MongoDB和AI 赋能行业应用:零售

请添加图片描述

请添加图片描述

欢迎阅读“MongoDB 和 AI 赋能行业应用”系列的第三篇。

本系列重点介绍 AI 应用于不同行业的关键用例,涵盖制造业和汽车行业、金融服务、零售、电信和媒体、保险以及医疗保健行业。

利用生成式 AI 技术(Gen AI),零售商可以创造新的产品和服务,确定并实施追加销售策略,根据市场情况生成营销材料,并提升客户体验。AI 最有创意的用途之一是帮助零售商了解顾客的需求和选择,这些需求和选择会随着季节、趋势和社会经济的变化而不断变化。通过分析客户数据和行为,AI 还能根据个人喜好创建个性化产品推荐、定制营销材料和独特的购物体验。

AI 在零售企业的决策中发挥着至关重要的作用;设计、定价、需求预测和分销策略等产品决策需要对来自整个组织的大量信息进行复杂的理解。为了确保在正确的时间、正确的地点提供正确数量的正确产品,后台团队利用了机器学习算法。

随着技术的进步和采用 AI 门槛的降低,零售商正在转向数据驱动决策,实时利用 AI。Gen AI 能用于整合信息,并提供可立即用于整个企业的重要见解。

AI 增强搜索和向量检索

现代零售业是以客户为中心的行业,客户在购买产品时拥有比以往更多的选择。为了留住并扩大客户群,零售商正努力为客户提供极具吸引力的个性化体验。要做到这一点,就必须捕捉顾客的大量数据,如他们的购买模式、兴趣和互动,并迅速利用这些数据做出复杂的决策。

搜索是电子商务体验中的关键互动之一。通过全文搜索引擎,客户可以轻松找到与其搜索相匹配的商品,零售商可以对这些结果进行排序,从而为客户提供最佳选择。在以前的个性化迭代中,如何以个性化方式对搜索结果进行排序,是通过从各种运营系统中获取数据对客户进行细分,然后将所有数据转移到数据仓库中,再在数据上运行机器学习算法。通常情况下,这种算法会每 24 小时或几天分批运行一次,这样客户下次登录时就能获得个性化体验。然而,这并不能实时捕捉客户的意图,因为客户的意图会随着客户收集更多信息而不断变化。

如今,现代零售商通过实时响应数据和 AI 算法的分析来优化搜索排名。现在还可以将当前购物车/购物篮、客户点击流或购物者的购买趋势等因素纳入其中。

●真正了解客户的第一步是建立一个客户数据平台,将来自不同系统和企业孤岛的数据结合起来:客服、电子商务交易、店内互动、愿望清单、评论等。MongoDB灵活的文档模型允许轻松组合不同类型和格式的数据,并支持嵌入子文档,通过一条数据就可以获得清晰的客户视图。随着零售商捕捉到更多有关客户的数据点,还可以随时添加字段,无需停机。

●其次,MongoDB能够实时运行分析,而无需在额外的系统中进行追溯。MongoDB 的架构允许工作负载隔离,这意味着运营工作负载(支持客户操作)和分析或 AI 工作负载(计算最佳报价)可以同时运行,而不会彼此卡点。除此之外,使用 MongoDB 的聚合框架进行高级分析查询,或实时触发 AI 模型,给出可实时嵌入搜索排名的答案。

●最后,通过使用 MongoDB,还能轻松更新搜索索引,将 AI 增强功能纳入其中。由于MongoDB 内置了搜索功能,因此整个流程可以在一个数据平台中完成——随着数据经过了 AI 增强,搜索索引也会同步匹配

MongoDB的向量搜索让搜索迎来了新的时代。通过使用 LLM 为每个产品创建向量嵌入,并打开向量索引,零售商就可以为客户提供语义搜索。AI 将在向量空间中计算商品之间的相似性,并为客户提供一组符合其真实需求的独特结果。

在这里插入图片描述

AI 增强型搜索引擎的架构,MongoDB 的不同组件和 Databricks 组合进行数据清理和准备、商品评分、动态定价和向量检索。
在这里插入图片描述

向量检索解决方案的架构,展示数据如何流经 MongoDB 和 Databricks 的不同集成组件

需求预测和预测分析

通常,零售商要么通过在本地开发传统的机器学习模型来进行需求预测,要么购买专门设计的产品,为需求预测和预测提供跨细分市场的洞察力。自制系统需要大量的数据和机器学习实施基础设施,以及专门的技术知识来开发、管理和维护它们。通常情况下,这些系统需要不断维护,以确保最佳性能并为企业提供价值。

Gen AI 通过提高预测的准确性和粒度,已经为零售商的需求预测提供了多种解决方案。一方面,利用大型语言模型(LLM)进行检索增强生成,使零售商能够生成具体的产品需求,并深入挖掘产品类别和店铺级别,这不仅简化了配送流程,还有助于在门店层面更有针对性地满足客户需求。另一方面,在需求预测中融入 AI 技术,不仅能优化库存管理,还能促进零售业采用更加动态和以客户为中心的方法。

Gen AI 可用于准确预测产品需求、优化/协调生产计划以及确保仓库或配送中心有足够的库存水平,从而提高供应链效率,具体工作包括:

●搜集所需要的全部数据,包括历史销售数据、客户订单以及当前的多渠道销售数据和趋势,这些信息还可以与外部数据集整合,例如可能影响需求的天气和事件。

●将数据整合到一个操作数据层中,并对其进行清理,这样可以降低错误率。通过特征工程提取季节性、促销影响和一般经济指标。

●采用检索增强生成模型来改进需求预测,避免出现幻觉。利用历史数据中的相同数据集来训练和微调模型,以提高准确性。

这些工作可带来商业利益,包括提高需求预测的精确性、优化产品和供应规划、提高效率以及提高客户满意度

在整个零售行业,AI 让管理者和消费者对交互有了更多期待。无论您是杂货店、电子商务网站还是零售集团的客户,AI 已经开始并将继续改变和提升您与企业的业务往来方式。对于全球最重要的零售商来说,AI 创造了各种机会,可以最大限度地降低风险和欺诈行为,完善用户体验,并使公司避免浪费人力和资源。

从创建到发布的全过程,MongoDB 可确保 AI 应用以准确的运营数据为基础,并提供开发人员和消费者所要求的可扩展性、安全性和性能

以上是本篇的全部内容

在本系列的下一篇文章中

我们将讨论 MongoDB + AI

在金融服务行业的应用

阿里云 MongoDB

敬请期待阿里云 MongoDB 的检索和向量新特性。

🔗相关视频推荐:

点击观看网络研讨会回放《MongoDB零售行业最佳实践》

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/29477.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

软考中级哪个科目比较简单,只为拿证?

中级科目包括信息系统、计算机网络等5个方向,共计15门课程。软考中级难度适中,考取后即可获得中级职称,因此性价比最高。 需要留意的是,这些科目中,有一些是每年只有一次考试的,有一些是每年有两次考试的&a…

java遇到问题 不行就 重启项目 清理缓存 在别人电脑试试

java遇到问题 不行就 重启项目 清理缓存 在别人电脑试试 java遇到问题 不行就 重启项目 清理缓存 在别人电脑试试

【机器学习】第2章 线性回归及最大熵模型

一、概念 1.回归就是用一条曲线对数据点进行拟合,该曲线称为最佳拟合曲线,这个拟合过程称为回归。 2.一个自变量 叫 一元线性回归,大于一个自变量 叫 多元线性回归。 (1)多元回归:两个x,一个…

qmt量化交易策略小白学习笔记第37期【qmt编程之指数数据--如何获取迅投商品市场指数行情数据】

qmt编程之获取商品市场指数数据 qmt更加详细的教程方法,会持续慢慢梳理。 也可找寻博主的历史文章,搜索关键词查看解决方案 ! 感谢关注,咨询免费开通量化回测与获取实盘权限,欢迎和博主联系! 获取迅投商…

HPMicro:FEMC应用指南

先楫FEMC的基本概念介绍 FEMC (Flexible External Memory Controller)全称为多功能外部存储器控制器。作为并行接口控制器,FEMC具有访问存储数据速度快的特点。 HPM的FEMC只有一路,由于FEMC是并口,所以占用的管脚较多。而且HPM的FEMC信号引脚…

spring ioc和aop底层是使用什么实现的

Spring IOC底层实现 Spring IOC容器是Spring框架的核心,它负责创建和管理应用程序中的对象(Bean)。IOC容器底层实现主要依赖于以下几个关键组件和概念: 1、BeanFactory:这是Spring IOC容器的最底层接口,提…

【JS重点19】this指向问题总结

阅读本文章目标:够知道this在不同环境下的默认值,知道动态指定函数this值的方法 一:普通函数this指向 普通函数的调用方式决定了this的值,即谁调用普通函数,this就指向谁 setTimeout(function () {console.log(this)…

【面试干货】ArrayList、Vector、LinkedList的存储性能和特性比较

【面试干货】ArrayList、Vector、LinkedList的存储性能和特性比较 1、ArrayList1.1 存储性能1.2 特性1.3 示例用法 2、Vector2.1 存储性能2.2 特性2.3 示例用法 3、LinkedList3.1 存储性能3.2 特性3.3 示例用法 4、ArrayList、Vector、LinkedList用法总结 💖The Beg…

Transformer革新:Infini-Transformer在长文本处理中的突破

在当今信息爆炸的时代,大型语言模型(LLMs)在处理长文本数据方面的需求日益增长。无论是科学研究、法律分析还是医学诊断,长文本的处理能力都显得尤为重要。然而,现有的基于Transformer的模型在处理这类数据时遇到了重大…

PHP框架详解 - CakePHP框架

CakePHP 是一个开源的 PHP Web 应用框架,它遵循 MVC(模型-视图-控制器)设计模式。CakePHP 提供了快速开发的功能,如代码自动生成、数据库交互的 CRUD 操作支持、灵活的路由、模板引擎、表单处理以及其它许多有用的特性22。 CakeP…

硬件电路基础【5.二极管】

二极管 前言一、基本原理1.1 介绍1.2 结构组成1.3 符号1.4 正负极判断 二、特性参数开关电路注意的参数极限特性电气特性特性曲线 三、应用场景稳压二极管原理故障特点连接方式参数最大额定参数电气特性特性曲线 应用典型的串联型稳压电路过压保护稳压二极管的应用与选择 肖特基…

关于一份nginx-我是如何优化的

需求场景 1、需要负载均衡指定几个服务,如果有服务出现预期错误,就会更换另外一个服务接口 2、合理优化一些细节日志输入和性能 Nginx 配置文件(带注释) #user nobody; # 以nobody用户运行Nginx进程 worker_processes 4; # 设…

CP AUTOSAR标准之FlashDriver(AUTOSAR_CP_SWS_FlashDriver)(更新中……)

1 简介和功能概述 该规范描述了AUTOSAR基础软件模块[1]Flash驱动程序的功能、API和配置。   此规范适用于内部和外部闪存的驱动程序。   闪存驱动程序提供读取、写入和擦除闪存的服务以及用于设置/重置写入/擦除保护的配置接口(如果底层硬件支持)。   在ECU的应用模式下,…

需要用来做3D家具展示的软件哪个网站更专业?

国内外的3D家具展示软件网站并且值得推荐的也就那么几家: 1、Cedreo,Cedreo 是一个在线3D家居设计平台,适合专业的房屋建筑商、改造商和室内设计师。它允许用户创建2D和3D平面图以及室内外效果图,拥有7000多件可定制的3D家具、材…

单元测试的思考与实践

1. 什么是单元测试 通常来说单元测试,是一种自动化测试,同时包含一下特性: 验证很小的一段代码(业务意义 或者 代码逻辑 上不可再分割的单元),能够更准确的定位到问题代码的位置 能够快速运行(…

opencv中文路径问题

目的 在windows系统上,就是直接用QT的utf8编码作为图片路径用在opencv读取或者写入函数,在路径当中含有中文时,会提示编码错误。 就是解决opencv中的中文路径的问题。 情况 代码如下: #pragma execution_character_set("…

AI框架之langchain

官方文档 简介 LangChain 是一个开源的 Python 库,旨在简化大语言模型(LLM)在应用程序中的使用和集成。它提供了一种结构化的方法来构建基于 LLM 的应用程序,并解决了许多常见的开发挑战。 LangChain 的核心组件 代理(Agents) 代理是 LangChain 中最强大的概念之一。代理可…

以CMDB为基础构建DevOps平台体系

在当今数字化转型的浪潮中,企业IT运维模式正从传统的资产管理向现代化的资源管理转变。配置管理数据库(CMDB)作为IT运维的核心组成部分,其在DevOps平台中的重要性愈加凸显。通过国信证券和招商银行的实际案例,我们将详…

编程牛人验证码怎么输入:深度剖析与策略指导

编程牛人验证码怎么输入:深度剖析与策略指导 在数字时代的浪潮中,编程牛人们时常面临着各种技术挑战,其中之一便是验证码的输入问题。验证码作为一种安全验证机制,旨在防止自动化脚本或机器人的恶意行为。但对于编程高手而言&…

YOLOv8改进 | 注意力机制 | 用于增强小目标感受野的RFEM

💡💡💡本专栏所有程序均经过测试,可成功执行💡💡 专栏目录 :《YOLOv8改进有效涨点》专栏介绍 & 专栏目录 | 目前已有40+篇内容,内含各种Head检测头、损失函数Loss、Backbone、Neck、NMS等创新点改进——点击即可跳转 近年来,基于深度学习的人脸检测算法取得了…