不过他们还是把宝押在了AI上，认为AI能帮助消费者实现个性化的购物体验。
2017年，印度本土电商公司Flipkart启动了一项名为“AI?for India”的计划，专为各种电销问题提供解决方案，包括读取复杂地址和捕获地址欺骗等。Flipkart旗下时尚品牌Myntra经营着两个由AI驱动的品牌，即Moda Rapido和 Here and Now。
总部位于德里的Paytm共有2.25亿用户，而每个用户所看到的主页都不尽相同，因为都经过了个性化的二次排版，同时该平台每秒推送20,000条建议，每次推送费时不到20毫秒。
尽管印度各大公司已经投入了不少资金，但在为消费者带来更加个性化的购物体验方面还没有取得很大的突破。
“大家都在搞这个（AI），但具体质量有着很大的差别，”美国在线教育平台Udacity的印度董事总经理Ishan Gupta说道，“像聊天机器人这种简单的应用程序很多，但是通过数据科学来提供更好的解决方案在印度还是个新鲜事儿。”
到底哪里出了问题？
如果在印度的电商门户网站上搜索“黑色亮片上衣”，出来的结果要么是黑色但没亮片的上衣，要么是带亮片但颜色各异的上衣，甚至可能是一些不相关的东西。即使在上面找到了自己想要的东西，你也可能被虚假评论蒙蔽双眼，从而买到假冒伪劣产品。
有专家说之所以会出现这种局面，是因为电商公司运用人工智能的方式太过稚嫩。Turing Analytics（一家为电商网站提供图片搜索和产品推荐解决方案的公司）的联合创始人兼首席执行官Aditya Patadia表示：“大多数企业都无法利用数据点来构建可以取悦消费者的解决方案。”
此外，这些门户收集数据的质量不达标。“AI算法的质量和其可获取的数据量成正相关，”个性化全渠道营销服务公司Dynamic Yield的印度区域经理Shivangi Tripathi说。
即使是印度的电商大户，也几乎不可能从私有机构甚至政府那里找到公开的大型数据集。Infinite Analytics（一家专为HealthKart和 Tata Cliq等电商企业提供个性化解决方案的公司）的联合创始人Akash Bhatia认为，电商数据的生态系统仍然过于分散，还不够和谐。
“大多数公司都在根据自己的数据库闭门造车。”Bhatia说。消除这种信息孤岛在很大程度上能帮助各个公司整合最终客户的各种相关信息，从“他们吃什么、喜欢什么音乐，到他们是否偏好旅行等等。”Bhatia补充道。
即便以这种方式完成了数据收集，让AI把相关信息联系起来也是一项艰巨的任务。比如AI需要确定Facebook上的用户与在Big Bazaar交易的人是否为同一个，而这个过程仍然有待提高。
印度的很多电商企业都在朝着这个方向提高自己的AI技术。
新手入门
Flipkart旗下的时尚产品门户网站Myntra和 Jabong已经开始使用大数据来对时尚行业的各个方面进行深入分析了。Myntra的首席技术官Jeyandran Venugopal向 Quartz透露说：“从需求预测、供应链优化、个性化和推荐系统到客服系统，我们都使用人工智能。”Myntra不仅将人工智能用到了其内部品牌的设计上，还将其应用到了产品定价上。
为了将浏览网站的人转化为消费者，电商平台会根据AI算法进行个性化的产品推荐。机器学习（让计算机执行任务）、深度学习（分析非结构化数据）和自然语言处理（使用计算分析人类语言）在推荐过程中发挥着重要作用。
图片搜索也是实现个性化体验的工具之一。“它就像一个虚拟的售货员，可以帮客户找到所中意产品的同款或相似款。” 印度图灵分析公司Turing Analytics的 Patadia说。Turing Analytics使用机器学习为零售商开发提供可视化搜索解决方案，公司的客户众多，包括电商平台fbbOnline。
为了创建、训练和维护高效的机器学习过程，印度的电商企业也需要更多人工智能方面的人才，一场严重的人力危机也即将到来。
人才不够
联合国的一份报告中显示，尽管印度的STEM（科学、技术、工程和数学相关专业）毕业生在全球占比最高，但该国仍然严重缺乏人工智能方面的人才。
“在印度，这一领域中经验丰富的人才极度短缺，而国内绝大多数大学也没有能力在未来几年内解决这个问题。”Patadia说，“（硅谷）拥有大量满足条件且可供各大公司支配的人才，他们很轻松就能从当地大学招到已经对数据分析和机器学习进行了深入研究的应届毕业生。在这一点上我们差距太大了，而且很难解决。”
就算能招到人，而他们的水平往往又不达标。大多数从事数据相关工作的人都标榜自己是数据科学专业人士，然而事实并非如此。在印度从事数据科学相关工作的人群中，超过一半的人仅持有学士学位。而在美国的这类专业人士中，有近三分之二的人拥有硕士学位或博士学位。
Infinite Analytics的 Bhatia在谈到该行业的招聘困境时说：“应聘者参差不齐，很难做到去芜存菁。”他的公司仅在印度招聘了少数销售人员，产品开发全都在波士顿麻省理工学院的校园外进行。这家初创公司的诞生地就在麻省理工，是在2012年作为MBA项目推出的。由于印度人才匮乏，Infinite Analytics基本上还在从麻省理工学院和哈佛大学聘请数据科学家。
Flipkart的部分人工智能员工来自Palo Alto，而Paytm也将其数据分析和欺诈检测外包给了其在加拿大的团队。
此外，即使是训练有素的数据科学家，如果他们不能随着新技术的出现而不断自我提升，那么很快也会被行业淘汰。尤其是在零售业这种创新速度极快的行业里。专家称，人工智能和大数据领域中的许多岗位在五年前甚至都不存在。
Myntra的 Venugopal表示，“行业生态系统可以在产学合作方面进行更广泛、更深入甚至更大规模的投资，”并提到Myntra已经在印度和国外建立了学术伙伴关系。
除了数据处理和员工招聘的难题外，电商企业还需要花费大量计算资源来存储和分析大量数据。企业在实施人工智能计划的最初阶段，最重要的就是要有耐心。
“我们必须明白，人工智能和机器学习这两个领域是纯粹的研究领域，而研究成果可能需要几个月甚至几年的时间才能得到，”Patadia说道，“如果能够下定决心做出成绩，企业就可以在这些极具影响潜力的领域有所建树。”
本文来源：36氪
相关文章 》》》