(Tiểu luận) bài tập nhóm môn thương mại điện tử đề tài ứng dụng của big data và ai trong bán lẻ

TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN VIỆN THƯƠNG MẠI VÀ KINH TẾ QUỐC TẾ BÀI TẬP NHĨM MƠN THƯƠNG MẠI ĐIỆN TỬ Đề tài: Ứng dụng Big Data AI bán lẻ h Nhóm 2: Nguyễn Thị Thu Hương Trần Ngọc Linh Trần Kim Chúc Nguyễn Thị Ngọc Ánh Lớp học phần: Thương mại điện tử_02 Giáo viên hướng dẫn Dương Thị Ngân Thời gian học Học kỳ năm học 2023-2024 Hà Nội , tháng năm 2023 MỤC LỤC h PHẦN 1: LỜI MỞ ĐẦU Cơng nghệ ngày phát triển, đóng vai trị quan trọng khơng sống mà doanh nghiệp, ngành nghề giới từ tài chính- ngân hàng, sức khỏe y tế, công nghiệp đến marketing đặc biệt ngành thương mại điện tử bán lẻ Trong năm gần đây, doanh số ngành bán lẻ tăng trưởng hàng năm mức ổn định với mức tăng trưởng 2019 ước đạt 25,038 nghìn tỷ USD, tăng trưởng nhẹ 4,5% so với năm trước Công nghệ thương mại điện tử phát triển mạnh mẽ mở rộng thị trường bán lẻ toàn cầu nâng tỉ lệ bán lẻ trực tuyến lên 18,1 %, phát triển song song với bán lẻ truyền thống chiếm 81,9 % toàn cầu Cùng với phát triển cơng nghệ, thói quen mua sắm tiêu dùng khách hàng dần thay đổi Khách hàng có thói quen xem xét lựa chọn hàng hoá trực tuyến trước đặt mua tới mua cửa hàng Bên cạnh đó, có nhiều sản phẩm từ nhà bán lẻ toàn cầu để họ lựa chọn Các yếu tố địi hỏi nhà bán lẻ ln phải tối ưu nguồn lực đặt khách hàng làm trọng tâm để h tồn phát triển bền vững Ứng dụng công nghệ AR, Big Data, AI, IoT doanh nghiệp cung cấp dịch vụ chăm sóc khách hàng với trải nghiệm giá trị khác biệt, tối ưu hoá chiến lược quản lý chuỗi cung ứng, từ gia tăng doanh số hoạt động Đây khía cạnh chủ yếu cách mạng công nghệ 4.0, Amazon công ty đầu việc áp dụng công nghệ để nâng cao trải nghiệm khách hàng đem lại nguồn lợi nhuận khổng lồ Sau đây, nhóm em vào phân tích chi tiết vai trị cơng nghệ big data AI, cách Amazon sử dụng chúng ưu, nhược điểm công nghệ PHẦN 2: NỘI DUNG I, Ứng dụng Big Data bán lẻ Tổng quan Big Data 1.1 Đặc điểm h ● Volume (khối lượng): khối lượng liệu cực lớn ● Velocity (vận tốc): liệu xử lý, phân tích định cấu hình liệu tạo - đơi vịng mili giây ● Variety (đa dạng): bao gồm tổ hợp liệu có cấu trúc, phi cấu trúc bán cấu trúc Cơ sở liệu truyền thống giải pháp quản lý liệu thiếu tính linh hoạt phạm vi để quản lý liệu phức tạp, riêng biệt tạo nên Big Data ● Veracity (tính xác thực): xác, phù hợp kịp thời ● Value (giá trị): cung cấp thơng tin chi tiết giúp doanh nghiệp trở nên cạnh tranh linh hoạt - đồng thời phục vụ khách hàng họ tốt 1.2 Vai trò 1.2.1 Định lượng tối ưu hóa hiệu suất cá nhân: Nhờ thiết bị di động thông minh smartphone, smartwatch mà thông tin, liệu cá nhân thu thập dễ dàng Những liệu cá nhân từ người dùng giúp doanh nghiệp có nhìn rõ nét xu hướng hành vi khách hàng Từ đó, nhà quản lý định hướng cho chiến lược, kế hoạch tương lai gần 1.2.2 Phòng chống an ninh, giảm thiểu rủi ro: Big Data doanh nghiệp sử dụng để thăm dò, phát ngăn chặn nguy cơ, rủi ro gian lận, xâm nhập hệ thống, đánh cắp thông tin mật Ví dụ ngân hàng cơng ty thẻ tín dụng dùng Big Data để ngăn chặn giao dịch gian lận 1.2.3 Tối ưu hóa giá cả: h Việc định giá sản phẩm, dịch vụ điều quan trọng khó khăn doanh nghiệp Bởi doanh nghiệp cần nghiên cứu kỹ mong muốn khách hàng mức giá đối thủ cạnh tranh Nhờ có Big Data mà cơng nghiên cứu, thu thập liệu trở nên dễ dàng, nhanh chóng, giúp doanh nghiệp định giá cách xác, hiệu 1.2.4 Nắm bắt giao dịch tài chính: Thương mại điện tử phát triển mạnh mẽ tồn giới, có Việt Nam Do đó, giao dịch tài website hay app thương mại điện tử ngày tăng lên thể rõ hành vi mua khách hàng Các thuật toán Big Data doanh nghiệp sử dụng để gợi ý, đưa định giao dịch cho khách hàng, tăng tỷ lệ chốt đơn cho doanh nghiệp 1.3 Ứng dụng Được ứng dựng nhiều ngành nghề như: - Tài chính-ngân hàng - Y tế, chăm sóc sức khỏe - Thương mại điện tử - Ngành bán lẻ - Digital Marketing - Công nghiệp 1.4 Những giá trị mà việc khai thác liệu mang lại cho nhà bán lẻ 1.4.1 Nâng cao trải nghiệm khách hàng toàn chuỗi giá trị h Sử dụng kết phân tích liệu giúp nhà bán lẻ nắm bắt hành vi dự đoán xu hướng người tiêu dùng dựa tín hiệu mà họ để lại, nâng cao khả kết nối với khách hàng xuyên suốt chuỗi giá trị toàn chuỗi cung ứng Nhờ vậy, nhà bán lẻ hiểu thói quen, sở thích mua hàng gợi ý thứ mà khách hàng cần, theo cách mà họ muốn, giúp gia tăng doanh số bán hàng Kết phân tích liệu sở để nhà bán lẻ kiểm sốt tình trạng chất lượng hàng hóa nhằm đảm bảo chất lượng tốt trước đưa tới khách hàng 1.4.2 Tối ưu hóa nguồn nhân lực bán hàng Nhờ liệu bán hàng, liệu thu thập qua thiết bị di động, nhà bán lẻ có thơng tin hiệu suất cộng tác viên bán hàng Các số liệu bao gồm số lượng khách hàng hỗ trợ, thời gian phản hồi trung bình tần suất bán hàng Nhờ đó, nhà quản lý tối ưu hóa lao động cửa Document continues below Discover more from: Kinh doanh thương mại 7340121 Đại học Kinh tế Quốc dân 682 documents Go to course VỢ CHỒNG A PHỦ - ĐOẠN Trích Kinh doanh thương mại 97% (146) Lịch sử Thể dục thể thao 50 Kinh doanh thương mại 100% (9) h Trắc nghiệm 320 câu Ngân hàng thương mại NEU 84 50 Kinh doanh thương mại Nhóm: Nghiên cứu thị trường xuất cá tra Việt Nam sang thị-trường-Mỹ: Kinh doanh thương mại 100% (7) 100% (4) Slide môn thương mại điện tử Tổng hợp slide thương mại điện tử năm NEU Kinh doanh thương mại 100% (4) 132 Khóa luận tốt nghiệp Hành vi bắt nạt trực tuyến học sinh số trường trung học phổ thông thành phố H… 89% (9) Kinh doanh thương mại hàng, phân bổ hợp lý số lượng nhân lực cho thời gian cao điểm điều chuyển nhân viên theo nhu cầu đưa sách thúc đẩy suất cần thiết 1.4.3 Quyết định chiến lược bán hàng Ứng dụng kết phân tích liệu giúp nhà bán lẻ đo lường phản ứng người tiêu dùng màu sắc, mùi vị, bao bì, kích thước, v.v… loại sản phẩm, từ đó, đưa định chọn lọc trì sản phẩm phù hợp với thị hiếu loại bỏ sản phẩm không ưa chuộng, lựa chọn cách thức bán hàng, định tỉ lệ giảm giá khuyến mại loại hàng cần giảm giá khuyến mại để đảm bảo hàng cuối mùa bán hết, giảm chi phí tồn kho tăng tối đa lợi nhuận Phân tích liệu giúp nhà bán lẻ có phương án bày hàng hóa siêu thị cửa hàng trực tuyến Cụ thể hàng hóa có tỉ lệ mua nhiều xếp cạnh nhau, hàng hóa quan tâm nhiều xếp vị trí dễ nhìn Các kết hợp hàng hóa hấp dẫn giúp tăng tỉ lệ chuyển đổi mua hàng cho doanh nghiệp h Triển khai Big Data doanh nghiệp 2.1 Các bước để áp dụng cơng nghệ Big Data 2.1.1 Nghiên cứu tính khả thi Phân tích đặc điểm nhu cầu kinh doanh, xác thực tính khả thi giải pháp liệu lớn, tính tốn chi phí ước tính tỉ suất hoàn vốn cho dự án thực hiện, đánh giá chi phí vận hành 2.1.2 Kĩ thuật yêu cầu lập kế hoạch - Xác định loại liệu (ví dụ: liệu SaaS, ghi SCM, liệu vận hành, hình ảnh video) thu thập lưu trữ, khối lượng liệu ước tính số liệu chất lượng liệu cần thiết - Hình thành tầm nhìn cấp cao giải pháp liệu lớn tương lai, nêu rõ: ● Chi tiết cụ thể xử lý liệu (lô, thời gian thực hai) ● Khả lưu trữ cần thiết ● Tích hợp với thành phần sở hạ tầng CNTT có ● Số lượng người dùng tiềm Yêu cầu bảo mật tuân thủ - Chọn mơ hình triển khai: chỗ so với đám mây (công khai, riêng tư) so với kết hợp - Lựa chọn sơ đồ công nghệ tối ưu - Chuẩn bị kế hoạch dự án toàn diện với khung thời gian, chi phí cần thiết h Đặc biệt với doanh nghiệp nhỏ phải chọn lọc liệu cần quan tâm, đặt mục tiêu rõ ràng ngắn hạn dài hạn 2.1.3 Thiết kế kiến trúc Tạo mơ hình liệu đại diện cho tất đối tượng liệu lưu trữ sở liệu liệu lớn , liên kết chúng, để có tranh rõ ràng luồng liệu, cách thu thập, lưu trữ xử lý liệu số định dạng định giải pháp Vạch chiến lược quản lý chất lượng liệu chế bảo mật liệu (mã hóa liệu, kiểm sốt quyền truy cập người dùng, dự phòng, v.v.) Thiết kế kiến trúc liệu lớn tối ưu cho phép nhập, xử lý, lưu trữ phân tích liệu 2.1.4 Triển khai Big Data Chuẩn bị mơi trường điện tốn mục tiêu chuyển giải pháp liệu lớn vào sản xuất Thiết lập biện pháp kiểm soát bảo mật cần thiết (nhật ký kiểm tra, hệ thống ngăn chặn xâm nhập, v.v.) Khởi chạy trình nhập liệu từ nguồn liệu, xác minh chất lượng liệu (tính quán, độ xác, tính đầy đủ, v.v.) giải pháp triển khai Chạy thử nghiệm hệ thống để xác thực toàn giải pháp liệu lớn hoạt động mong đợi sở hạ tầng CNTT mục tiêu Lựa chọn định cấu hình công cụ giám sát giải pháp liệu lớn, đặt cảnh báo cho vấn đề cần ý (ví dụ: lỗi máy chủ, liệu không quán, hàng đợi tin nhắn tải) 2.1.5 Hỗ trợ phát triển Thiết lập quy trình hỗ trợ bảo trì để đảm bảo giải pháp liệu lớn vận hành không gặp cố: giải vấn đề người dùng, tinh chỉnh cài đặt phần mềm mạng, tối ưu hóa việc sử dụng tài nguyên máy tính lưu trữ 2.2 Các công cụ Big Data 2.2.1 Apache Hadoop Apache Hadoop công cụ sử dụng phổ biến Hadoop khung mã nguồn mở từ Apache chạy phần cứng Nó sử dụng để lưu trữ q trình phân tích liệu, cho phép xử lý liệu song song hoạt động nhiều máy lúc Mọi công cụ phát triển kèm với số nhược điểm Và Hadoop có số nhược điểm sau đây: ● Hadoop không hỗ trợ xử lý thời gian thực Nó hỗ trợ xử lý hàng loạt ● Hadoop khơng thể thực phép tính nhớ 2.2.2 Apache Spark Apache Spark coi kế thừa Hadoop khắc phục nhược điểm Hadoop Spark, không giống Hadoop, hỗ trợ thời gian thực xử lý hàng loạt Nó hệ thống phân cụm mục đích chung Nó hỗ trợ tính tốn nhớ, khiến Apache Spark nhanh 100 lần so với Hadoop Điều thực cách giảm số lượng thao tác đọc/ h ghi vào đĩa Nó cung cấp linh hoạt so với Hadoop hoạt động với kho liệu khác HDFS, OpenStack Apache Cassandra 2.2.3 Apache Storm Apache Storm hệ thống tính tốn phân tán mã nguồn mở thời gian thực miễn phí, thực xử lý liệu luồng (Unbounded streams of data) cách đáng tin cậy Ưu điểm lớn Apache Storm dễ triển khai tương tác với ngơn ngữ lập trình Mặt khác, đảm bảo việc xử lý liệu Tốc độ xử lý nhanh tiêu chuẩn quan sát tới triệu tuple xử lý giây nút ● Dự báo phân tích xu hướng: Big Data cho phép Amazon phân tích xu hướng tiêu dùng, biểu đồ mua sắm dự báo nhu cầu khách hàng tương lai Thơng qua việc phân tích liệu từ big data, Amazon đưa định chiến lược, điều chỉnh sản phẩm dịch vụ, thích nghi với thay đổi thị trường 3.2 Cách Amazon sử dụng Big Data Video: https://www.youtube.com/watch?v=O0DnYqkRWWQ 3.2.1.Cách Amazon sử dụng Big Data Có thể chia làm ba bước: Bước 1: Thu nhập liệu - Dữ liệu bạn cung cấp bạn sử dụng dịch vụ : mặt hàng bạn mua, thêm vào giỏ, xóa khỏi giỏ, đánh giá sản phẩm - Dữ liệu tìm thấy tự động Đây thơng tin loại điện thoại, vị trí bạn, tự động thu thập địa IP, thông tin đăng nhập, vị trí máy tính lỗi đăng nhập bạn Thậm chí cịn biết liệu bạn có di chuột qua sản phẩm h hay không, bạn lướt bạn nhấp vào - Thông tin từ bên thứ ba Đây điều kiểm tra tín dụng Dữ liệu nhân học: giới tính, độ tuổi, loại hình tốn, vị trí - Dữ liệu từ Alexa ( trợ lí ảo): lệnh thoại ghi âm, thu vào tải lên máy chủ Amazon - Kindle highline ( dòng thiết bị dùng để đọc sách điện tử): từ bôi đen - AWS: công ty Amazon cung cấp dịch vụ điện tốn đám mây Bước 2: Phân tích liệu Nhằm xây dựng tranh khách hàng, phân loại khách hàng theo phân khúc phù hợp Theo nhân học: Phân đoạn thị trường theo nhân học phân chia khách hàng thành nhóm vào giới tính, tuổi tác, nghề nghiệp, trình độ văn hóa, qui mơ gia đình, tình trạng nhân, thu nhập, giai tầng xã hội, dân tộc, sắc tộc… Theo vị trí địa lí: q trình phân tích đánh giá khách hàng dựa vị trí địa lý họ Theo đó, thơng tin vị trí địa lý địa chỉ, mã bưu chính, quận/huyện, thành phố, tỉnh/ bang, quốc gia sử dụng để phân loại phân tích khách hàng Theo đặc điểm tâm lí: liên quan đến đặc điểm tính cách khách hàng cá nhân Điều bao gồm giá trị, đạo đức, thái độ, niềm tin, sở thích lối sống Thị trường xác định phân chia dựa đặc điểm xác định Theo hành vi: Phân loại khách hàng theo hành vi phương pháp xác định nhóm khách hàng dựa hành vi, tương tác hoạt động họ với doanh nghiệp ● h Bước 3: Lọc, sử dụng liệu Đưa gợi ý sản phẩm Amazon tiên phong việc sử dụng phần mềm cụ thể để điều chỉnh đề xuất cá nhân hóa cho người tiêu dùng Nó gọi Cơng cụ lọc cộng tác (CFE), CFE hoạt động cách phân tích mơ hình mua hàng khách hàng từ lần mua gần đây, mặt hàng danh sách yêu thích lần lưu giỏ hàng Nó lấy thơng tin từ sản phẩm người tiêu dùng đánh giá đánh sản phẩm họ tìm kiếm nhiều Tất thơng tin đào tạo thuật tốn CFE để đưa dự đốn tốt lượt thích khơng thích người dùng - Collaborative (lọc cộng tác):khi Amazon đưa gợi ý sau xây dựng tranh khách hàng, tiếp cung cấp sản phẩm đề xuất dựa nhóm người có thơng tin hồ sơ tương tự mua so sánh liệu người dùng X thích sp A, B, C, D ; Y thích A, B, C, D, E Vậy có khả X thích sản phẩm E - Used- based: dựa lịch sử, thích, mua, đánh giá - Sự kết hợp điều ● Mơ hình vận chuyển dự đoán Về bản, Amazon sử dụng liệu người tiêu dùng để dự đoán họ mua Sau đó, họ ước tính họ cần chúng Sau đó, mặt hàng dự đoán chuyển đến kho dự trữ xác định theo vị trí người tiêu dùng để chúng sẵn sàng bay khỏi cửa người dùng đặt hàng Tối ưu hóa chuỗi cung ứng từ kho liệu lớn Amazon nắm nhu cầu với số mặt hàng đặc biệt địa phương, tính tốn số liệu kho hàng, tuyến đường nhóm sản phẩm tốt để vận chuyển chúng đến kho hàng tối ưu mà chi phí vận chuyển lại tiết kiệm từ 10 đến 40%, điều h mang đến hài lòng cho khách hàng ● Tối ưu hóa giá Giá thường thay đổi sau 10 phút liệu lớn cập nhật phân tích Do Amazon thường giảm giá cho mặt hàng bán chạy nhất, thu hút người mua hàng từ kiếm thêm lợi nhuận cho mặt hàng phổ biến Hoạt động đem lại lợi nhuận trung bình 25% năm cho Amazon ● Đổi phát triển sản phẩm Big Data phân tích liệu thị trường người tiêu dùng, qua nhìn thiếu sót đáp ứng nhu cầu cịn thiếu công ty sản phẩm hành Amazon Fresh thu thập, phân tích liệu cách người dùng mua hàng tạp hóa, với mục tiêu tối ưu hóa quy trình, cải thiện trải nghiệm người dùng Tương tự với Whole Foods, Amazon có động thái mua lại Whole Foods lỗi sống xanh, trọng sức khỏe, thực phâm rhuwux ngày phổ biến ● Tối ưu trải nghiệm khách hàng Amazon có khả đưa đốn có tính khoa học cao việc khách hàng người ăn chay hay bị dị ứng thực phẩm Amazon nhắc người mua mặt hàng họ mua gần thông báo cho họ sữa họ mua cách tuần hết hạn Nó chí gợi ý cơng thức nấu ăn lấy cảm hứng từ mặt hàng giỏ hàng họ thời điểm Với chiều sâu chiều rộng thông tin khách hàng, khả Amazon cá nhân hóa trải nghiệm khách hàng tảng để tạo thêm doanh thu vơ tận h 3.2.2 Khó khăn sử dụng - Vấn đề quyền riêng tư: Ngày 17/3, Amazon bị kiện theo dõi thu nhập liệu sinh trắc học trái phép nhóm khách hàng thành phố New York Hồ sơ vụ kiện đệ trình với lập luận Amazon giám sát cách bất hợp pháp, bao gồm việc theo dõi kích thước thể, ảnh quét bàn tay họ - Ngày có nhiều đối thủ cạnh tranh ngành bán lẻ - Kho liệu, khó phân tích liệu đa dạng, quyền kiểm soát liệu, bảo mật liệu kết hợp học máy - Cấu trúc liệu thơng tin khác Ví dụ: Amazon Prime có liệu trung tâm xử lý đơn hàng hàng hóa đóng gói, Amazon Fresh có liệu cửa hàng tạp hóa thực phẩm - Lập kế hoạch dự báo chi phí vận hành chi tiêu vốn cho chuỗi cung ứng Amazon, bao gồm toàn mạng lưới vận tải, hàng trăm trung tâm thực hiện, trung tâm phân loại, trạm giao hàng, địa điểm Whole Foods, Fresh pick PHẦN II: ỨNG DỤNG CỦA AI TRONG BÁN LẺ 1.1 Tổng quan AI Khái niệm: Trí tuệ nhân tạo (Artificial intelligence –AI) trí tuệ người lập trình để máy tính mơ tự động hóa hành vi thơng minh người Trí tuệ nhân tạo AI có tính logic chứa đựng não người Ưu điểm: ● AI xử lý lượng liệu nhanh, chuẩn xác người cơng việc có định hướng sẵn ● AI thay người nhiều hoạt động, giúp tiết kiệm thời gian h công sức cho doanh nghiệp người lao động ● AI cảnh báo rủi ro tiềm ẩn ảnh hưởng đến sống sản xuất sóng thần, dịch bệnh, núi lửa, động đất… ● Cơng nghệ AI xóa bỏ rào cản mặt ngơn ngữ, kết nối người dân quốc gia khác mở hội để họ học tập, chiếm lĩnh tri thức Nhược điểm: ● Để có cơng cụ AI doanh nghiệp cần bỏ số tiền lớn ● Bộ phận lập trình, chế tạo AI trình độ hạn chế ● AI thường làm theo có sẵn mang tính chất lặp lại nên sáng tạo, linh hoạt chưa thể đầu óc người ● AI thiếu khả khái quát từ nhiệm vụ đến nhiệm vụ khác 1.2 Ứng dụng AI ngành bán lẻ 1.2.1 Cửa hàng tự phục vụ, tự tốn (Unmanned Store) - Khơng có nhân viên q trình mua hàng từ hỗ trợ toán Các giao dịch mua bán, tốn xử lý AI - Có loại mơ hình kd + cửa hàng hồn tồn tự động: hoạt động từ dọn dẹp, dự trữ, bổ sung hàng hóa thực robot + mơ hình bán tự động: tất hoạt động thực robot người chịu trách nhiệm thực nhiệm vụ quan trọng Kể từ năm 2020, số lượng cửa hàng bán mơ hình tăng theo cấp số nhân toàn giới xu hướng đa kênh ảnh hưởng đại dịch CoVID-19 Trên thực tế, nhiều “đại gia” ngành bán lẻ áp dụng mơ hình này, kể đến F5 Future Store, Amazon Go, Moby Mart, Bingobox, Tmall 1.2.2 Nhân viên hỗ trợ khách hàng (AI chatbot) TMĐT tập trung vào trải nghiệm người dùng Việc sử dụng AI thông qua chatbot trực tuyến cách để thúc đẩy trò chuyện kỷ nguyên số Thực tế,chatbot tự động hóa quy trình đặt hàng Đây h cách hiệu để cung cấp dịch vụ khách hàng 24/7 với chi phí thấp Với chatbot, trang web thương mại điện tử tăng tỷ lệ chuyển đổi cách điều chỉnh trải nghiệm trực tuyến cho người tiêu dùng.Có thể tích hợp hệ thống chatbot vào giỏ hàng Khi hệ thống chatbot tích hợp với giỏ hàng cơng ty, hoạt động với tất cửa hàng dựa tảng Ứng Dụng chatbot công ty hỗ trợ nhiều giỏ hàng có nhiều khách hàng tiềm Ngồi ra, hệ thống tích hợp với giỏ hàng để truy xuất thông tin chi tiết sản phẩm, số lượng điều khoản giao hàng mà chatbots sử dụng cung cấp câu trả lời xác cho khách hàng 1.2.3 Hỗ trợ chiến dịch tiếp thị - tận dụng thuật toán AI để triển khai chiến dịch marketing đánh trúng tệp khách hàng mục tiêu hiệu - Nhờ chiến lược này, doanh nghiệp cải thiện mức độ trung thành giữ chân khách hàng lâu 1.2.4 Hỗ trợ dự báo quản lý kho - Xử lý lượng lớn liệu phân tích cách trơn tru với độ xác cao thơng qua thuật tốn máy học (Machine Learning) 1.2.5 Tối ưu hóa giá Sử dụng thuật toán máy học (Machine learning) big data, cơng nghệ tự động hóa AI giúp doanh nghiệp tận dụng hiệu chiến lược giá AI hỗ trợ chiến lược định giá, đồng hóa thơng tin trụ sở chi nhánh nơi đất nước chí nơi giới Ví dụ: siêu thị có hệ thống chi nhánh cửa hàng trải khắp khu vực thành thị nơng thơn Nhìn chung, chi nhánh nơng thơn có nhiều khả gặp khó khăn việc thu hút đội ngũ nhân viên chất lượng cao, có kinh nghiệm để xử lý, phân tích liệu hiểu rõ mơ hình hành vi khách h hàng 1.2.6 Tự động hóa việc mua hàng cửa hàng Mơ hình mang tính cách mạng cho phép khách hàng bước vào cửa hàng, lấy thứ cần trở nhà mà khơng cần thông qua giao dịch từ quầy thu ngân Bởi cảm biến camera lắp đặt cửa hàng giúp theo dõi tất hàng hóa người tiêu dùng lấy tự động tính phí vào tài khoản họ thông qua ứng dụng Nhờ hỗ trợ AI mà trải nghiệm mua sắm diễn nhanh chóng, liền mạch khách hàng khơng cần phải tốn nhiều thời gian xếp hàng toán 1.2.7 Xây dựng liệu khách hàng Dữ liệu khách hàng có vai trị vơ quan trọng kinh doanh Trí tuệ nhân tạo giúp thu thập xử lý thông tin khách hàng cách dễ dàng