机器学习是零售业中最热门的话题之一，从始至终有充分的理由说明了云计算的巨大力量，提供了一个前所未有的个性化机会来提高用户体验。直到最近，机器学习对于零售商来说是一个提高销售的有效工具，但不是必需的。而对于希望跟上消费者不断变化的需求以及市场变化的品牌而言，“迅速”二词将会是他们经常挂在嘴边的。

如果你是一个没有把自己沉浸在机器学习能给你的企业带来的业务的零售商，那么，《机器学习零售革命》这篇论文对机器学习进行了广泛的介绍，并且也有相应的例子，其中包括了如何应用机器学习来提高销售，提供一个超个人的消费者体验，并找到降低成本和加速提供服务的效率。我们也总结了一下几个重点:

监督与非监督

《机器学习零售革命》(密码：s6yt，如果链接失效可访问文章下的原文链接)开篇就介绍了机器学习，从在IBM的理论起源开始，通过当今使用的两种主要类型（监督型与非监督型）。

非监督机器学习使用未标记的数据，例如用户搜索或与web上的广告交互。在云端的支持下，创造了一种个性化层次，而这对人类来说是不可能的。最常见的例子是谷歌的搜索引擎。

监督型机器学习使用标记的数据，观察规律的结果和一组输入来得出一个响应函数，根据这些数据预测结果。 最常见的例子是垃圾邮件过滤器。

机器学习的建议

本篇论文还深入探讨了机器学习可以用于解决零售商最迫切的问题的许多方法，包括定价和营销优化。 通过真实的案例研究，读者可以看到Precima如何利用监督型与非监督型的机器学习为零售商和食品经销商提供有影响的零售和B2B定价建议。 本文还介绍了Precima的计划如何通过数万亿的个性化营销方案有效筛选，以自动生成一系列可最大限度地提高零售商投资回报率的产品。

当今关于机器学习的大部分内容都集中在“深度学习”以及其解决多种复杂问题的能力上。在人工神经网络(ANN)的架构中使用非线性过程层对于希望改进其定价策略的零售商来说无疑是有益的，但这种做法也有其局限性。论文中也提供了一个解释，说明了这些限制是什么，以及为什么零售商的投资需要对规定的分析进行优先排序。

机器学习是一个非常强大的工具，随着传统零售商和在线零售商之间的竞争加剧，传统企业和B2B的组织只能通过将其应用到最充分的地方来达到公平竞争的程度。这是一个令人兴奋的消息，而那些利用现在的投资优势的公司将会在未来取得成功。

本文首发网站：https://www.ait800.com/jiqixuexi/203.html