的冲刺框架。数据科学团队需要投入时间以鼓励创新，并通过塑造创造性文化推动研究与发现。此外，数据科学团队还需要与产品经理及工程团队紧密合作，因此他们在组织中的定位将成为决定其成功与否的关键要素。一部分企业会将数据科学团队置于IT部门之内，虽然这有助于使其同工程合作伙伴建立良好联系，但请不要把数据科学团队当成典型的软件工程团队加以管理。也有一些企业将数据科学团队纳入业务部门，使其更接近产品管理团队，但这又会阻碍他们与工程技术合作伙伴之间的沟通协同。总而言之，数据科学团队能否取得成功，主要依赖于产品经理在数据科学与工程团队之间建立强大纽带的能力。

您如何看待AI技术在未来几年电子商务领域的发展?

Khalifeh: AI技术将不断改变电子商务行业的面貌，并带来更多NLP、NLU以及计算机视觉功能。我希望这一切能让电子商务变得更加具有个性。另外，会话式人工智能将提升购物过程的交互性，由此改变我们的购物习惯。例如，我们可以前往Home Depot应用并说出“我想要个新的洗菜台”，应用则询问我想要双水槽还是单水槽款。根据我的回答，应用将进一步讨论更多不同选项，并以交互方式指导我完成购买。

对您来说，最期待在未来几年看到哪种AI技术步入主流应用?

Khalifeh: 我对AI技术在医疗保健领域的应用感到兴奋，最期待的是通过可穿戴设备实现的医疗保健AI。大家可以设想这样一部次世代智能可穿戴设备，它能够在用户心脏病发作之前进行预测，并推荐可采取的应对措施/药物以预防各种不良后果。智能可穿戴设备还会在肾衰竭实际发生之前做出正确预测，并向用户推荐预防性的生活方式调整/药物搭配。AI确实有可能在医疗保健领域实现这一切，我也将对此保持高度关注。