欢迎阅读“MongoDB 和 AI 赋能行业应用”系列的第三篇。 本系列重点先容 AI 应用于差异行业的关键用例，涵盖制造业和汽车行业、金融服务、零售、电信和媒体、保险以及医疗保健行业。
利用生成式 AI 技术（Gen AI），零售商可以创造新的产物和服务，确定并实行追加销售策略，根据市场情况生成营销材料，并提拔客户体验。AI 最有创意的用途之一是帮助零售商相识顾客的需求和选择，这些需求和选择会随着季候、趋势和社会经济的变革而不停变革。通过分析客户数据和行为，AI 还能根据个人喜好创建个性化产物推荐、定制营销材料和独特的购物体验。
AI 在零售企业的决议中发挥着至关重要的作用；设计、定价、需求预测和分销策略等产物决议必要对来自整个组织的大量信息举行复杂的理解。为了确保在精确的时间、精确的地点提供精确数目的精确产物，配景团队利用了机器学习算法。
随着技术的进步和采用 AI 门槛的低落，零售商正在转向数据驱动决议，及时利用 AI。Gen AI 能用于整合信息，并提供可立即用于整个企业的重要看法。
AI 加强搜刮和向量检索
现代零售业是以客户为中央的行业，客户在购买产物时拥有比以往更多的选择。为了留住并扩大客户群，零售商正努力为客户提供极具吸引力的个性化体验。要做到这一点，就必须捕捉顾客的大量数据，如他们的购买模式、爱好和互动，并迅速利用这些数据做出复杂的决议。 搜刮是电子商务体验中的关键互动之一。通过全文搜刮引擎，客户可以轻松找到与其搜刮相匹配的商品，零售商可以对这些结果举行排序，从而为客户提供最佳选择。在从前的个性化迭代中，怎样以个性化方式对搜刮结果举行排序，是通过从各种运营系统中获取数据对客户举行细分，然后将全部数据转移到数据堆栈中，再在数据上运行机器学习算法。通常情况下，这种算法会每 24 小时或几天禀批运行一次，这样客户下次登录时就能得到个性化体验。然而，这并不能及时捕捉客户的意图，因为客户的意图会随着客户网络更多信息而不停变革。 现在，现代零售商通过及时相应数据和 AI 算法的分析来优化搜刮排名。现在还可以将当前购物车/购物篮、客户点击流或购物者的购买趋势等因素纳入此中。
●真正相识客户的第一步是建立一个客户数据平台，将来自差异系统和企业孤岛的数据结合起来：客服、电子商务生意业务、店内互动、愿望清单、评论等。MongoDB灵活的文档模型答应轻松组合差异类型和格式的数据，并支持嵌入子文档，通过一条数据就可以得到清楚的客户视图。随着零售商捕捉到更多有关客户的数据点，还可以随时添加字段，无需停机。
●其次，MongoDB能够及时运行分析，而无需在额外的系统中举行追溯。MongoDB 的架构答应工作负载隔离，这意味着运营工作负载（支持客户操作）和分析或 AI 工作负载（计算最佳报价）可以同时运行，而不会彼此卡点。除此之外，使用 MongoDB 的聚合框架举行高级分析查询，或及时触发 AI 模型，给出可及时嵌入搜刮排名的答案。
●末了，通过使用 MongoDB，还能轻松更新搜刮索引，将 AI 加强功能纳入此中。由于MongoDB 内置了搜刮功能，因此整个流程可以在一个数据平台中完成——随着数据颠末了 AI 加强，搜刮索引也会同步匹配。 MongoDB的向量搜刮让搜刮迎来了新的时代。通过使用 LLM 为每个产物创建向量嵌入，并打开向量索引，零售商就可以为客户提供语义搜刮。AI 将在向量空间中计算商品之间的相似性，并为客户提供一组符合其真实需求的独特结果。
AI 加强型搜刮引擎的架构，MongoDB 的差异组件和 Databricks 组合举行数据清算和预备、商品评分、动态定价和向量检索。
通常，零售商要么通过在本地开发传统的机器学习模型来举行需求预测，要么购买专门设计的产物，为需求预测和预测提供跨细分市场的洞察力。自制系统必要大量的数据和机器学习实行基础设施，以及专门的技术知识来开发、管理和维护它们。通常情况下，这些系统必要不停维护，以确保最佳性能并为企业提供价值。
Gen AI 通过进步预测的准确性和粒度，已经为零售商的需求预测提供了多种解决方案。一方面，利用大型语言模型（LLM）举行检索加强生成，使零售商能够生成具体的产物需求，并深入挖掘产物种别和店肆级别，这不仅简化了配送流程，另有助于在门店层面更有针对性地满意客户需求。另一方面，在需求预测中融入 AI 技术，不仅能优化库存管理，还能促进零售业采用更加动态和以客户为中央的方法。 Gen AI 可用于准确预测产物需求、优化/协调生产筹划以及确保堆栈或配送中央有足够的库存程度，从而进步供应链效率，具体工作包括：
●搜集所必要的全部数据，包括汗青销售数据、客户订单以及当前的多渠道销售数据和趋势，这些信息还可以与外部数据集整合，例如可能影响需求的气候和事件。
●将数据整合到一个操作数据层中，并对其举行清算，这样可以低落错误率。通过特性工程提取季候性、促销影响和一样寻常经济指标。
●采用检索加强生成模型来改进需求预测，制止出现幻觉。利用汗青数据中的雷同数据集来训练和微调模型，以进步准确性。
这些工作可带来商业长处，包括进步需求预测的精确性、优化产物和供应规划、进步效率以及进步客户满意度。
在整个零售行业，AI 让管理者和消耗者对交互有了更多期待。无论您是杂货店、电子商务网站还是零售团体的客户，AI 已经开始并将继续改变和提拔您与企业的业务往来方式。对于全球最重要的零售商来说，AI 创造了各种时机，可以最大限度地低落风险和敲诈行为，完善用户体验，并使公司制止浪费人力和资源。 从创建到发布的全过程，MongoDB 可确保 AI 应用以准确的运营数据为基础，并提供开发职员和消耗者所要求的可扩展性、安全性和性能。
以上是本篇的全部内容
在本系列的下一篇文章中
我们将讨论 MongoDB + AI
在金融服务行业的应用
阿里云 MongoDB
