共计 3080 个字符，预计需要花费 8 分钟才能阅读完成。
2002 年，Target 聘请了统计学家 Andrew Pole。他的任务是进行预测分析——一种通过观察数据趋势进行预测的统计数据——来帮助零售巨头向某些人群推销某些产品。在这方面，Pole 的首要任务是确定孕妇——特别是孕中期妇女。
正如 Target 的营销团队所解释的那样，新生儿的父母是非常有价值的客户。哪怕是之前没有买过尿布，婴儿服装这种东西，当他们有孩子时，他们的品牌观念也会变化。由于需要采购东西较多，新父母很容易疲累，所以他们更倾向于在一个地方买到所有可能需要的东西。而 Target 希望成为这样的地方。
“我们知道，如果我们能够在宝宝只有两三个月的时候就确定用户，那么我们很有可能拥有这样的用户很多年，”Pole 告诉纽约时报。“一旦我们让他们从我们这里购买尿布，他们便会在这里购买其他所有的东西。如果你正在一个商店里扫货，寻找瓶装饮料，当你经过橙汁，然后你就会拿上一盒。对了，还有我想要的新 DVD。很快，你将会在我们这买谷物和纸巾，并且很有可能一直是回头客。”
虽然其他公司使用公开的出生记录来确定分娩后的潜在客户，但是 Target 希望通过识别怀孕期间的女性来获得竞争优势。
Pole 跟他的同事研究了购物数据，并且确定了孕妇倾向购买的 25 种产品——如孕妇装，无味乳液和产前维生素。在查明那些用户购买了这些产品（商家使用访客 ID 号码跟踪购买）之后，Target 为客户分配了一个“怀孕预测”分数，既可以准确预测女性是否怀孕，也可以估计她的分娩日期，这就到量身定制营销计划的时候了。
人类与技术发展都是这样，没什么事是一帆风顺的。
据泰晤士报报道，明尼苏达州的一名男子走进当地的 Target 分部，并要求见经理。
“我的女儿收到了你们公司的邮件，”据报道，该男子一边说一边展示着 Target 的宣传小册子。“她还在上高中，而且你要寄婴儿衣服跟婴儿车的优惠卷给她，你们这是想鼓励她怀孕吗？”
优惠卷上清清楚楚得写着是给该男子十几岁的女儿的，但是经理也是一头雾水，但他只能一直道歉。过了几天后，经理打电话给该男子再次道歉，但是突然那个男子向他道歉。据了解，该男子与他的女儿交流时发现她确实将在八月份分娩，而 Target 公司的预测时间就在优惠卷上，基本一致。
尽管如此，但是这种数据采集方式还是让人毛骨悚然。怀孕是一个私人问题，顾客一般是不喜欢自己被监视的，因此零售商们决定是定位更加精确。Target 没有直接向准妈妈推荐婴儿产品（因此也提高了她们的怀疑），而是策略性地将婴儿产品广告放在其他随机产品的旁边——如酒杯或者割草机。
从技术的角度来看，零售方面使用的技术已经发生了很大的变化。客户数据依然扮演者很大的角色，这跟 2002 年的时候几乎一样。但是除了预测分析之外，Target 现在依靠机器学习来分析购物的习惯，从而优化供应链并且为客户提供个性化的服务。
“在 Target，我们的目标是通过广泛应用数据的技术让购物更有趣，更贴近我们的客人——相信我，我们拥有大量数据！”零售商在一篇关于机器学习的博客文章中吹嘘自己。“数以千万计的客人和数十万件物品导致了数十亿的交易和互动。”
虽然预测分析需要人类找到数据的统计趋势，但机器学习是人工智能（AI）的一个子集，它是指使用计算机算法来查找数据趋势。然后，计算机可以根据这些趋势（或模式）自主地进行预测——有效地“学习”而无需为明确的任务编程。
部署机器学习的两个主要领域包括文本翻译和图像识别。例如在图像识别领域，它也可以用于识别热狗。
但这项技术的应用远不止婴儿用品和法兰克福香肠（两者都是 Target 销售的）。许多其他公司使用它来优化和将经过验证的零售实践自动化，例如 SKU 分类，产品推荐，情绪分析，欺诈检测，价格预测，个性化优惠等。
了解这些企业如何利用机器学习来开展零售游戏。
沃尔玛
公司所在地点：阿肯色州本顿维尔
它是如何利用机器学习的：沃尔玛使用在线机器学习来优化交付路线，提供更快的结账，匹配产品目录中的产品，并根据用户的浏览历史推荐产品。除了数据分析，机器学习还用于向在线购物者展示有针对性的广告。
亚马逊
公司所在地点：华盛顿州
它是如何利用机器学习的：作为全球最大的在线零售商，亚马逊可以访问大量客户数据。通过将机器学习应用于该数据，它可以预测对某些产品的需求，识别欺诈性购买并提供定制的产品推荐和促销。除零售外，机器学习是亚马逊智能 AI 助手 Alexa 及其亚马逊网络服务（AWS）云计算服务的推动力。
ASOS
公司所在地点：英国伦敦
它是如何利用机器学习的：Asos 是一个在线时尚商店，它拥有大量的服装产品——在任何给定时间约 85,000 件。这就是为什么它依赖于机器学习的图像识别功能来描述每个项目的属性。Asos 还使用机器学习来跟踪客户的购物习惯，并为他们分配客户生命周期价值（CLTV），预测未来几年他们可能会花多少钱购买 Asos 产品。
THE NORTH FACE
公司所在地点：加利福利亚州
它是如何利用机器学习的：2015 年，The North Face 与 IBM 合作，将古老的计算机巨头 Watson AI 系统引入其网站。Watson（你可能还记得，击败了 Jeopardy！这款游戏的王者 Champ Ken Jennings）像是一个人类的导购，引导 North Face 客户选择合适的产品。Watson 的自然语言处理能力和会话界面使得这个过程很像与另一个人交谈。
MACY’S
公司所在地点：俄亥俄州辛辛那提市
它是如何利用机器学习的：像 The North Face 一样，Macy 也与 IBM 合作，将 Watson 用于 Macy 的 On Call。该功能允许客户在 MACY’S 百货的移动网站上提问，并接收每个实体店独有的信息。需要找到男士运动鞋或洗手间？MACY’S 的 On Call 可以提供帮助。
软银机器人
公司所在地点：日本东京
它是如何利用机器学习的：软银机器人是 Pepper 的母公司，Pepper 是一个由人工智能和机器学习驱动的人形机器人。虽然 Pepper 有很多用途，但该公司认为它对零售业特别有用。鉴于此，Pepper 驻扎在旧金山韦斯特菲尔德等商场，在那里执行客户服务任务，如指示，回答问题和娱乐购物者。
美国鹰牌服饰
公司所在地点：宾夕法尼亚州匹兹堡
它是如何利用机器学习的：美国鹰牌服饰与图像识别创业公司 Slyce 合作，在其移动应用程序中创建一个视觉搜索引擎，让购物者可以使用手机的相机找到特定的服装项目或类似物品，他甚至推荐配件。
机器学习在零售业中的未来
虽然机器学习在许多零售应用程序中都有应用，但是零售商们始终认为个性化——即购物者在微观层面获得定制体验是最重要的，因为这对他们实际增长用户以及扩展在线产品尤其重要。
Neiman Marcus 集团总裁兼首席执行官 Karen Katz 表示，“融合技术与个性化的触感才是卓越的用户体验。”“我认为能够将技术驱动的个性化与人类结合起来的人将成为这个世界的赢家。
以亚马逊为例，约有 35%的销售额来自针对每位购物者量身定制的机器学习驱动的产品推荐。正如一项研究所得出的结论，一个能够将客户的数字购物体验个性化的品牌才会拥有相当多的回头客。
像 Katz 这样的零售老板深谙此道，他们正在接受个性化带来的革命。
“今天的智能零售商正在进入购物体验的新时代，将人性化和技术相结合，以提供更加量身定制的消费体验，”Mindtree 高级副总裁 Guita Blake 表示。
Macy’s 的执行主席特里伦德格伦也认同这个观点。“现在，有关个性化的模式正刚刚起步，”他告诉福布斯。“这一切都与消费者有关。“
“我们正在尽我们所能，直接与消费者联系，让购物更方便他们。”
