軟硬相遇：AI成為這個傢具裝修零售商的好幫手

至頂網軟體頻道消息：想像一下這兩個家庭裝修面臨的典型問題：木匠試圖在一個大型商店裡快速找到合適的釘子，東西如此多每多用一分鐘就會變得愈加沮喪；他的客戶想知道翻新後的室外地板是什麼樣子的。傢具裝修零售商Lowe"s正在轉向使用人工智慧技術，為客戶及其員工提供幫助。

說到人工智慧和機器人技術時，這個古老的家居裝修品牌可能不會是你第一個想到的名字。然而，Lowe"s清楚地看到人工智慧技術帶給他們的價值——一個用於完成工作的工具。歡迎來到這個家裝品牌讓軟體與硬體相遇的世界。

Lowe"s數字化開發副總裁Gihad Jawhar是公司人工智慧項目背後的推進者，他談到了Lowe"s部署各種技術——計算機視覺，機器學習和自然語言處理（NLP）——背後的布局，他們用這些技術來解決客戶問題，並指導客戶無縫地、快速地找到合適的產品。「人工智慧碰巧成了我們做到這些事情的合適工具。我們原本並未計划去用人工智慧。這項技術無法推動解決方案，是各種問題推動了解決方案——而人工智慧技術本身是解決問題的一個途徑。」

Lowe"s並不是唯一一家使用人工智慧技術的零售商。福布斯最近進行的一項調查發現，50％的零售業高管選擇人工智慧作為企業未來最重要的技術。

人工智慧成為客戶服務中的一個「幫手」

Lowe"s已經嘗試了許多以人工智慧為驅動的項目，並且將開始部署新的解決方案。2017年，Lowe"s的LoweBot店內自動機器人作為一年試點計劃推出，它能夠回答基本的問題，並在商店內引導客戶和員工。它可以實時追蹤庫存並檢測可以指導業務決策的銷售模式。現在，Lowe"s正在採用這個試點項目中一些技術，例如計算機視覺，來發現庫存中缺少的商品也就是商店貨架上閑置出來的空間。Lowe"s剛剛發布了一個基於文本的客戶服務平台，可以預測客戶的需求。

Jawhar說，所有這些都使Lowe"s的員工能夠將注意力集中在更複雜的人類問題上，例如將他們的專業知識用於客戶的一個特定項目（也許是一個令人頭疼的屋頂漏洞）。

LoweBot和其他很多人工智慧技術都來自於Lowe"s的創新實驗室，該實驗室還致力於增強/虛擬現實可視化和基於應用的VR商店（此類首創）等技術，客戶可以在這裡看到這些產品或項目將如何用在他們的家裡。Lowe"s專註於零售可視化的一個例子，是Holoroom Test Drive，一種完全身臨其境的VR體驗，讓客戶以逼真的虛擬方式測試電力設備。該技術在2018年獲得了Auggie最佳企業解決方案獎。

「我們利用我們的商店作為生活實驗室，快速測試我們的原型理念，並收集來自現實世界關於這些新體驗的反饋，」 Lowe"s創新實驗室的實驗室製作與運營總監Josh Shabtai這樣說道。

讓簡訊和搜索變得更聰明

創新不止於此。Jawhar和他的團隊也在圍繞簡訊建立客戶服務體驗，簡訊是多數Lowe"s購物者的主要溝通平台，也是部署自然語言處理和機器學習的理想之選。

這個解決方案一開始只是一個簡單的簡訊選項，最近擴展到了Apple Business Chat。「我們發現客戶在體驗服務期間的需求是非常相似的，他們只是以10或15種不同的方式提出需求，這些取決於他們在項目中所處的階段、所在的位置、使用的單詞類型、以及他們對查詢結果的反應。在測試中，我們能夠準確地識別出大約70％的客戶意圖，並據此來改進我們的演算法。」

Lowe"s也在使用人工智慧技術來提升其網站搜索引擎，這樣他們就可以知道「屋頂漏水」實際上與諸如硅化反射屋頂塗層等產品是相關的。「我們可以輸入人工智慧提供的見解、結果或從搜索中捕獲的信號，讓客戶看到他們看到的。但要做到這一點，我們必須了解人類語言，當我們發現有人來到我們網站上的時候，搜索引擎就會像人類那樣向他們進行詢問。」

用人工智慧監視貨架情況

計算機視覺是Lowe"s正在部署的另一項技術。Lowe"s在某些高人性化部門的貨架頂部安裝了小型攝像頭，這些攝像頭可以傳輸貨架庫存的實時信息。例如，它可以檢測燈泡產品什麼時候缺貨了，然後系統會向商店的設備發出實時通知，以便員工快速前往庫房並增補貨品。 「系統可以在向員工發出通知之前，確定具體產品的精確貨架位置以及店內是否有額外庫存，」Lowe"s市場概念和開發總監Kevin Seidehamel這樣說道。

構建人工智慧

人工智慧才剛剛開始重塑零售業。Jawhar說，儘管Lowe"s已經取得了一定進展，但他們在人工智慧方面的努力才剛剛開始。這是普遍現象，因為根據Forbes Insights的調查顯示，只有3％的零售企業已經全方位部署了人工智慧，而26％的企業表示人工智慧已經成為業務的重要組成部分。大多數零售企業（64％）認為自己在實施人工智慧技術方面進展緩慢。

Lowe是如何開始構建和部署人工智慧的？「我們做了類似於最小可行產品的試水，」Jawhar說。他和他的團隊使用測試產生的訓練數據，然後不斷地提供給演算法並讓演算法變得越來越智能化。「最終機器可以管理更多的日常任務，讓人類自由地做我們擅長的事情。這是一個巨大的進步。」他指出，一旦在企業內部達到95％左右的成功率，那麼你就可以用於一小部分客戶。然後，評估這些客戶的滿意度。「這是商業中常見的方式。讓規模盡量小到失敗和失敗的成本都是可以接受的，然後你只需要讓它儘可能成功。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！