電商是人工智慧應用最早的幾個領域之一。主要包括：

1、雲計算和大資料：雲計算和大資料是人工智慧的基礎構架，也是電商高效運營基礎平臺 。

2 、智慧搜尋引擎：透過智慧搜尋引擎，能及時對客戶需求進行精準畫像，精準推送，精準營銷。

3、智慧客服：電商網站90%以上的客服是由機器人來完成的。

4、智慧物流。從訂單的處理、電子支付，商品倉儲到配送實施智慧化無人化管理。

5、智慧供應鏈管理。 電商未來的方向是新零售，實現線上線下一體化的供應鏈管理。利用大資料、雲計算和深度學習技術，從客戶需求定義、設計、製造、倉儲、配送、售後服務整個供應鏈實行智慧化管理。

在電商或者說延伸到實體，人工智慧主要有五大應用場景：

計算機視覺和模式識別。電商平臺每天都有數百萬張圖片，而透過計算機視覺和模式識別等深度學習技術，將透過對大量影象進行分類和搜尋，在不完整資訊的情況下，自動識別影象和文字中的關鍵要素，為消費者提供個性化和便捷的消費體驗。

消費者分析。由於每個個體消費者的資料量在不斷增加，許多公司推出了基於AI的新一代資料分析平臺，從而徹底改變零售企業的分析能力。透過整合感測器和特徵學習，使得零售商更好地分配營銷支出，識別和培育高價值客戶，最大限度地減少對無利潤客戶的影響。

“碎片化購物”與NLP（自然語言處理）。移動裝置和應用程式的普及，使得越來越多的消費者習慣在碎片化的時間進行線上購物，如何將他們的這一系列瀏覽記錄、消費歷史等分解成數百個碎片化的實時決策，幫助消費者在購物中做出更明智的選擇，對於零售企業而言將變得至關重要。在這一過程中，NLP（自然語言處理）將會發揮非常大的價值。

智慧庫存管理。有部分零售企業已經開始使用人工智慧管理倉庫庫存，如應用基於深層神經網路的尺寸、包裝解決方案，以消費者需求的精準預測來最佳化庫存管理等等。

人機互動與人機合作。人機互動（HCI）的重點是人與計算機之間的介面和通訊，而人機合作（HMC）將是人機互動的下一步，即融合人類的創造力和常識，強化機器的認知。儘管計算機視覺近期取得了大量進展，但要實現更精準的識別，海需要機器和人之間的協作，才能構建用於增強特殊的影象識別解決方案的資料集，從而不斷最佳化機器的影象識別能力。

人工智慧技術在電子商務領域的應用

電子商務領域的人工智慧應用目前集中於計算機視覺，自然語言處理和強化學習：

計算機視覺技術：

在 電子商務平臺 購物的過程中，產品照片的影響至關重要。無論是商家想要藉助演算法去設計產品的海報，還是根據顧客對於產品外觀的品味推薦搭配的產品，計算機視覺技術的應用前景都非常廣闊 。

自然語言處理技術：

在使用者搜尋時，為了更好地讓使用者找到匹配的商品， 電子商務 平臺的搜尋和排序演算法中利用了大量自然語言處理技術來分析搜尋的關鍵詞和產品的文字介紹。尤其是針對突然出現並暢銷的爆款產品，傳統的排序演算法無法快速地作出應對，自然語言技術能夠更好地幫助客戶找到他們想要尋找的商品。

強化學習技術：

電子商務 領域的一個重要指標是轉化率，比如搜尋的轉化 率、頁面瀏覽的轉化率、商品排序的轉化率等，為了提升這些轉化率，不少大的電商平臺已經在藉助強化學習技術來預測使用者針對網頁的反饋行為，從而更好地最佳化搜尋和產品頁面的排序 。

產品搜尋：搜尋是電商領域非常高頻且重要的使用者行為，使用者為了找到心儀的商品，會透過關鍵詞甚至實物圖片進行搜尋，其中關鍵詞搜尋和產品匹配涉及自然語言處理技術，而“以圖搜圖”的產品圖片搜尋依賴於計算機視覺技術；另一方面，在搜尋結果的排序上，如阿里巴巴等大型電商平臺也會基於強化學習技術進行排序的最佳化。個性化的推薦系統：除了搜尋，使用者也會瀏覽網站的頁面去挑選產品，因此電商平臺通常會推出諸如“猜你喜歡”、“相關產品”、或者“別人也在看”這些功能來向顧客推薦更多相關的產品。這些結果都是基於機器學習演算法學習使用者過往的瀏覽和購買行為，個性化地為他們推薦相關的產品。

動態定價：市場的供需關係總是在動態變化，而基於供需關係的定價也會受到影響，電商需要根據實時的庫存、顧客購買的需求之間的平衡進行價格的調整，才能最大化自己的利益。基於這一需求，不少電商平臺會基於機器學習演算法和自身的資料進行動態的產品定價，從而實時針對現在甚至未來的供需關係進行商品價格調整。

欺詐風險控制：電商平臺是信用卡盜刷的重災區，在信用卡普及的歐美市場尤其如此。盜刷者會遞交大量的虛假訂單，然後透過取消退款的方式獲得現金。信用卡盜刷和欺詐對於電商平臺的穩定運作產生惡劣的影響。因此電商平臺也會透過機器學習技術預測和判斷欺詐性的信用卡交易，及時阻止交易發生，從而控制平臺上的風險。

其它場景：由於人工智慧技術在電子商務領域的場景極為複雜，本報告僅基於所選人工智慧技術案例有侷限性的進行了場景劃分，故並不包含人臉識別，活體驗證等熱門應用領域。

阿里巴巴：阿里巴巴自2014 年起開始推出自行研發的以圖搜圖工具“拍立淘“，拍立淘主要被應用在阿里巴巴的國內電商平臺淘寶網和海外電商平臺全球速賣通中，幫助使用者更便捷地透過照片搜尋自己想要找的服裝、配飾等產品，至今已擁有每日數千萬使用者。

Pinterest：Pinterest 於2017 年推出了以圖搜圖引擎Visual Lens，如今每月達到6 億次搜尋。Pinterest 還將Visual Lens 產品化開放給合作的電商品牌，如美國著名零售商Target 就將Visual Lens 整合到自己的電商平臺中，使得顧客可以透過圖片匹配Target 資料庫中的商品。

Stitch Fix: 基於個性化推薦系統的時尚電商，利用使用者的喜好和購買行為資料為使用者提供一對一個性化的優質推薦。Stitch Fix 於2017 年上市，到2018 年12 月市值為18 億美元。

亞馬遜：研究顯示亞馬遜自身以及第三方賣家在亞馬遜線上市場（Amazon Marketplace）中透過演算法實現大量的動態定價。100 件隨機挑選的商品在一年內的價格浮動可達260%，調整的頻率也從五天一次到一天一次不等。對於第三方賣家來說，動態調價能夠幫助他們獲取更多被展現給使用者看、從而獲得更多訂單的機會。

提起人工智慧，大家是不是都認為這種高科技離生活太遙遠？其實，人工智慧早已滲透到日常生活的方方面面。不信？看了我說的這個例子，你可以再細思一下。

日常喜歡在網上買買買的剁手黨朋友們，你有沒有發現淘寶、京東、亞馬遜等這些購物網站好像能夠提前預見到你的需求一樣，總能推薦讓你心動的商品？及時的抓取並記錄你最近經常瀏覽的物品，並以此為依據做系列推送？毫無疑問，這就是人工智慧的日常應用，在你不經意間，記錄並描繪出你的行為軌跡。

透過深層次分析每一位使用者的購買記錄、瀏覽記錄、願望清單等資料，得出可靠性較高的購物偏好、購買能力分析。之後，網站就可以根據每個使用者的購物偏好來做精準營銷，包括送特定型別的優惠券、特殊的打折計劃、有針對性的廣告和商品推薦等等。

再比如新聞推薦、外賣推薦等，也是一樣的情況。現在，還覺得人工智慧離我們生活很遙遠嗎？