La complessa architettura tecnologica alla base della vendita Prime Day di Amazon
L’economista Charlie Manzares, senior manager di Amazon, ha condiviso che la sfida fondamentale era identificare il motivo per cui un cliente ha scelto di interrompere il proprio piano Prime o, al contrario, cosa lo ha spinto a mantenerlo.
 
Per il gigante dell’e-commerce Amazon con sede a Seattle, “Prime Day” è stata semplicemente una stravaganza annuale che alla fine si è trasformata in un’enorme opportunità per incassare. L’evento di vendita esplosivo è stato inizialmente promosso come evento di vendita di 24 ore nel 2015 per celebrare 20 anni della società. Tuttavia, da allora, il Prime Day è cresciuto esponenzialmente ogni anno, evolvendosi in un evento di vendita di 48 ore. Le entrate derivanti esclusivamente dalle vendite del 2021 ammontano a oltre 11 miliardi di dollari, una cifra straordinaria che supera i valori di vendita combinati del Black Friday e del Cyber ​​Monday. 

 

Intorno al 2018, Amazon ha iniziato a ristrutturare internamente l’azienda per concentrarsi sulle innovazioni AI/ML. Ha adottato un metodo chiamato “volano” per avvicinarsi all’IA. Flywheel mantiene sforzi ciclici costanti in AI/ML per Amazon e viene utilizzato anche in altre parti significative dell’azienda. 

Previsione della domanda
Per le vendite del Prime Day , Amazon fa molto affidamento sulla sua previsione basata sull’intelligenza artificiale che consente di risparmiare tempo e garantisce un imballaggio e una consegna fluidi e rapidi durante i periodi di crisi. 

La chiave per operazioni rapide è prevedere con successo dove la domanda di determinati prodotti potrebbe sorgere con maggiore frequenza. Sebbene l’utilizzo dell’IA per le previsioni non sia esclusivo di Amazon, la struttura di spedizione di due giorni era una novità prima che l’azienda iniziasse il servizio. 

Già nel 2013, Amazon ha registrato un sistema per la spedizione anticipata che prevedeva l’anticipo di un acquisto e la sua localizzazione il più vicino possibile all’indirizzo di consegna, prima dell’effettuazione dell’ordine. Nel corso degli anni, la gestione efficace delle vendite del “Prime Day” è stata possibile esclusivamente attraverso la solida rete di magazzini che Amazon aveva costruito in tutto il paese. Anche ora, l’azienda testa costantemente nuovi prodotti che i clienti possono ordinare con un servizio di spedizione in un giorno. 

La funzione di previsione della domanda potrebbe anche offrire previsioni che si rivelano più prevedibili in determinati casi, in base alla stagione o al luogo. Ad esempio, il software AI di Amazon ha rilevato che i clienti che vivono alle Hawaii tendono ad acquistare più attrezzatura per nuotare o fare surf. In un altro caso ancora, il software ha notato un aumento della domanda di filtri solari durante l’estate ma anche, sorprendentemente, durante le vacanze invernali.

Per altri prodotti, potrebbe esserci un modello più ovvio basato su una logica semplice. Ad esempio, la richiesta di un software specifico potrebbe riguardare solo la sua ultima versione. Tuttavia, il rilascio di un nuovo iPhone o di un’altra costosa fotocamera potrebbe riflettere un aumento della domanda per la versione precedente dei prodotti. 



Sistema di Raccomandazione
In particolare, Amazon è una delle prime aziende a migliorare il proprio motore di raccomandazione dei prodotti. 

Il sistema di consigli personalizzati di Amazon aumenta il coinvolgimento dei clienti di oltre il 40% e aiuta a ridurre la frequenza di rimbalzo del 10~15%. Secondo un rapporto di Forbes , il sistema di raccomandazioni di Amazon contribuisce al 35% delle sue entrate totali. 

Considerando l’aumento delle entrate di Amazon , è plausibile che un efficace sistema di raccomandazioni sia stato integrato in ogni parte del processo di acquisto. Funzionalità come “Consigliato per te”, “Prodotti che potrebbero piacerti” e “Anche i clienti hanno acquistato” utilizzano l’IA per esaminare i dati dei clienti e prevedere i modelli comportamentali al momento dell’acquisto. 


Nel 2021, Amazon ha pubblicato un rapporto in cui spiegava esattamente come hanno utilizzato l’IA per espandere i vantaggi di Prime che hanno attirato più clienti. L’economista Charlie Manzares , senior manager di Amazon, ha condiviso che la sfida fondamentale era identificare il motivo per cui un cliente ha scelto di interrompere il proprio piano Prime o, al contrario, cosa lo ha spinto a mantenerlo. 

” Ad esempio, un membro che si è impegnato con la spedizione Prime e Prime Video ha scelto di rinnovare perché apprezzava molto la spedizione Prime, ma Prime Video meno, o Prime Video altamente e Prime meno la spedizione? Il problema computazionale è generato dall’enorme numero di scelte possibili, che nella letteratura sulla programmazione dinamica è etichettata come la “maledizione della dimensionalità .”—Charlie Manzares, Senior Manager, Amazon 

Per risolvere questo problema, Amazon ha iniziato a utilizzare ” l’apprendimento per rinforzo inverso ” combinato con l’econometria strutturale tradizionale. A differenza dell'”apprendimento per rinforzo”, che tenta di comprendere il comportamento attraverso la sperimentazione, l'”apprendimento per rinforzo inverso” attira funzioni di “ricompensa” o “utilità” a seconda del comportamento del cliente. 

Le informazioni fornite dall’uso di questo metodo hanno aiutato il team di Amazon a capire come i piani di abbonamento Prime si evolvono nel tempo in tandem con le esigenze dei clienti. Li ha anche aiutati a distinguere tra i modelli di acquisto di un consumatore rurale e di un consumatore urbano. 

Informazioni dettagliate sull’approccio creativo di Amazon sono pubblicate in un documento intitolato ” Deep PQR: Solving Inverse Reinforcement Learning using Anchor Actions “, in ICML 2020. 


Magazzino
I magazzini di Amazon impiegano robot basati sull’intelligenza artificiale chiamati “Kiva”, che assomigliano più o meno a Roombas. Le responsabilità di Kiva includono la consegna di scaffali contenenti prodotti ai centri logistici; tracciare il tempo per gli ordini programmati per la spedizione; e organizzare di conseguenza i prodotti programmati per l’imballaggio rapido. Inoltre, l’IA viene utilizzata anche per tenere un conteggio del numero di prodotti presenti nel magazzino Amazon in un dato momento. 


Consegne
Oltre a possedere il proprio servizio di evasione ordini, Amazon collabora anche con altri servizi logistici come UPS, FedEx e United States Postal Service. Per stare al passo con il ritmo frenetico nelle città che hanno assistito a un afflusso di domanda, Amazon ha finalmente iniziato a utilizzare un’app chiamata “Flex”, che assume autisti della gig economy. 

Flex utilizza l’IA per calcolare il numero di conducenti richiesti in una determinata località, in un determinato momento. Aiuta anche i conducenti a determinare se i pacchi da consegnare si adatterebbero a un veicolo misurando il peso dei prodotti e la disposizione che garantirebbe la massima efficienza. Inoltre, l’app è anche in grado di prevedere la quantità di tempo che un autista potrebbe impiegare per completare le consegne, considerando il traffico e altri fattori. Nel caso in cui una consegna non venga completata entro il tempo stimato, Flex è anche attrezzata per analizzare cosa ha causato il ritardo. 

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi