機器學習是零售業中最熱門的話題之一，從始至終有充分的理由說明了雲計算的巨大力量，提供了一個前所未有的個性化機會來提高用戶體驗。直到最近，機器學習對於零售商來說是一個提高銷售的有效工具，但不是必需的。而對於希望跟上消費者不斷變化的需求以及市場變化的品牌而言，“迅速”二詞將會是他們經常掛在嘴邊的。

如果你是一個沒有把自己沉浸在機器學習能給你的企業帶來的業務的零售商，那麼，《機器學習零售革命》這篇論文對機器學習進行了廣泛的介紹，並且也有相應的例子，其中包括瞭如何應用機器學習來提高銷售，提供一個超個人的消費者體驗，並找到降低成本和加速提供服務的效率。我們也總結了一下幾個重點:

監督與非監督

《機器學習零售革命》(密碼：s6yt，如果鏈接失效可訪問文章下的原文鏈接)開篇就介紹了機器學習，從在IBM的理論起源開始，通過當今使用的兩種主要類型（監督型與非監督型）。

非監督機器學習使用未標記的數據，例如用戶搜索或與web上的廣告交互。在雲端的支持下，創造了一種個性化層次，而這對人類來說是不可能的。最常見的例子是谷歌的搜索引擎。

監督型機器學習使用標記的數據，觀察規律的結果和一組輸入來得出一個響應函數，根據這些數據預測結果。 最常見的例子是垃圾郵件過濾器。

機器學習的建議

本篇論文還深入探討了機器學習可以用於解決零售商最迫切的問題的許多方法，包括定價和營銷優化。 通過真實的案例研究，讀者可以看到Precima如何利用監督型與非監督型的機器學習爲零售商和食品經銷商提供有影響的零售和B2B定價建議。 本文還介紹了Precima的計劃如何通過數萬億的個性化營銷方案有效篩選，以自動生成一系列可最大限度地提高零售商投資回報率的產品。

當今關於機器學習的大部分內容都集中在“深度學習”以及其解決多種複雜問題的能力上。在人工神經網絡(ANN)的架構中使用非線性過程層對於希望改進其定價策略的零售商來說無疑是有益的，但這種做法也有其侷限性。論文中也提供了一個解釋，說明了這些限制是什麼，以及爲什麼零售商的投資需要對規定的分析進行優先排序。

機器學習是一個非常強大的工具，隨着傳統零售商和在線零售商之間的競爭加劇，傳統企業和B2B的組織只能通過將其應用到最充分的地方來達到公平競爭的程度。這是一個令人興奮的消息，而那些利用現在的投資優勢的公司將會在未來取得成功。

本文首發網站：https://www.ait800.com/jiqixuexi/203.html