2002年，Target聘請了統(tǒng)計學家Andrew Pole。他的任務(wù)是進行預(yù)測分析——一種通過觀察數(shù)據(jù)趨勢進行預(yù)測的統(tǒng)計數(shù)據(jù)——來幫助零售巨頭向某些人群推銷某些產(chǎn)品。在這方面，Pole的首要任務(wù)是確定孕婦——特別是孕中期婦女。

正如Target的營銷團隊所解釋的那樣，新生兒的父母是非常有價值的客戶。哪怕是之前沒有買過尿布，嬰兒服裝這種東西，當他們有孩子時，他們的品牌觀念也會變化。由于需要采購東西較多，新父母很容易疲累，所以他們更傾向于在一個地方買到所有可能需要的東西。而Target希望成為這樣的地方。

“我們知道，如果我們能夠在寶寶只有兩三個月的時候就確定用戶，那么我們很有可能擁有這樣的用戶很多年，”Pole告訴紐約時報?！耙坏┪覀冏屗麄儚奈覀冞@里購買尿布，他們便會在這里購買其他所有的東西。如果你正在一個商店里掃貨，尋找瓶裝飲料，當你經(jīng)過橙汁，然后你就會拿上一盒。對了，還有我想要的新DVD。很快，你將會在我們這買谷物和紙巾，并且很有可能一直是回頭客?！?/span>

雖然其他公司使用公開的出生記錄來確定分娩后的潛在客戶，但是Target希望通過識別懷孕期間的女性來獲得競爭優(yōu)勢。

Pole跟他的同事研究了購物數(shù)據(jù)，并且確定了孕婦傾向購買的25種產(chǎn)品——如孕婦裝，無味乳液和產(chǎn)前維生素。在查明那些用戶購買了這些產(chǎn)品（商家使用訪客ID號碼跟蹤購買）之后，Target為客戶分配了一個“懷孕預(yù)測”分數(shù)，既可以準確預(yù)測女性是否懷孕，也可以估計她的分娩日期，這就到量身定制營銷計劃的時候了。

人類與技術(shù)發(fā)展都是這樣，沒什么事是一帆風順的。

據(jù)泰晤士報報道，明尼蘇達州的一名男子走進當?shù)氐腡arget分部，并要求見經(jīng)理。

“我的女兒收到了你們公司的郵件，”據(jù)報道，該男子一邊說一邊展示著Target的宣傳小冊子?！八€在上高中，而且你要寄嬰兒衣服跟嬰兒車的優(yōu)惠卷給她，你們這是想鼓勵她懷孕嗎？”

優(yōu)惠卷上清清楚楚得寫著是給該男子十幾歲的女兒的，但是經(jīng)理也是一頭霧水，但他只能一直道歉。過了幾天后，經(jīng)理打電話給該男子再次道歉，但是突然那個男子向他道歉。據(jù)了解，該男子與他的女兒交流時發(fā)現(xiàn)她確實將在八月份分娩，而Target公司的預(yù)測時間就在優(yōu)惠卷上，基本一致。

盡管如此，但是這種數(shù)據(jù)采集方式還是讓人毛骨悚然。懷孕是一個私人問題，顧客一般是不喜歡自己被監(jiān)視的，因此零售商們決定是定位更加精確。Target沒有直接向準媽媽推薦嬰兒產(chǎn)品（因此也提高了她們的懷疑），而是策略性地將嬰兒產(chǎn)品廣告放在其他隨機產(chǎn)品的旁邊——如酒杯或者割草機。

從技術(shù)的角度來看，零售方面使用的技術(shù)已經(jīng)發(fā)生了很大的變化。客戶數(shù)據(jù)依然扮演者很大的角色，這跟2002年的時候幾乎一樣。但是除了預(yù)測分析之外，Target現(xiàn)在依靠機器學習來分析購物的習慣，從而優(yōu)化供應(yīng)鏈并且為客戶提供個性化的服務(wù)。

“在Target，我們的目標是通過廣泛應(yīng)用數(shù)據(jù)的技術(shù)讓購物更有趣，更貼近我們的客人——相信我，我們擁有大量數(shù)據(jù)！”零售商在一篇關(guān)于機器學習的博客文章中吹噓自己。 “數(shù)以千萬計的客人和數(shù)十萬件物品導致了數(shù)十億的交易和互動?！?/span>

雖然預(yù)測分析需要人類找到數(shù)據(jù)的統(tǒng)計趨勢，但機器學習是人工智能（AI）的一個子集，它是指使用計算機算法來查找數(shù)據(jù)趨勢。然后，計算機可以根據(jù)這些趨勢（或模式）自主地進行預(yù)測——有效地“學習”而無需為明確的任務(wù)編程。

部署機器學習的兩個主要領(lǐng)域包括文本翻譯和圖像識別。例如在圖像識別領(lǐng)域，它也可以用于識別熱狗。

但這項技術(shù)的應(yīng)用遠不止嬰兒用品和法蘭克福香腸（兩者都是Target銷售的）。許多其他公司使用它來優(yōu)化和將經(jīng)過驗證的零售實踐自動化，例如SKU分類，產(chǎn)品推薦，情緒分析，欺詐檢測，價格預(yù)測，個性化優(yōu)惠等。

了解這些企業(yè)如何利用機器學習來開展零售游戲

沃爾瑪

公司所在地點：阿肯色州本頓維爾

它是如何利用機器學習的：沃爾瑪使用在線機器學習來優(yōu)化交付路線，提供更快的結(jié)賬，匹配產(chǎn)品目錄中的產(chǎn)品，并根據(jù)用戶的瀏覽歷史推薦產(chǎn)品。除了數(shù)據(jù)分析，機器學習還用于向在線購物者展示有針對性的廣告。

亞馬遜

公司所在地點：華盛頓州

它是如何利用機器學習的：作為全球最大的在線零售商，亞馬遜可以訪問大量客戶數(shù)據(jù)。通過將機器學習應(yīng)用于該數(shù)據(jù)，它可以預(yù)測對某些產(chǎn)品的需求，識別欺詐性購買并提供定制的產(chǎn)品推薦和促銷。除零售外，機器學習是亞馬遜智能AI助手Alexa及其亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）云計算服務(wù)的推動力。

ASOS

公司所在地點：英國倫敦

它是如何利用機器學習的：Asos是一個在線時尚商店，它擁有大量的服裝產(chǎn)品——在任何給定時間約85,000件。 這就是為什么它依賴于機器學習的圖像識別功能來描述每個項目的屬性。Asos還使用機器學習來跟蹤客戶的購物習慣，并為他們分配客戶生命周期價值（CLTV），預(yù)測未來幾年他們可能會花多少錢購買Asos產(chǎn)品。

THE NORTH FACE

公司所在地點：加利福利亞州

它是如何利用機器學習的：2015年，The North Face與IBM合作，將古老的計算機巨頭Watson AI系統(tǒng)引入其網(wǎng)站。Watson（你可能還記得，擊敗了Jeopardy！這款游戲的王者 Champ Ken Jennings）像是一個人類的導購，引導North Face客戶選擇合適的產(chǎn)品。Watson的自然語言處理能力和會話界面使得這個過程很像與另一個人交談。

MACY'S

公司所在地點：俄亥俄州辛辛那提市

它是如何利用機器學習的：像The North Face一樣，Macy也與IBM合作，將Watson用于Macy的On Call。 該功能允許客戶在MACY'S百貨的移動網(wǎng)站上提問，并接收每個實體店獨有的信息。需要找到男士運動鞋或洗手間？ MACY'S的On Call可以提供幫助。

軟銀機器人

公司所在地點：日本東京

它是如何利用機器學習的：軟銀機器人是Pepper的母公司，Pepper是一個由人工智能和機器學習驅(qū)動的人形機器人。雖然Pepper有很多用途，但該公司認為它對零售業(yè)特別有用。鑒于此，Pepper駐扎在舊金山韋斯特菲爾德等商場，在那里執(zhí)行客戶服務(wù)任務(wù)，如指示，回答問題和娛樂購物者。

美國鷹牌服飾

公司所在地點：賓夕法尼亞州匹茲堡

它是如何利用機器學習的：美國鷹牌服飾與圖像識別創(chuàng)業(yè)公司Slyce合作，在其移動應(yīng)用程序中創(chuàng)建一個視覺搜索引擎，讓購物者可以使用手機的相機找到特定的服裝項目或類似物品，他甚至推薦配件。

機器學習在零售業(yè)中的未來

雖然機器學習在許多零售應(yīng)用程序中都有應(yīng)用，但是零售商們始終認為個性化——即購物者在微觀層面獲得定制體驗是最重要的，因為這對他們實際增長用戶以及擴展在線產(chǎn)品尤其重要。

Neiman Marcus集團總裁兼首席執(zhí)行官Karen Katz表示，“融合技術(shù)與個性化的觸感才是卓越的用戶體驗?！?“我認為能夠?qū)⒓夹g(shù)驅(qū)動的個性化與人類結(jié)合起來的人將成為這個世界的贏家。

以亞馬遜為例，約有35％的銷售額來自針對每位購物者量身定制的機器學習驅(qū)動的產(chǎn)品推薦。正如一項研究所得出的結(jié)論，一個能夠?qū)⒖蛻舻臄?shù)字購物體驗個性化的品牌才會擁有相當多的回頭客。

像Katz這樣的零售老板深諳此道，他們正在接受個性化帶來的革命。

“今天的智能零售商正在進入購物體驗的新時代，將人性化和技術(shù)相結(jié)合，以提供更加量身定制的消費體驗，”Mindtree高級副總裁Guita Blake表示。

Macy's 的執(zhí)行主席特里倫德格倫也認同這個觀點。 “現(xiàn)在，有關(guān)個性化的模式正剛剛起步，”他告訴福布斯。 “這一切都與消費者有關(guān)?！?/span>

“我們正在盡我們所能，直接與消費者聯(lián)系，讓購物更方便他們?！?/span>