正文
在过去几年中，零售业巨头一直采用机器学习的算法来预测需求和设定价格。
2014
年，
亚马逊
取得了预测库存技术的专利权，并声称有关人工智能、机器学习和个性化定制的技术已
“
有所改善
”
的言论太过轻描淡写。
零售商需要像技术公司一样进行思考，不要仅仅利用人工智能和机器学习去预测如何安排店内库存和制作排班表，更要向消费者动态地进行产品推荐，进行富有吸引力的产品定价。
假设你正在出差，突然意识到自己忘了带手机充电器。为了能在会议开始前用上，你就不得不考虑重新买一个。
在这种情况下，一家电子产品零售商很有可能会预测你还想要一副新耳机。
考虑到你明天晚上还要搭乘航班，它会推荐你购买一副消音耳机，这副耳机兼顾了亚马逊上的定价、
Best Buy
店内的库存量以及快递费用。
为了实现这一层面的预测，技术人员要做到能够从动态的海量数据中识别出微妙的模式。这些数据集包括：消费者的购物历史，产品偏好，购物清单，竞争对手的定价和库存，以及当前和未来的产品需求。
这是人工智能和机器学习发挥作用的地方，也是许多公司正积极投资的领域。
为了提高搜索功能的预测能力，
Etsy
刚收购了一家专攻机器学习的公司，从而向用户呈现存在细微差别的产品推荐，而不单单是基于购买历史或产品偏好。
这是产品推荐的自然演进，也将会成为未来的标准模式。
预测型零售将在不同场景下激发消费者
的购买欲望——
购物前、购物中和购物后。
商业已经逐渐成为日常生活中的有机部分，不再是一种强行买卖。除了智能手机以外，还有很多东西会让我们不由自主地浏览和购买商品；
