AI in Retail: Transforming the Shopping Experience/খুচরোতে AI: কেনাকাটার অভিজ্ঞতা পরিবর্তন করা

AI in Retail: Transforming the Shopping Experience/খুচরোতে AI: কেনাকাটার অভিজ্ঞতা পরিবর্তন করা

AI খুচরা শিল্পকে রূপান্তরিত করছে, চাহিদার পূর্বাভাস এবং সাপ্লাই চেইন ম্যানেজমেন্ট থেকে শুরু করে খুচরা বিক্রেতার সামনের দিকের দিকগুলি, যেমন পণ্য প্রদর্শন অপ্টিমাইজেশান এবং কেনাকাটার অভিজ্ঞতায় ব্যক্তিগতকরণ পর্যন্ত ব্যবসার প্রতিটি দিককে পুনরায় সংজ্ঞায়িত করছে। এটি কীভাবে কেনাকাটার অভিজ্ঞতাকে রূপান্তরিত করছে তা জানতে পড়ুন।

২০২৩ এবং ২০২৫-এর মধ্যে, ইট-ও-মর্টার, সর্বনিম্নচ্যানেল এবং অনলাইন খুচরা বিক্রেতাকে সমর্থন করার জন্য খুচরা বাজারে AI $৭.৩০বিলিয়ন থেকে $২৯.৪৫বিলিয়ন পর্যন্ত বৃদ্ধি পাবে বলে আশা করা হচ্ছে। এটি পূর্বাভাস দেওয়া হয়েছে যে ৩২৫,০০০ খুচরা বিক্রেতারা ২০২৩-এর মধ্যে কিছু রূপ AI প্রয়োগ করবে এবং শুধুমাত্র চ্যাটবটগুলিতে খুচরা ব্যয় ২০২৩-এর মধ্যে বিশ্বব্যাপী $১২বিলিয়ন পৌঁছে যাবে।

AI অনেক মনোযোগ পাচ্ছে কারণ এটি বাড়ানো উৎপাদনশীলতা, উন্নত গ্রাহক সন্তুষ্টি এবং অপ্টিমাইজ করা পণ্যের সিদ্ধান্ত সহ ফলাফল প্রদান করে। ওয়ালমার্ট, উদাহরণস্বরূপ, গ্রাহকদের সাথে যত্ন এজেন্টদের ব্যয় করার সময় কমাতে কথোপকথনমূলক AI ব্যবহার করেছে, যখন Amazon-এর AI উদ্যোগগুলি একটি ৮.৫% আয় বৃদ্ধির জন্য আংশিকভাবে দায়ী।

“খুচরা ব্যবসায় ডিজিটাল রূপান্তর জিনিসগুলিকে সংযুক্ত করার চেয়ে আরও বেশি কিছু। এটি তথ্যকে অন্তর্দৃষ্টিতে রূপান্তর করার বিষয়ে, যা এমন ক্রিয়াকলাপগুলিকে অবহিত করে যা আরও ভাল ব্যবসায়িক ফলাফল নিয়ে আসে। মেশিন লার্নিং এবং ডিপ লার্নিং সহ খুচরা-তে AI- এই অন্তর্দৃষ্টি তৈরি করার মূল চাবিকাঠি। – ইন্টেল।

AI কি?

কৃত্রিম বুদ্ধিমত্তা (AI) হল একটি মেশিনের জ্ঞানীয় কাজ সম্পাদন করার ক্ষমতা যা সাধারণত মানুষের বুদ্ধিমত্তার জন্য নির্ধারিত হয়, যেমন শেখা, উপলব্ধি করা বা সমস্যা সমাধান করা। এই তথাকথিত “স্মার্ট মেশিন”গুলি আরও বুদ্ধিমান এবং আরও জটিল হয়ে উঠেছে, জটিল গণনাগুলি দ্রুত সম্পাদন করতে, তাদের প্রদত্ত পরিবেশের সাথে যোগাযোগ করতে এবং শেষ পর্যন্ত কোনোভাবে মানুষকে সহায়তা করতে সক্ষম।

খুচরা শিল্পে এআই কীভাবে ব্যবহার করা হয়?

খুচরোতে AI কীভাবে ব্যবহার করা হয় তার উত্তর দেওয়ার জন্য, আমাদের বুঝতে হবে যে AI ব্যবসার সমস্ত দিককে প্রভাবিত করে, পরিকল্পনা এবং পূর্বাভাস থেকে শুরু করে ইনভেন্টরি পরিচালনা, বিক্রয় এবং পরিপূর্ণতা পর্যন্ত।

• প্রতিক্রিয়াশীল R&D: প্রবণতা বিশ্লেষণ করুন (প্রতিযোগিতামূলক, সেলিব্রিটি, বাজার, ইত্যাদি), গ্রাহক বিক্রয়, এবং উদ্ভাবন সনাক্ত করতে প্রতিক্রিয়া ইতিহাস।
• চাহিদার পূর্বাভাস: ইনভেন্টরি অপ্টিমাইজ করার জন্য, সমগ্র ব্র্যান্ডের জন্য এবং স্টোরের অবস্থানের (যদি প্রাসঙ্গিক হয়) চাহিদা অনুমান করতে ঐতিহাসিক এবং ভবিষ্যদ্বাণীমূলক বিশ্লেষণ ব্যবহার করুন।
• সাপ্লাই চেইন অপ্টিমাইজেশান: কতটা প্রোডাক্ট অর্ডার করতে হবে, কোথায় পাঠাতে হবে এবং কখন ড্রাইভিং রুট অপ্টিমাইজ করতে হবে, বেশি বা কম কেনার ইনভেন্টরি এড়িয়ে চলুন এবং ডুপ্লিকেটিভ, অপ্রয়োজনীয় চালান কমাতে ডেটা অ্যানালিটিক্স ব্যবহার করুন।
• ইনভেন্টরি ম্যানেজমেন্ট: চাহিদার পূর্বাভাস সহ, কম এবং ওভারস্টকিং এড়িয়ে চলুন এবং বহন খরচ কম করুন। রোবোটিক্স ব্যবহার পণ্যের ক্ষতিও চিহ্নিত করতে পারে।
• অপারেশনাল অপ্টিমাইজেশান: প্রক্রিয়ার উন্নতি (মানুষ এবং মেশিন) সনাক্ত করুন, বাধাগুলি চিহ্নিত করুন এবং ম্যানুয়াল বা সময়সাপেক্ষ কাজগুলি অটোমেশনের সাথে প্রতিস্থাপন করুন। অধিকন্তু, গ্রাহক পরিষেবার মিথস্ক্রিয়া বিশ্লেষণ ইতিবাচকভাবে কর্মক্ষমতা উন্নত করতে পারে।
• জালিয়াতি আটক এবং নিরাপত্তা: ক্রয়ের ধরণ এবং অস্বাভাবিক কেনাকাটা বিশ্লেষণ করুন বা জালিয়াতির জন্য স্পট ফিরে যান। লঙ্ঘন বা জালিয়াতির ঝুঁকি কমাতে সাইবার নিরাপত্তা প্রচেষ্টায় AI ব্যবহার করুন।
• মূল্য নির্ধারণের অপ্টিমাইজেশান: রিয়েল-টাইম সমন্বয় সহ মূল্য নির্ধারণ এবং পরিবর্তন করতে বাজার এবং প্রতিযোগীরা কী করছে তা জানুন।
• ভিজ্যুয়াল মার্চেন্ডাইজিং: ইন-স্টোর বা অনলাইন, ভিজ্যুয়াল মার্চেন্ডাইজিং অপ্টিমাইজ করে যে কীভাবে পণ্যগুলি মনোযোগ আকর্ষণ করতে প্রদর্শিত হয়৷ ইন-স্টোরের সিদ্ধান্তের মধ্যে আলো, স্থান, শব্দ, গন্ধ, ইন্টারেক্টিভ ডিসপ্লে এবং এমনকি বিভিন্ন রং কীভাবে নান্দনিকতা বাড়ায় তা অন্তর্ভুক্ত করে। প্রবণতাগুলি কী প্রদর্শিত হয়, কীভাবে, কোথায়, কোন আলোর সাথে এবং অন্য কোন মৌসুমী প্রদর্শন বা পণ্যের তথ্য যোগ করা হয় তা প্রভাবিত করতে পারে। অনলাইন বিজ্ঞাপন এবং পণ্য গ্রুপিং গ্রাহকদের আচরণের সাথে বাস্তব সময়ে সামঞ্জস্য করতে পারে।
• ভার্চুয়াল ট্রাই-অন এবং অগমেন্টেড রিয়েলিটি (AR): বিক্রয় বন্ধ করতে ক্রয়কে কল্পনা করতে সহায়তা করুন।
• কাস্টমাইজড নির্বাচন এবং ব্যক্তিগতকৃত বিপণন: ব্যক্তিগতকৃত তথ্য প্রদর্শন করতে বা ব্যক্তিগতকৃত বিপণন কৌশল (ইমেল, পাঠ্য, ইন-অ্যাপ, সামাজিক, ইত্যাদি) ব্যবহার করতে ব্রাউজিং আচরণ, পছন্দ এবং অতীত কেনাকাটা ব্যবহার করুন।
• গ্রাহকের অনুভূতি বিশ্লেষণ: গ্রাহকের সন্তুষ্টি পরিমাপ করতে চ্যাট ডেটা, ইমেল এবং সামাজিক মিডিয়া বিশ্লেষণ করুন।
• নির্বিঘ্ন গ্রাহক পরিষেবা এবং ব্যস্ততা: রিয়েল-টাইম ইন্টারঅ্যাকশন প্রদান করতে, লাইভ এজেন্টদের জন্য কথোপকথন পুনরুদ্ধার করতে, নতুন সহায়তা নিবন্ধগুলি তৈরি করতে বা পণ্যের সুপারিশগুলি সামঞ্জস্য করতে চ্যাটবট এবং ভার্চুয়াল সহকারীর সুবিধা নিন৷
• ইন্টারেক্টিভ চ্যাট: যখন সঠিক কৌশল এবং কৌশলগুলির সাথে ডিজাইন করা হয়, চ্যাটবটগুলি স্বাভাবিকভাবে ব্যবহারকারীর প্রশ্নগুলি বোঝার এবং উত্তর দেওয়ার সম্ভাবনা রাখে এবং মানুষের প্রতিক্রিয়া দ্রুত করার জন্য সাধারণ গ্রাহকের প্রশ্নগুলি বা প্রাক-স্ক্রিনিং প্রশ্নগুলি পরিচালনা করার জন্য একটি দুর্দান্ত কাজ করে। চ্যাটবট কথোপকথনমূলক এআই-এর উপর নির্ভর করে, যেমন চ্যাটজিপিটি।
• ভয়েস কমার্স এবং ভার্চুয়াল অ্যাসিস্ট্যান্টস: খুচরা ব্যবসায় সহায়তা করার জন্য ভয়েস কমান্ড সমর্থন করে, এটি একটি ক্রমবর্ধমান প্রবণতা শুধুমাত্র অ্যাক্সেসযোগ্যতার জন্য নয় বরং ব্যবহারকারীদের জন্য একটি পছন্দ হিসাবে যারা কীবোর্ড এবং স্ক্রিনগুলি বাদ দিতে পছন্দ করে।
• ক্যাশিয়ারহীন প্রযুক্তি: খুচরা কর্মী বা ক্যাশিয়ার প্রক্রিয়ার প্রয়োজন ছাড়াই চেকআউট এবং বিলিং সমর্থন করতে ক্যামেরা এবং সেন্সর ব্যবহার করুন।

খুচরোতে এআই প্রযুক্তি

খুচরা বিক্রেতা এবং AI অ্যাপ্লিকেশনে AI প্রযুক্তির বিভিন্ন ধরনের এবং ক্রমাগত পরিবর্তনশীল ল্যান্ডস্কেপ রয়েছে, যার মধ্যে রয়েছে:

১. মেশিন লার্নিং

মেশিন লার্নিং (বা ML) হল AI এর একটি রূপ যা ডেটা ব্যবহার করে প্রশিক্ষিত অ্যালগরিদমের উপর ভিত্তি করে, সাধারণত ডেটা সেটের উপর ভিত্তি করে ভবিষ্যদ্বাণী করতে। অনেক শিল্পে “বিগ ডেটা” এর অগ্রগতির পরিপ্রেক্ষিতে, মেশিন লার্নিং মানুষের প্রক্রিয়া করার চেয়ে বেশি ডেটার উপর ভিত্তি করে সিদ্ধান্ত এবং সুপারিশ করতে সাহায্য করছে। মেশিন লার্নিং চাহিদা, পণ্যের সতেজতা, পণ্য বসানো, মার্কডাউন অপ্টিমাইজেশান, এবং বান্ডলিং সুযোগগুলি অনুমান করতে পারে।

২. প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP)

ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং হল কথোপকথনমূলক এআই এবং চ্যাটবটগুলির পিছনে প্রযুক্তি, যা কম্পিউটারকে কমান্ডের প্রতিক্রিয়া, পাঠ্যের সংক্ষিপ্তসার এবং এমনকি ভাষা অনুবাদ করতে দেয়।

৩. কম্পিউটার ভিশন      

কম্পিউটার ভিশন কম্পিউটারকে ভিজ্যুয়াল তথ্য (ছবি, ভিডিও) থেকে বুদ্ধিমত্তা অর্জন করতে সক্ষম করে, যা প্রায়শই অন্যান্য AI এর সাথে একত্রে ব্যবহৃত হয়, যেমন, মুখের বৈশিষ্ট্যের উপর ভিত্তি করে সৌন্দর্যের সুপারিশ করতে একটি চিত্রের উপর ভিত্তি করে পণ্যের সুপারিশ করতে।

৪. এআই-চালিত সুপারিশ সিস্টেম

একটি এআই-চালিত সুপারিশ সিস্টেম ব্যক্তিগতকরণের অনেক খুচরা প্রচেষ্টার ভিত্তিপ্রস্তর প্রযুক্তি। সাধারণত শপিং প্যাটার্ন, ব্রাউজিং প্যাটার্ন, পছন্দ, অবস্থান বা আরও অনেক কিছুর মতো পরিচিত তথ্যের উপর ভিত্তি করে পণ্যের পরামর্শ বা সুপারিশ করার জন্য মেশিন লার্নিং এর সাথে যুক্ত।

৫. রোবোটিক্স এবং অটোমেশন

রোবোটিক্স হল এমন একটি প্রযুক্তি যা খুচরা বিক্রেতায় ব্যবহৃত হয় ম্যানুয়াল কাজগুলি গ্রহণ করতে যা হয় পুনরাবৃত্তিমূলক বা বিপজ্জনক, স্বায়ত্তশাসিতভাবে বুদ্ধিমত্তা সহ বা আধা-স্বায়ত্তশাসিতভাবে কিছু হস্তক্ষেপের সাথে। অটোমেশন এমন একটি প্রক্রিয়া যা প্রক্রিয়াগুলি (প্রযুক্তি বা মানব প্রক্রিয়া) প্রতিস্থাপন বা উন্নত করতে সফ্টওয়্যার বা রোবট ব্যবহার করে।

৬. আনুমানিক বিশ্লেষণ

ভবিষ্যতের প্রবণতা ভবিষ্যদ্বাণী করতে বা গ্রাহকের যাত্রার মাধ্যমে গ্রাহকের আচরণ আরও ভালভাবে বোঝার জন্য ডেটা ব্যবহার।

৭. অগমেন্টেড রিয়েলিটি (AR) এবং ভার্চুয়াল রিয়েলিটি (VR)

অগমেন্টেড রিয়েলিটি (AR) বাস্তব জগতকে সুপারইমপোজড ভার্চুয়াল উপাদান দিয়ে ওভারলে করে, পণ্যগুলিতে (যেমন, কাপড়, আসবাবপত্র, শিল্প) “চেষ্টা” করার জন্য ব্যবহারিক৷ বিপরীতে, ভার্চুয়াল বাস্তবতা একটি কৃত্রিম পরিবেশ তৈরি করে, যেমন একটি “স্টোর” এর মধ্য দিয়ে গ্রাহকদের হাঁটা বা রানওয়ে শোতে যোগদান করা।

খুচরা শিল্পে AI এর সুবিধা

খুচরোতে AI এর অনেক সুবিধা রয়েছে, যার মধ্যে রয়েছে:

• উন্নত গ্রাহক সন্তুষ্টি: দ্রুত, প্রতিক্রিয়াশীল চ্যাটবট, ব্যক্তিগতকৃত সুপারিশ, সুবিন্যস্ত চেকআউট এবং আরও ভাল বিপণনের মাধ্যমে গ্রাহকের অভিজ্ঞতা উন্নত করুন।
• সঠিক চাহিদার পূর্বাভাস: কতটা পণ্য অর্ডার করতে হবে এবং কখন/কোথায় পাঠাতে হবে বা পুনঃস্টক করতে হবে তা আরও ভালভাবে বুঝে নিন। ভোক্তা এবং প্রতিযোগিতামূলক ডেটার সাহায্যে, মার্চেন্ডাইজিং, মার্কেটিং, মূল্য নির্ধারণ এবং ইন-স্টোর অপ্টিমাইজেশন সহ সমস্ত পর্যায়ে সিদ্ধান্ত নেওয়া যেতে পারে।
• স্থায়িত্ব: নির্গমন নিরীক্ষণ করতে, শিপিং অপ্টিমাইজ করতে এবং পুনর্ব্যবহারকে উন্নীত করতে ডেটা ব্যবহার করুন।
• অপ্টিমাইজড প্রোডাক্ট ডিসপ্লে: প্রোডাক্ট ডিসপ্লেকে অগ্রাধিকার দেওয়ার প্রবণতা অনুমান করুন বা কোন প্রোডাক্ট একসাথে ভাল কাজ করে তা ক্রয় আচরণ থেকে শিখুন।
• অপ্টিমাইজড সাপ্লাই চেইন: চাহিদার পূর্বাভাসের উপর ভিত্তি করে, ইনভেন্টরি ম্যানেজমেন্ট অর্ডারিং এবং শিপিং অপ্টিমাইজ করে, ক্রয় করা পণ্যের খরচ কমাতে সাহায্য করে এবং কীভাবে এটি পাঠানো এবং সংরক্ষণ করা হয়।
• অপ্টিমাইজ করা ডেটা-চালিত সিদ্ধান্ত: প্যাটার্নগুলি শনাক্ত করতে, ভবিষ্যতের পূর্বাভাস দেওয়ার জন্য বড় ডেটা সেটগুলি বিশ্লেষণ করুন এবং কোন পণ্যগুলি ক্রয় করতে হবে, কী মূল্য দিতে হবে, কীভাবে সেগুলি বাজারজাত করতে হবে, কীভাবে ক্রিয়াকলাপগুলিকে উন্নত করতে হবে, কোথায় নতুন খুচরা অবস্থানগুলি খুলতে হবে, কীভাবে। স্টাফিং অপ্টিমাইজ করতে, এবং আরও অনেক কিছু।
• সুদৃঢ় নিরাপত্তা: দোকানপাট রোধ করুন, সন্দেহভাজন দোকানদারদের লগ করুন।
• বর্ধিত বিপণন এবং বিক্রয়: নিউজলেটার, পাঠ্য, এবং অমনিচ্যানেল ইন-স্টোর, সোশ্যাল মিডিয়া, বা অ্যাপ-এর মাধ্যমে বিপণন এবং বিক্রয়ের সুযোগগুলি ব্যক্তিগতকৃত করতে গ্রাহকের অন্তর্দৃষ্টির সুবিধা নিন। এর মধ্যে সুপারিশ, বিক্রয়, নতুন পণ্য সতর্কতা এবং আরও অনেক কিছু অন্তর্ভুক্ত থাকতে পারে।
• বর্ধিত মূল্য নির্ধারণের কৌশল: প্রতিযোগিতামূলক এবং চাহিদা অন্তর্দৃষ্টি একটি সর্বোত্তম মূল্য নির্ধারণ করতে ব্যবহার করা যেতে পারে, কখন চিহ্নিত করতে হবে এবং কখন প্রচার করতে হবে।
• অপারেশনাল উন্নতি: জায় স্ক্যানিং, গ্রাহক পরিষেবা, পূর্বাভাস, ইনভেন্টরি ম্যানেজমেন্ট, স্টাফিং লেভেল এবং ডেলিভারি স্কিমগুলির মতো জাগতিক কাজগুলিকে স্ট্রিমলাইন বা স্বয়ংক্রিয় করতে ব্যবহার করুন।
• হ্রাসকৃত খরচ: উপরের অনেক দক্ষতা কম পণ্য ক্ষতি, ভাল পূর্বাভাস, ভাল গ্রাহক পরিষেবা এবং আরও অনেক কিছুর সাথে খরচ কমাতে সাহায্য করে।

খুচরা অভিজ্ঞতার জন্য AI ব্যবহার করে বড় দৈত্যের উদাহরণ

খুচরা উদাহরণের মধ্যে কিছু এআই অন্তর্ভুক্ত:

১. Walgreens ফ্লু বিস্তার ট্র্যাক করতে AI ব্যবহার করে

ওয়ালগ্রিনস ফ্লু ইনডেক্স হল একটি অনলাইন, ইন্টারেক্টিভ টুল যা সমগ্র ইউনাইটেড স্টেটস জুড়ে ফ্লু অ্যাক্টিভিটি নির্ধারণ করে। ইনডেক্স অ্যান্টিভাইরাল ওষুধের খুচরা প্রেসক্রিপশন ডেটা ব্যবহার করে ফ্লু কার্যকলাপের একটি ছবি তৈরি করতে, যেখানে এটি সবচেয়ে বেশি আঘাত হানতে পারে এবং প্রবণতাগুলি দেখায় যে কার্যকলাপটি গড়ের চেয়ে বেশি কিনা তা লোকেদের তাদের কার্যকলাপ সম্পর্কে এবং বার্ষিক ফ্লু শটের প্রয়োজন সম্পর্কে অবহিত করতে সহায়তা করে৷

২. নেইমান মার্কাস ভিজ্যুয়াল অনুসন্ধানের জন্য এআই ব্যবহার করেন

Neiman Marcus গ্রাহকদের তারা যে পণ্যগুলি খুঁজছেন তা খুঁজে পেতে সাহায্য করার জন্য ভিজ্যুয়াল অনুসন্ধান ক্ষমতা সহ গ্রাহকদের জন্য ব্যক্তিগতকরণ এবং অভিজ্ঞতাকে অগ্রাধিকার দিচ্ছে৷ সক্ষমতা ব্যবহারকারীদের একটি 3D চিত্র প্রবেশ করতে সক্ষম করে এবং একই রকমের পরামর্শ দিতে পারে। “স্ন্যাপ. অনুসন্ধান. দোকান।” ওয়েবে তোলা বা পাওয়া ফটোগুলির জন্য পরামর্শ নেওয়ার ক্ষমতা চমৎকার এবং জামাকাপড়, মেকআপ এবং আরও অনেক কিছুতে প্রসারিত হতে পারে।

ব্র্যান্ডটি নতুন পণ্য বা প্রচারের পরামর্শ এবং ইন-স্টোর সতর্কতাগুলি কিউরেট করতে পছন্দসই, ইতিহাস এবং পছন্দগুলি সহ গ্রাহকের তথ্যও ব্যবহার করে৷

৩. ওয়ালমার্ট জেনারেটিভ এআই-এর একজন নেতা

খুচরো জায়ান্ট ওয়ালমার্ট এআই এবং রোবোটিক্সে একটি নেতা হয়েছে, যদিও সমস্ত প্রকল্প পরিকল্পনায় যায় না। যদিও ইনভেন্টরি স্ক্যান করতে মোবাইল রোবট ব্যবহার করার বিষয়ে অনেক খবর ছিল, সেই পাইলট প্রকল্পটি খরচ এবং দক্ষতার দিক থেকে সহযোগীদের সাথে সমান ছিল। যাইহোক, পাইলট ওয়ালমার্টের বোঝার চাবিকাঠি ছিল যে কীভাবে এআই “সহযোগীদের সহায়তা করতে পারে, কাজগুলি সহজ করতে পারে এবং আরও ভাল গ্রাহক পরিষেবা দিতে পারে।”

সম্প্রতি, ওয়ালমার্টের সিইও ডগ ম্যাকমিলন এআই সম্পর্কে তার ক্রমাগত উত্তেজনা শেয়ার করেছেন, উল্লেখ করেছেন যে তারা কেনাকাটার অভিজ্ঞতা উন্নত করতে এবং এর সহযোগীদের সমর্থন করার জন্য তাদের জেনারেটিভ এআই ভাষার মডেল এবং অন্যান্য বিকাশ করছে। ওয়ালমার্ট সম্প্রতি কন্টেন্ট সম্পর্কিত উৎপাদনশীলতা বাড়াতে ৫০,০০০ নন-স্টোর কর্মীদের এই “মাই অ্যাসিস্ট্যান্ট” অ্যাপ দেওয়ার ঘোষণা দিয়েছে।

“জেনারেটিভ এআই-এর মতো নতুন টুলগুলির প্রতি আমাদের দৃষ্টিভঙ্গি হল আমাদের গ্রাহকদের এবং সদস্যদের জন্য কেনাকাটাকে আরও সহজ এবং আরও সুবিধাজনক করে তোলা এবং আমাদের সহযোগীদের আরও সন্তোষজনক এবং উত্পাদনশীল কাজ উপভোগ করতে সহায়তা করা।” – ডগ ম্যাকমিলন, সিইও, ওয়ালমার্ট

৪. thredUp গ্রাহকের পছন্দ মনে রাখতে AI ব্যবহার করে

thredUp AI ব্যবহার করে টেকসই ফ্যাশনকে সমর্থন করে এবং আইটেম এবং পোশাকগুলিকে পুনরায় ব্যবহারে অনুপ্রাণিত করার জন্য গ্ল্যামারাইজ করতে সাহায্য করে এমনভাবে সঞ্চালনে কৃত্রিম এবং সেকেন্ডহ্যান্ড পোশাকগুলিকে ফিরিয়ে আনতে সাহায্য করে৷ thredUP-এ প্রতিদিন ১০০k আইটেম এবং 4.4M আইটেম প্রক্রিয়াকরণ করে, thredUp পণ্যগুলিকে আরও ভাল অবস্থানে রাখতে এবং কাস্টম ‘গুডি বক্স’-এর সাথে মিলে যাওয়া আগ্রহের প্রোফাইল তৈরি সহ সুপারিশ তৈরি করতে AI ব্যবহার করে। ফলে বিক্রয়-এর মাধ্যমে ১৫% বৃদ্ধি পায়।

৫. অ্যামাজন AI দিয়ে ক্যাশিয়ারদের সরিয়ে দেয়

Amazon ক্যাশিয়ার-লেস চেকআউট বিকাশে সহায়তা করেছে, যা এটি দোকান খুলতে ব্যবহৃত হয় যা তার সেন্সর এবং ক্যামেরা “জাস্ট ওয়াক আউট” প্রযুক্তি ব্যবহার করে ক্রেতাদের চলে যাওয়ার পরে বিল দিতে। এই প্রযুক্তিটি এখন ব্যাপক তৃতীয় পক্ষের খুচরা দর্শকদের কাছে বিক্রি হচ্ছে৷

৬. Olay স্কিন কেয়ারকে ব্যক্তিগতকৃত করতে AI ব্যবহার করে

গভীর শিক্ষার কাজে লাগিয়ে, ওলে সৌন্দর্যের বাইরে অনুমান করা হচ্ছে। ভোক্তারা প্রায়শই তাদের ত্বকের যত্নের নিয়মগুলিকে একত্রিত করে, সাব-অনুকূল ফলাফলের সাথে রাসায়নিক মিশ্রিত করে, জেনে, Olay সর্বোত্তম সৌন্দর্য ব্যবস্থার পরামর্শ দেওয়ার জন্য ফটো থেকে ত্বক বিশ্লেষণ করতে AI ব্যবহার করে।

৭. H&M জনপ্রিয় আইটেম স্টক রাখতে AI ব্যবহার করে

একটি দ্রুত ফ্যাশন খুচরা বিক্রেতা হিসাবে, H&M গ্রাহকদের কাছে আগের চেয়ে দ্রুত প্রবণতা পেতে সহায়তা করার জন্য তার সাপ্লাই চেইনকে অপ্টিমাইজ করতে AI ব্যবহার করছে, সার্চ ইঞ্জিন এবং ব্লগ, ফ্যাশন সপ্তাহ, এবং সেলিব্রিটি প্রভাব থেকে অন্তর্দৃষ্টি লাভ করে তারা কত, কখন, এবং কী কিনছে তা জানানোর জন্য এবং দোকানে এটি কোথায় রাখা উচিত। যখন স্টক দ্রুত বিক্রি হয়, তখন AI কীভাবে আইটেম পুনরুদ্ধার করতে হয় তাও জানায়। ফলাফলটি ব্র্যান্ডটিকে বর্জ্য কমাতে এবং আরও টেকসই সিদ্ধান্ত নিতে সাহায্য করেছে।

৮. জারা স্ট্রীমলাইন অর্ডার পিকআপ রোবট দিয়ে

যদিও জারা ট্রেন্ডের পূর্বাভাস দেওয়ার জন্য AI ব্যবহার করে, এটি এমন একটি ব্র্যান্ড যা রোবটিক্স এবং AI ব্যবহার করে অর্ডার পিকআপকে স্বয়ংক্রিয়ভাবে অনলাইনে কেনার জন্য, পিক-আপ-ইন-স্টোর (BOPIS) অর্ডারগুলির জন্য, এর AI রোবটগুলি থেকে অনুরোধ করা অর্ডারগুলি অনুসন্ধান করতে এবং পূরণ করতে দেয়। দোকানের পিছনের গুদাম।

খুচরোতে AI বাস্তবায়নের চ্যালেঞ্জ

খুচরা ব্যবসার সবচেয়ে সাধারণ চ্যালেঞ্জগুলির মধ্যে কয়েকটি, অন্তত অনুভূত চ্যালেঞ্জগুলির মধ্যে রয়েছে:

১. শ্রমিক স্থানচ্যুতি

শীর্ষ উদ্বেগের মধ্যে একটি, একটি প্রতিবেদনে পাইকারি, খুচরা, অর্থ ও জনপ্রশাসনে “উল্লেখযোগ্য নেট কর্মসংস্থান হ্রাস” ভবিষ্যদ্বাণী করা হয়েছে। তবুও, এই স্থানচ্যুতিগুলি কর্মীদের আরও মূল্য-উৎপাদনকারী অবস্থানে স্যুইচ করে দীর্ঘমেয়াদী অফসেট হতে পারে।

২. ডেটা গুণমান এবং অ্যাক্সেসযোগ্যতা

সীমিত, অসামঞ্জস্যপূর্ণ বা অসম্পূর্ণ ডেটা বা পেওয়ালের পিছনে লক করা ডেটা (যেমন, ট্রেন্ড রিপোর্ট) AI বিশ্লেষণের কার্যকারিতাকে বাধাগ্রস্ত করতে পারে। তথ্য প্রস্তুতি পক্ষপাত অপসারণ, ভুল বা অপ্রাসঙ্গিক তথ্য অপসারণ এবং (কিছু ক্ষেত্রে) বিন্যাসকে মানককরণের চাবিকাঠি যেখানে ইনপুট সিস্টেম একই ডেটাকে ভিন্নভাবে বিন্যাস করে।

৩. খরচ এবং পরিকাঠামো

একজন এআইকে জ্ঞানী হতে প্রশিক্ষণ দিতে মিলিয়ন ডলার খরচ হতে পারে, যে কারণে অফ-দ্য-শেল্ফ এআই সিস্টেমের কিছু সুবিধা রয়েছে। যাইহোক, যেকোন AI এর সফলভাবে পরিচালনা করার জন্য একটি বিনিয়োগ এবং একটি দলের প্রয়োজন হবে।

৪. বিদ্যমান সিস্টেমের সাথে ইন্টিগ্রেশন

AI ইনপুট প্রদান করতে বা প্রক্রিয়াগুলিকে পরিমার্জিত করতে, AI কে অবশ্যই বিদ্যমান সিস্টেমে একত্রিত করতে হবে, যা লিগ্যাসি সিস্টেমের জন্য চ্যালেঞ্জ তৈরি করতে পারে।

৫. নৈতিক এবং গোপনীয়তা উদ্বেগ

ডেটা অসাবধানতাবশত পক্ষপাতিত্ব বা নৈতিক বিবেচনার পরিচয় দিতে পারে, সম্ভাব্য পক্ষপাত দূর করার জন্য দলগুলিকে ডেটা এবং নিয়মগুলি ঘনিষ্ঠভাবে দেখতে হবে, যা বেশ কয়েকটি পরিস্থিতিতে উদ্ভূত হয়েছে। তদুপরি, সংস্থাগুলিকে অবশ্যই (এবং কখনও কখনও এটি একটি আইনী বাধ্যতামূলক) ডেটা প্রক্রিয়াকরণকে স্পষ্ট করে প্রকাশ করতে হবে যে AI ব্যবহার করা হচ্ছে এবং যে কোনও ডেটা তৃতীয় পক্ষের প্রসেসরগুলির সাথে ভাগ করা গোপনীয়তা বিধি অনুসরণ করে৷

৬. যথেষ্ট ROI নয়

AI এখনও নবজাত, এবং খুচরা ক্ষেত্রে AI এর কিছু অ্যাপ্লিকেশন প্রত্যাশিত রিটার্ন দেয় না, যেমনটি উপরে ওয়ালমার্ট রোবট উদাহরণে প্রদর্শিত হয়েছে। আপনি একটি অগ্রণী প্রান্তের সন্ধান না করলে, কী ধরনের AI গ্রহণ করতে হবে তার ব্যারোমিটার হিসাবে সাফল্যের গল্পগুলি দেখুন।

৭. স্কিল গ্যাপ এবং ওয়ার্কফোর্স ট্রানজিশন 

যখন অটোমেশন কাজ প্রতিস্থাপন করে তখন কর্মীবাহিনীকে অবশ্যই দক্ষতার সেট পরিবর্তন করতে হবে এবং নতুন প্রযুক্তির জন্য এআই দক্ষতা বা উন্নত পরিষেবার জ্ঞান প্রয়োজন। অনেক ক্ষেত্রে, খুচরা বিক্রেতাদের নতুন এআই সুযোগের সুবিধা নিতে সাহায্য করার জন্য আরও দক্ষ আইটি কর্মীদের প্রয়োজন।

৮. ভোক্তা দত্তক এবং বিশ্বাস

যদিও AI সম্পর্কে কিছু সাধারণ ভোক্তাদের অবিশ্বাস রয়েছে, বেশিরভাগ ভোক্তারা খুচরা অভিজ্ঞতার (এবং তাদের ব্যক্তিগত জীবন!) জন্য AI-এর নতুন সুযোগ নিয়ে উচ্ছ্বসিত যে কোনও উদ্যোগের মতো, স্বচ্ছতা এবং যোগাযোগ নতুন পরিষেবাগুলিতে আস্থা বাড়াতে সাহায্য করতে পারে।

৯. এআই মডেলের জটিলতা এবং ব্যাখ্যাযোগ্যতা

যেহেতু AI মডেলগুলির আউটপুট হল অন্তর্দৃষ্টি যার উপর সিদ্ধান্ত নেওয়া হয়, জটিলতা বোঝার এবং কর্মের পথে আসতে পারে। মডেলের পরিপক্কতা সম্ভবত মডেলগুলিকে সঠিক রাখার পাশাপাশি ব্যাখ্যাযোগ্যতাকে উন্নত করবে।

১০. ক্রমাগত পর্যবেক্ষণ এবং রক্ষণাবেক্ষণ

ডেটার গুণমান বজায় রাখার জন্য, মডেলটিকে সমর্থনকারী ডেটা এবং অ্যালগরিদম উভয়ই পর্যবেক্ষণ এবং বজায় রাখা এবং পক্ষপাতের উদ্ভব হলে মডেলটিকে পরিমার্জন করা অপরিহার্য। সর্বোপরি, বুদ্ধিমত্তা ‘শিখবে’, কখনও কখনও, শেখার একটি কম আদর্শ পথ নেয় (যেমন, মুখের স্বীকৃতির ক্ষেত্রে যদি লিঙ্গ পক্ষপাতিত্ব দেখা দেয়)।

১১. অতিরিক্ত নির্ভরতা এবং অপ্রত্যাশিত প্রভাবের ঝুঁকি

প্রতিকূল পার্শ্ব প্রতিক্রিয়া প্রায়ই অনাকাঙ্ক্ষিত এবং অপ্রত্যাশিত হয় যদি একটি অ্যালগরিদম ভুল হয় বা তথ্য থেকে পক্ষপাতিত্ব উদ্ভূত হয়, খ্যাতি ক্ষতিগ্রস্ত হয়, কর্মক্ষম ক্ষতির দিকে পরিচালিত করে এবং নীচের লাইনকে প্রভাবিত করে। কিছু ক্ষেত্রে, পক্ষপাতের আইনি পরিণতিও হতে পারে।

১২. সাইবার নিরাপত্তা

৪৭% খুচরা ব্যবসায়ী নেতারা সাইবার নিরাপত্তা লঙ্ঘনকে AI এর সাথে একটি শীর্ষ উদ্বেগ এবং ডেটা সুরক্ষা এবং গোপনীয়তা বিধি মেনে চলার প্রয়োজনীয়তা বলে মনে করেন। আপনি কীভাবে এআই সেট আপ করেন তা ততটাই গুরুত্বপূর্ণ যতটা গুরুত্বপূর্ণ আপনি কেন এআই সেট আপ করেন।

খুচরা শিল্পে AI এর ভবিষ্যত

AI-সক্ষম সামাজিক বাণিজ্য – সামাজিক কেনাকাটা সমর্থন করতে AI ব্যবহার করে (সামাজিক মিডিয়ার মাধ্যমে কেনাকাটা)

এআই-চালিত ভার্চুয়াল ফিটিং রুম – ‘পণ্যগুলি চেষ্টা করার জন্য ভিআর এবং এআর-এর ব্যবহার সম্প্রসারণ করা

এআই-এর সাথে হাইপার-পার্সোনালাইজেশন – কেনাকাটার অভিজ্ঞতায় ব্যক্তিগতকরণের একটি সর্বদা কঠোর স্তর

এআই-চালিত বাজার প্রবণতা বিশ্লেষণ – প্রবণতাগুলি কীভাবে উত্থাপিত হয় তা বিস্তৃত করা এবং এটিকে এআই মডেলগুলিতে ইনপুট করা (যেমন, ট্রেন্ডের জন্য টিকটকের ব্যবহার)

এআই-চালিত ডায়নামিক স্টোর লেআউট অপ্টিমাইজেশান – একটি ইন-স্টোর ক্যামেরা এবং সেন্সর ফুটেজ ব্যবহার করুন ম্যাপ স্টোর গরম করার জন্য, বিক্রয়ের সাথে মিলিতভাবে লেআউটটি অপ্টিমাইজ করতে

AI-বর্ধিত স্বয়ংক্রিয় রিটার্ন এবং এক্সচেঞ্জ – গ্রাহক সন্তুষ্টি উন্নত করতে রিটার্ন/এক্সচেঞ্জ প্রক্রিয়াকে স্ট্রিমলাইন করুন

সামাজিকভাবে দায়বদ্ধ পণ্য সোর্সিংয়ের জন্য AI – ESG লক্ষ্য পূরণের জন্য নৈতিক সোর্সিং এবং ডেলিভারির উপর ফোকাস করুন

AI-সক্ষম টেকসই খুচরা অনুশীলন – ‘সবুজ’ প্রচেষ্টার উপর ফোকাস করুন যেমন প্যাকেজের আকার এবং শিপমেন্ট নম্বর অপ্টিমাইজ করা, পরিপূর্ণতা অপ্টিমাইজ করা, ট্রাক রাউটিং, ইনভেন্টরি ম্যানেজমেন্ট, বর্জ্য কমাতে বিক্রয় অপ্টিমাইজেশন এবং অন্যান্য সুযোগগুলি

সচরাচর জিজ্ঞাস্য

১. এআই কীভাবে খুচরা শিল্পকে প্রভাবিত করেছে?

যদিও ভাল প্রশ্ন হতে পারে, “কিভাবে AI খুচরা শিল্পকে ব্যাহত করছে?” AI ব্যবহার করে খুচরা বিক্রেতারা ব্যক্তিগতকরণ, সাপ্লাই চেইন অপ্টিমাইজ করে (ট্রেন্ড এবং অর্ডার থেকে শিপিং পর্যন্ত) এবং উন্নত অপারেশনাল প্রক্রিয়ার মাধ্যমে গ্রাহকের অভিজ্ঞতা বাড়িয়েছে। এই পরিবর্তনগুলি খুচরা ব্যবসায় সাফল্যের জন্য নতুন ভিত্তি।

২. খুচরা ক্ষেত্রে AI এর সমস্যাগুলি কী কী?

AI এর ব্যবহার এমন ফলাফল তৈরি করতে পারে যা সঠিক নয় বা কোনোভাবে পক্ষপাতদুষ্ট নয়, উপরন্তু কিছু গোপনীয়তা উদ্বেগ এবং উদ্বেগ বাড়ায় যে কর্মচারীরা মেশিন বা AI এর কাছে তাদের চাকরি হারাবে।

৩. খুচরোতে AI এর সুবিধাগুলি কী কী?

উল্লেখযোগ্য এবং বিস্তৃত সুবিধার মধ্যে রয়েছে উন্নত ক্রিয়াকলাপ, আরও টেকসই ক্রয়ের সিদ্ধান্ত / অপ্টিমাইজ করা চাহিদা পূর্বাভাস এবং আরও ভাল গ্রাহক অভিজ্ঞতা।