ZDNet至顶网软件频道消息:零售业对于大数据并不陌生,事实上,他们正处在数据洪流的风口浪尖之上——从最初的搜索到最终的购买,每一笔交易的整个过程都在持续不断地产生数据。对于零售商而言,巨大的数据洪流常常让人无所适从,但其中也蕴藏着巨大的商机。IDC最近发布的一项由微软委托进行的研究表明,只要对采集到的数据进行更有效的整合、分析并加以充分利用,在未来四年内,全球各地的零售业将创造出940亿美元的新增收益——这可是一笔不容错过的“数据红利”。
过去,为了分析海量的业务数据,零售商往往只能求助于那些懂得驾驭专业工具的数据专家,以及他们做出的充斥着专业术语的报告。而现在,借助现成的业务软件,零售商可以从小处着手,从数据分析中获得更有价值的洞察——只要简单地导入或拖拽数据,任何一位店铺经理都能对店内商品陈列布局、现货库存量,以及如何招揽顾客等环节进行分析,并据此做出相应的改进。
事实上,相比某些大张旗鼓、兴师动众的变革措施,从小处着手的战略反而可以更快捷地付诸实施,从而为零售商带来立竿见影的实惠和数据红利。
整合数据流:首先要弄清楚与自身业务相关的数据有哪些,例如商品类别、供货情况、促销活动的成果等。然后是找到将它们整合到一起的方法,比如某一款产品在不同区域销售情况的对比,会员卡注册情况与预订商品退货率之间的关联性等——正确看待数据的价值,将帮助你更一针见血地提出业务相关问题。
从细处着眼:要用更加细致的分类取代粗枝大叶的统计,用更多筛选条件划定出更具体、特征更鲜明的目标人群。举例来说,我们不再需要“年龄在18到35岁之间、年收入在75,000-99,000美元之间的女性消费者”这样粗略的数据分组;而是要进一步将其细分为年龄在25到29岁、生活在某个特定街区、喜欢听乡村音乐、每月购物5次、覆盖了店内最畅销产品三分之一销量的那群女性消费者。只有如此细致的定义,才能帮助零售商有针对性地提供真正个性化的产品和服务,从而增加销售额。
充分利用公共数据:很多公共数据是可以免费查寻到的,而且其格式也能够被直接导入到电子表格或其它的应用程序中,零售商完全可以利用它们对自己的数据进行补充。比如,将气象台发布的气象数据与店铺的日销售数据相结合,就可以了解天气状况对于人们购物行为的影响;人口普查数据能够显示出不同地区增长最快的群体是哪些人;而来自社交媒体的数据则可以迅速展现消费者的反馈和态度,为销售趋势提供先期洞察——对于那些无法从过往销售数据中获得参考的新技术或新类型的产品来说,这种手段尤其适用。
面对汹涌的数据洪流,零售商既可以选择小心翼翼地涉水而行,也可以选择积极投身其中,以弄潮儿的姿态去攫取可观的数据红利。借助现成的数据和业务工具,零售商完全可以从小处着手,通过整合数据流并加以有效的分析和利用,从中发掘出有价值的洞察,进而帮助决策、获得收益。
好文章,需要你的鼓励
Meta宣布为Facebook Dating推出AI聊天机器人助手,帮助用户找到更匹配的对象。该AI可根据用户需求推荐特定类型的匹配者,并协助优化个人资料。同时推出Meet Cute功能,每周提供算法选择的"惊喜匹配"。尽管18-29岁用户匹配数同比增长10%,但相比Tinder的5000万日活用户仍有差距。AI功能已成为约会应用标配,Match Group等竞争对手也在大力投资AI技术。
UC Santa Cruz团队开发的OpenVision 2通过去除文本编码器,将视觉编码器训练简化为纯生成式学习,实现训练时间缩短1.5倍、内存使用减少1.8倍的显著效率提升。研究使用高质量合成数据集和token掩码策略,在保持性能的同时成功训练出10亿参数模型,挑战了CLIP式对比学习的必要性认知。
Neo4j认为已找到让生成式AI访问图数据库记录的方法。图数据库专注于数据点之间的关系建模和查询,在欺诈检测、推荐引擎等场景中表现出色。2024年4月,ISO批准了图查询语言GQL标准,Neo4j的Cypher查询语言完全符合该标准。现代工具提供拖拽式工作流程,GenAI可作为自然语言接口,将用户请求转换为Cypher查询。
华中科技大学团队开发的ReVPT系统首次让AI学会像人类一样主动选择和使用视觉分析工具解决复杂问题。通过创新的两阶段强化学习训练,该系统能根据任务需求灵活调用物体检测、深度估计等专业工具,在多项国际测试中显著超越基础模型,部分指标甚至超越商业化产品,为AI视觉推理能力提升开辟了新路径。