Ada Machine Learning di Balik Seikat Bunga

Sebuah perusahaan bunga di AS bisa memberikan rekomendasi bunga berdasarkan preferensi pengguna. Itu adalah sedikit contoh bagaimana Industri retail bisa menghadirkan customer experience yang lebih baik ketika menggunakan machine learning.

Info Komputer - - What's New -

Bunga apa yang pantas diberikan bagi istri yang akan berulang tahun esok hari? Bagi banyak suami, pertanyaan itu mungkin hanya bisa dijawab dengan tatapan kosong dan wajah bingung. Namun jangan khawatir, ada Gwyn yang siap membantu. Cukup mengunjungi alamat https:// www.1800flowers.com/gwyn-1800flowers, Anda bisa berkonsultasi dengan Gwyn. Dia akan menanyakan warna kesukaan sang istri, jenis bunga yang disukai, dan setelah itu memberikan rekomendasi bunga apa yang bisa diberikan kepada sang istri.

Kedengarannya memang simpel, namun ada teknologi yang menarik di balik itu. Gwyn (yang sebenarnya merupakan singkatan dari Gift When You Need) adalah asisten berbasis machine learning. Fungsi Gwyn adalah mengetahui keinginan konsumen untuk kemudian menyajikan bunga yang tepat dari koleksi 16 perusahaan bunga di bawah 1-800-Flowers. com. “Kami menciptakan Gwyn sebagai bagian dari usaha kami meningkatkan customer experience” ungkap Chris McCann, President 1-800-Flowers.com.

Sebagai “asisten” yang bertugas mengulik keinginan konsumen, tugas Gwyn tentu saja tidak mudah. Gwyn harus bisa mengetahui keinginan konsumen berdasarkan medium chatting yang menggunakan natural language manusia. Artinya, Gwyn tidak bisa diprogram menggunakan algoritma standar. Gwyn harus menggunakan pendekatan

machine learning yang bisa mengintepretasikan natural language tersebut menjadi bahasa yang dimengerti mesin.

Untuk menciptakan Gwyn ini sendiri, 1-800-Flowers. com menggunakan solusi IBM Watson Engagement Advisor (WEA). Tidak cuma memahami bahasa manusia, IBM WEA juga membantu Gwyn menemukan konteks berdasarkan berbagai data. Contohnya history data konsumen selama ini, kesukaan mereka, dan juga momen yang sesuai dengan waktu permintaan (seperti menyediakan bunga warna pink menjelang Hari Valentine).

Sedangkan untuk di sisi backend, Gwyn juga memanfaatkan IBM Watson Explorer (WEX) untuk memindai seluruh inventori. Dengan begitu, Gwyn bisa memberikan rekomendasi bunga yang memang tersedia di inventori 1-800-Flowers.com.

Cerita soal Gwyn di atas adalah satu dari kian banyaknya contoh implementasi machine learning di industri retail. Contoh lainnya adalah perusahaan outdoor apparel North Face yang juga memanfaatkan machine learning untuk membantu konsumen memilih produk yang tepat.

Implementasi machine learning pun tidak cuma di sisi pengguna. IBM Watson juga memiliki fitur Order Optimizer yang akan memberikan saran terkait strategi inventori toko retail. Saran itu diberikan setelah menganalisa pola pembelian konsumen, tingkat laku sebuah produk, sampai kondisi cuaca yang mempengaruhi pembelian sebuah produk.

Cara yang sama juga bisa digunakan untuk menyediakan produk yang personal dan menjawab kebutuhan tiap konsumen. Dengan menganalisa social

profile, preferensi personal, sampai tren yang ada saat ini, industri retail bisa memberikan produk yang sesuai berbasis individu. Dengan begitu, setiap konsumen merasa kebutuhannya terpenuhi dan mendapat sentuhan personal dari toko retail tersebut.

Pendek kata, machine learning akan mentransformasi industri retail dalam skala yang luar biasa.

Naskah: WISNU NUGROHO

Newspapers in Indonesian

Newspapers from Indonesia

© PressReader. All rights reserved.