tekoälyä käyttävä FMCG-tuoteinnovaatio

(Somsubhra Gan Choudhuri) (helmikuu 12, 2019)

Keinotekoisen älykkyyden (AI) tyypilliset käyttötapaukset kulutustuoteteollisuudessa ovat olleet pääasiassa ennusteissa, kysynnän ennustamisessa, toimitusketjussa, jakelussa, tuotannossa ja kunnossapidossa; tärkein syy on ollut valtavan määrän jäsenneltyjen tietojen saatavuus. Tuoteinnovaatiot ovat vaikeampia ongelmia, ja todiste on siitä, että uusien tuoteinnovaatioiden onnistumisaste on alempana kaksinumeroisena; perinteiset tuoteinnovaatiomenetelmät käyttävät hyvin vähän dataa ja ovat suuresti riippuvaisia ​​sen parissa työskentelevän ryhmän taidoista ja kokemuksista.

Parempia & nopeampia tuoteinnovaatioita varten Tekoälyä voidaan käyttää seuraavilla tavoilla:

Kuluttajien ymmärtäminen:

Tuoteinnovaatioiden ensimmäinen vaihe on kuluttajien ymmärtäminen; tätä varten on kaksi tietolähdettä: Yrityksen sisäiset tiedot myyntitietojen, aiempien kuluttajatietojen, online-ostokäyttäytymisen jne. muodossa; Ulkoiset julkiset tiedot verkkokeskustelujen muodossa.

Nykyään elämme maailmassa, jossa ihmiset jakavat jatkuvasti välähdyksiä elämästään, ajatuksistaan ​​ja mielipiteistään päivittäin tekstin ja kuvien kautta. Nämä ovat maltillisia, puolueettomia mielipiteitä tuotteista, paikoista, palveluista tai tapahtumista. Tähän asti ei ollut mahdollista ymmärtää tätä melua, mutta viimeaikainen tekniikan kehitys on mahdollistanut tämän suuren datan analysoinnin ja ymmärtämisen saadakseen tarkoituksen ja kontekstin ilman ihmisen väliintuloa. Laskentakustannusten lasku ja keinotekoisen älykkyyden tekniikan kehitys ovat mahdollistaneet tämän melun jäsentämisen, tislaamisen ja analysoinnin tunnistamaan ja ymmärtämään mitä ihmiset ajattelevat ja pyytävät.

Näistä tiedoista tulee erittäin arvokkaita, kun ne perustuu miljooniin datapisteisiin, ei vain muutamaan sataan, kuten tyypillisessä kuluttajatutkimuksessa. Näitä tietoja voidaan käyttää tunnistamaan kuluttajien tarpeet ja nousevat trendit reaaliajassa.

Mahdollistavaa tekniikkaa ovat luonnollisen kielen käsittely (NLP) & Computer Vision. Luonnollisen kielen käsittely (NLP) on keinotekoisen älykkyyden osa-alue, joka keskittyy antamaan tietokoneille mahdollisuuden ymmärtää ja käsitellä kieliä ihmisten tekemällä tavalla. Tietokonenäön avulla voidaan poimia lausumatonta tietoa kuvista. Computer Vision, toinen keinotekoisen älykkyyden osa-alue, antaa tietokoneille mahdollisuuden nähdä, tunnistaa ja käsitellä kuvia samalla tavalla kuin ihmisen visio ja tarjota sitten asianmukainen ulostulo. Ennakoivaa analytiikkaa voidaan sitten käyttää ennustamaan trendien tulevaa kehitystä.

Rakenna voittavia tuotekonsepteja:

Uuden tuotekonseptin luominen ja innovaatioputken ylläpito on aikaa vievä ja työläs prosessi, jota ohjataan usein suoliston tunne ja intuitio. Tekoäly voi auttaa meitä tunnistamaan tyhjätilamahdollisuudet ja luomaan sitten uusia tuotekonsepteja tyhjätilamahdollisuuksien hyödyntämiseksi.

Miljoonia tuotekonsepteja voidaan luoda käyttämällä algoritmista n-gramman ominaisuuksien yhdistelmää, mikä olisi ollut mahdotonta. inhimillisen lähestymistavan avulla.

Näyttö & Voittavien käsitteiden priorisointi:

Algoritmin luomat käsitteet voidaan sitten seuloa ja priorisoida kuluttajan perusteella ymmärtäminen ja trendien tunnistaminen tehty. Ennakoiva analyysi voi ennustaa, mitkä tuotteet menestyvät huomenna jo ennen kuin tuotteet tulevat markkinoille.

AI-paletti auttaa FMCG-yrityksiä tuoteinnovaatioissaan. Käytämme tekoälyä & Koneoppimista auttaaksemme FMCG-yrityksiä luomaan kuluttajille voittavia tuotteita.