Google Cloud推出全新AI工具，協助零售商提升營運表現

Google Cloud 發表四項全新及更新的 AI 技術，協助零售商改善店內貨架檢查流程，亦在購物網站為消費者提供更自然流暢的線上購物體驗，進而提升日常營運效率與電子商務網站的業績。

全新貨架檢視AI方案，改善零售商產品供應情形

Google 推出全新貨架檢視 AI（Shelf Checking AI）解決方案，能協助零售商改善產品的現貨供應情形，進一步瞭解貨架實際狀況，並明確掌握補貨需求，避免因貨品售罄而錯過銷售機會。

這項全新 AI 解決方案以 Google Cloud 的 Vertex AI Vision 建構，並運用產品和價格標籤辨識機器學習模型，能單憑產品圖像和文字特徵，就能大規模辨識所有類型的產品，並將所得資料轉換成可幫助零售商進行決定的洞察資訊。

Google Cloud 的貨架檢視 AI，運用 Google 資料庫所收錄的數十億個獨特實體的圖像，能從多種類型的圖片中辨識產品，且不受拍攝角度和視角的影響。零售商也可視情況為貨架檢視 AI 提供不同類型的圖像，例如可以是來自天花板懸掛式攝影機、在店中四處移動的貨架檢查機器人或是店員的手機所拍攝的畫面。

這項解決方案已開放全球預覽（preview），並預期在未來幾個月內將正式開放全球零售商使用。重要的是，使用此解決方案時，零售商保有圖片和資料的擁有權，而 AI 只能用於辨識產品和價格標籤。

以 AI 重塑網購瀏覽體驗

以往，電子商務網站會根據「類別暢銷清單」或採用人工編寫的規則來排序產品的搜尋結果，例如在農曆新年前手動將紅色衣物調整為主打服飾。

因此，Google 在探索零售業適用的解決方案中推出一項全新的 AI 瀏覽功能，協助零售商為顧客打造更現代、快速、直覺且符合購物者需求的線上瀏覽與產品搜尋體驗。只要購物者在零售商的電子商務網站上選擇一個產品類別，這項新功能就會透過機器學習技術，為網站選擇最佳的產品排序；久而久之，這項 AI 技術會運用電子商務網站上過往的的資料進行分析，學習瞭解網站內每個頁面最理想的產品排序。此功能透過考慮產品的準確性與關聯性，甚至成交的可能性，為網站優化最合適的產品及最佳的產品顯示方式，過程中無須人為介入。

這項新功能現已開放予全球零售商使用，並支援 72 種語言，包含繁體中文。

透過機器學習提供個人化搜尋與瀏覽結果打造更個人化的網購體驗

Google 同時也推出全新以 AI 驅動的個人化功能，在消費者搜尋和瀏覽零售商網站時，能看到個人化的搜尋結果。這項技術更進一步強化 Google Cloud 全新的瀏覽功能與現有的 Retail Search 解決方案的表現。

全新個人化功能採用的 AI 技術，會透過消費者在電子商務網站上的行為，例如點擊次數、購物車品項、購買記錄和其他資訊，來判斷購物者的品味和喜好，並比對網站內的產品；接著 AI 就能針對購物者喜好，提高特定產品的搜尋和瀏覽排名，以提供更加個人化的搜尋結果。

購物者的個人化搜尋和瀏覽結果，是依據他們在個別零售商電子商務網站上的互動進行判斷，而不會連結至購物者的 Google 帳戶活動。識別購物者的方式是透過他們在零售網站上建立的帳號，或網站的第一方 Cookie。

和 Google 的所有解決方案一樣，消費者擁有並控制自己的資料，只有個人喜好的資訊會留在零售商手中。全新個人化功能現已開放予全球零售商使用。

AI為顧客提供更佳的產品推薦內容，提升零售商銷售業績

新發表的全新升級版 Recommendations AI ，有助零售商打造出更個人化、更靈活多變、且更實用的電子商務網站，為每位客戶提供絕佳購物體驗。例如透過全新的「頁面層級最佳化功能」，電子商務網站可隨時決定要向購物者顯示哪些產品推薦面板，也能把資源需求降到最低，無需大量的使用者體驗測試，即可改善使用者參與度與轉換率。

此外，升級版 Recommendations AI 也在近期新增了「營收最佳化功能」，幫助網站在每位顧客瀏覽階段中提供更優質的產品推薦內容，有效為各種類型的電商網站提升每節用戶瀏覽時段的平均收入。透過由 Google Cloud 和 DeepMind 合作開發的機器學習模型，結合電子商務網站的產品類別、商品價格，以及消費者的點擊次數與轉換資訊，在顧客對品牌長期滿意度和零售商收入增長之間，找出理想的平衡點。最後，全新的「再次購買模型」則運用消費者的購物歷史記錄，提供消費者較可能重複購買的個人化推薦內容。

與 Google Cloud 客戶使用的基準推薦系統相比，使用全新 Recommendations AI 的零售商，其網站在轉換率和點擊率都獲得雙位數成長。全球零售商現已能使用全新的「頁面層級最佳化功能」、「營收最佳化功能」和「再次購買模型」。