مجله هوش مصنوعی شهاب
شرکت های بزرگ تولید نوشیدنی در دنیا، چگونه از فناوری هوش مصنوعی برای باقی ماندن در صدر بازار نوشیدنی های گازدار استفاده می کند؟
شرکت های بزرگ تولید نوشیدنی در دنیا روزانه میلیارد ها نوشیدنی تولید و در سراسر جهان به فروش می رسانند. استفاده از کلان داده ها و هوش مصنوعی ( AI ) به هر کاری که در این کسب و کار انجام می شود، قدرت می دهد. گرگ چمبرز، مدیر کل نوآوری دیجیتال در یکی از شرکت های بزرگ تولید نوشیدنی، در این باره گفت: “هوش مصنوعی پایه و اساس هر کاری است که ما می کنیم. ما تجربه های هوشمندانه ای ایجاد می کنیم. هوش مصنوعی هسته ای است که به این تجربه قدرت می بخشد.”
هوش مصنوعی به حل چه مشکلی کمک می کند؟
در بازاریابی نوشابه های نوشیدنی در سراسر جهان این طور نیست که یک روش در همه جا کاربرد داشته باشد. محصولات این شرکت در بازارهای بیش از ۲۰۰ کشور عرضه می شود.
در هر یک از این بازار ها تفاوت های موضعی در ارتباط با طعم ها، محتوای قند و کالری، ترجیحات بازاریابی و رقبایی که این برند در آن بازار ها با آن ها رقابت می کند، وجود دارد.
این به این معنی است که این شرکت برای این که بتواند در هر کشوری در صدر جدول رقابت بایستد، باید مقادیر زیادی از داده ها را از منابع متفاوتی جمع آوری و تجزیه و تحلیل کند تا مشخص شود که کدام یک از ۵۰۰ علامت تجاری اش به خوبی فروش می روند. طعم مارک های شناخته شده آنها حتی از کشوری به کشور دیگر متفاوت خواهد بود و درک این ترجیحات محلی کار بسیار پیچیده ای است.
چطور از هوش مصنوعی در عمل استفاده می شود؟
این شرکت هر روز از طریق دستگاه های فروش خود تعداد زیادی از نوشیدنی های خود را در بازار می فروشد. در دستگاه های جدیدتر، معمولا مشتری از طریق یک صفحه نمایش لمسی با دستگاه ارتباط برقرار می کند و آنها را قادر می سازد تا محصول مورد نظر خود را انتخاب کرده و حتی آن را با طعم های مختلفی که مد نظرشان است سفارش دهند. این شرکت دستگاه های خود را با الگوریتم های هوش مصنوعی ( AI ) وفق داده است که این کار به آنها در ترویج نوشیدنی ها و طعم های مختلفی که احتمال فروششان در مکان های خاصی که این دستگاه ها نصب شده اند، کمک می کند .
دستگاه های فروش، حتی می توانند “حالت” خود را بسته به مکانی که در آن واقع شده اند تغییر دهند به این صورت که ماشین هایی که در پاساژ های خرید مستقر هستند حالتی رنگارنگ و سرگرم کننده داشته باشند، دستگاه هایی که در باشگاه ها نصب می شوند، حالت دستیابی به عملکرد مطلوب را به افراد تلقی کنند و دستگاه هایی که در بیمارستان ها نصب می شوند، بیشتر کاربردی به نظر برسند.
این شرکت همچنین از هوش مصنوعی ( AI ) برای تجزیه و تحلیل رسانه های اجتماعی و دانستن این که مشتریانش کجا، چه زمانی و چگونه دوست دارند تا محصولاتش را مصرف کنند و همچنین برای دانستن این که کدام محصولات در کدام مناطق محبوبیت بیشتری دارند، استفاده می کند. با وجود بیش از ۹۰٪ از مصرف کنندگانی که براساس محتوای موجود در رسانه های اجتماعی تصمیم به خرید می کنند، برای این شرکت درک این موضوع که میلیاردها مشتری اش در ارتباط با این برند در پلتفرم هایی مانند فیس بوک، توییتر و اینستاگرام چه بحث هایی می کنند و تعاملشان با این برند چگونه است، اهمیت زیادی در نحوه اتخاذ استراتژی های بازار یابی دارد. برای انجام این کار، بیش از ۱۲۰،۰۰۰ قطعه از محتوا های اجتماعی موجود در این پلتفرم ها را با هدف سنجش جمعیت شناختی و رفتارشناسی مشتریان و کسانی که در مورد محصولات به بحث و گفت و گو پرداخته اند ارزیابی کرده است.
یکی دیگر از کاربردهای هوش مصنوعی ( AI ) مسئله اثبات خرید در ارتباط با طرح وفاداری و پاداش شرکت بوده است. هنگامی که از مشتریان خواسته شد تا به صورت دستی کدهای ۱۴ رقمی چاپ شده بر روی کلاهک بطری ها را در وب سایت ها و برنامه ها برای تأیید خرید خود وارد کنند، بدلیل سختی این کار، استقبال زیادی از این طرح صورت نگرفت.
این شرکت برای تشویق بیشتر مشتریان برای مشارکت در این طرح ها، بر روی ترویج تکنولوژی تشخیص تصویر کار کرد، که تایید خرید را با گرفتن یک عکس با استفاده از گوشی هوشمند امکان پذیر می کرد.
چه تکنولوژی، ابزار و اطلاعاتی مورد استفاده قرار گرفت؟
شرکت اطلاعات مربوط به ترجیحات محلی نوشیدنی ها را از طریق رابط های نصب شده در دستگاه های فروش صفحه لمسی خود جمع آوری می کند؛ بیش از ۱ میلیون آنها تنها در ژاپن نصب شده اند.
برای درک اینکه چگونه محصولاتش در رسانه های اجتماعی مورد بحث و تبادل قرار می گیرد،۳۷ “مرکز اجتماعی” را برای جمع آوری داده ها و تجزیه و تحلیل آن ها برای رسیدن به یک درک درست از مشتریان، با استفاده از پلت فرم Salesforce ایجاد کرده است. هدف این است که محتوایی را بیشتر ایجاد کنیم که در ایجاد تعاملات مثبت موثر به نظر برسد. در گذشته، روند ایجاد این محتوا توسط انسان انجام می شد؛ با این حال، این شرکت به طور فعال در حال توسعه سیستم های خودکاری است که آگهی ها و محتواهای اجتماعی را با اطلاعاتی که از داده های اجتماعی می گیرد ایجاد کنند.
همچنین از فناوری تشخیص تصویر برای هدف قرار دادن کاربرانی که تصاویری را در شبکه های اجتماعی به اشتراک می گذارند که نشان گر این نقطه است که می توانند مشتریان بالقوه ای برای شرکت باشند. در یک مثال کاربردی از این استراتژی ، شرکت آگهی هایی با مضمون برند چای یخی خود را که توسط افرادی به اشتراک گذاشته شده بودند و ظاهرا از این چای یخی لذت برده بودند را هدف قرار داده بود یا عکس هایی را که الگوریتم های تشخیص تصویر در آن ها آرم برند های رقبای خود را شناسایی می کرد، مورد استفاده قرار می داد . هنگامی که الگوریتم ها مشخص کردند که افراد بخصوصی احتمالا هوادار چای یخ هستند و همچنین کاربران فعال در شبکه های اجتماعی که تصاویر خود را با دوستان خود به اشتراک گذاشته اند از این چای لذت برده اند، شرکت می داند که هدف قرار دادن این کاربران برای تبلیغ می تواند استفاده درست و موجهی از درآمد های حاصل از تبلیغات باشد.
برای تأیید خرید، تکنولوژی “تشخیص تصویر خارج از قفسه” که برای خواندن ماتریس نقاط کم وضوح چاپ شده روی محصول که برای الصاق کد محصولات بر روی بسته بندی مورد استفاده قرار می گیرند، کارایی کافی را ندارند. بنابراین، این شرکت بر روی گسترش الگوریتم تشخیص تصویر خود با استفاده از تکنولوژی تنسور فلو( Tensor Flow ) گوگل کار کرد. این تکنولوژی از شبکه های عصبی کانولوشنی برای تشخیص ماشینی کد هایی که با توجه به این که کی و کجا پرینت شده اند متفاوت به نظر می رسند مورد استفاده قرار می گیرند.
چه نتایجی حاصل شد؟
تجزیه و تحلیل داده های حاصل از دستگاه های فروش توسط الگوریتم های AI شرکت را قادر می سازد تا با دقت بیشتری چگونگی تنوع عادات خرید میلیاردها مشتری خود در سراسر جهان را درک کند.
آن ها از این تجزیه و تحلیل ها برای اعلام تصمیمات مربوط به محصولات جدید استفاده می کنند؛ برای مثال، تصمیم به راه اندازی یک برند نوشیدنی به عنوان محصولی که در بطری ارائه می شود در ایالات متحده گرفته شد، زیرا اطلاعات نشان داد که این ابتکار احتمالا موفق خواهد بود.
تجزیه و تحلیل بر مبنای بینش کامپیوتری و پردازش طبیعی زبان پست های شبکه های اجتماعی، و همچنین تجزیه و تحلیل بر مبنای یادگیری عمیق از معیارهای تعامل اجتماعی، این امکان را فراهم می سازد تا شرکت از تبلیغاتی در شبکه های اجتماعی استفاده کند که بیشتر احتمال دارد که با ذائقه مشتری بسازد و فروش محصولاتش را رونق ببخشد.
استفاده از تنسور فلو ( Tensor Flow ) برای طراحی شبکه های کانولوشنی عصبی، اسکنرها را قادر ساخت تا کدهای محصول را از روی یک عکس ساده شناسایی کنند. این کار موجب افزایش تعامل مشتریان با برنامه های وفاداری مختلف شرکت در سراسر جهان شد.
چالش های کلیدی، نقاط آموزنده و موارد دیگر
- اگر شما صدها محصول مختلف را در چندین کشور به فروش برسانید، ادراک و رفتار مشتریان می تواند از بازاری به بازاری دیگر متفاوت باشد. درک این تفاوت ها، به جای تکیه بر یک رویکرد یکنواخت، منجر به دریافت پیام های مناسب از بازار های مختلف می شود.
- هنگامی که شما با برند های جهانی مواجه هستید، داده های مربوط به کاربران که از شبکه های اجتماعی یا از طریق سیستم های خود کمپانی ( از قبیل ماشین های فروش ) به وجود می آیند، بسیار گستره و نامنظم هستند. هوش مصنوعی ( AI ) یک شیوه مناسب برای ساختار دادن به این داده ها و ایجاد بینش از طریق آن ها را فراهم می کند.
- تکنولوژی بینش کامپیوتر مانند ابزارهای تشخیص تصویر می تواند میلیون ها تصویر از عکس های موجود در شبکه های اجتماعی را تجزیه و تحلیل کند تا به یک برند بفهماند که چه زمانی، چگونه و توسط چه کسانی محصولاتش مورد استقبال قرار گرفته اند.
- علاوه بر اتخاذ تصمیمات بازاریابی، برند هایی که به طور کامل در هوش مصنوعی ( AI ) سرمایه گذاری می کنند، شروع به استفاده از آن برای طراحی محصولات و خدمات جدید کرده اند.
بیشتر بخوانید :
- هوش مصنوعی مولد تهدیدات جدیدی برای امنیت سایبری ایجاد می کند
- فناوری تشخیص پلاک خودرو چگونه جامعه را هوشمندتر می کند
- گوگل ساختار سازمانی خود را جهت تمرکز بر هوش مصنوعی اصلاح می کند
- پلاک خوان های شهر گرینزبوروی آمریکا فعلاً قرار نیست افزایش پیدا کنند
- فرماندار اوکلند از پلاک خوان ها حمایت می کند اما مخالفان در اثربخشی آن تردید دارند
