กูเกิล คลาวด์ (Google Cloud) เปิดตัวนวัตกรรมปัญญาประดิษย์ (AI) ใหม่สำหรับผู้ค้าปลีกที่ผสานเทคโนโลยีเข้ากับแพลตฟอร์ม ai.RETAIL ของ Accenture…
highlight
- ปัญญาประดิษย์ (AI) สำหรับตรวจสอบชั้นวางสินค้าสุดล้ำสมัยที่ได้นำระบบตรวจจับการรับรู้ของ กูเกิล (Google) ซึ่งมีในผลิตภัณฑ์หลายพันล้านรายการ มาใช้
- ฟีเจอร์ใหม่ของ กูเกิล คลาวด์ Discovery AI ที่ออกแบบมา เพื่อสนับสนุนเว็บไซต์อีคอมเมิร์ซ พร้อมด้วยความสามารถในการท่องเว็บที่ทันสมัย ประสบการณ์การช้อปปิ้งในแบบของคุณ และการนำเสนอผลิตภัณฑ์ที่ดียิ่งขึ้น
- กูเกิล คลาวด์ และ Accenture จะนำเทคโนโลยี กูเกิล คลาวด์ ที่ดีที่สุดมาสู่ ai.RETAIL และจะร่วมมือกันริเริ่มโครงการใหม่ ๆ เพื่อช่วยผู้ค้าปลีกปรับปรุงพัฒนาร้านค้าของตนให้ทันสมัย
Google Cloud เปิดตัวนวัตกรรม AI ใหม่สำหรับผู้ค้าปลีก
ล่าสุด กูเกิล คลาวด์ เปิดตัวนวัตกรรมปัญญาประดิษฐ์ (AI) ใหม่สี่รายการ เพื่อช่วยให้ผู้ค้าปลีกสามารถเปลี่ยนกระบวนการตรวจสอบชั้นวางสินค้าในร้านค้า และปรับปรุงเว็บไซต์อีคอมเมิร์ซด้วยประสบการณ์การช้อปปิ้งออนไลน์ที่ลื่นไหล และเป็นธรรมชาติให้แก่ผู้ใช้งาน
โดย กูเกิล คลาวด์ ได้ประกาศความคิดริเริ่มนี้ร่วมกับ เอคเซนเชอร์ (Accenture) เพื่อช่วยให้ผู้ค้าปลีกยกระดับธุรกิจของตนให้ทันสมัย และใช้ประโยชน์จากเทคโนโลยีคลาวด์ รวมถึงผสมผสานเชิงลึกกับแพลตฟอร์ม ai.RETAIL ของ เอคเซนเชอร์ ที่ได้รับการยอมรับอย่างแพร่หลายอีกด้วย

เอพริล ศรีวิกรม์ ผู้จัดการประจำประเทศไทยของ กูเกิล คลาวด์ กล่าวว่า การเปลี่ยนแปลงครั้งใหญ่ในช่วงไม่กี่ปีที่ผ่านมาได้เปลี่ยนโฉมหน้าวงการค้าปลีก ขณะที่ผู้ค้าปลีกไทยก็กำลังมองหา วิธีใหม่ ๆ ที่มีประสิทธิภาพมากขึ้น ดึงดูดใจผู้ซื้อมากขึ้น และมีความเสี่ยงน้อยลงที่จะถูกดิสรัพท์จากเหตุการณ์ไม่คาดฝันในอนาคต
ดังนั้น ผู้นำแห่งอนาคต จึงเป็นผู้ที่สามารถรับมือกับ ความท้าทายของร้านค้า และออนไลน์ที่เร่งด่วนที่สุดในปัจจุบัน ได้ ด้วยเครื่องมือ AI ใหม่ล่าสุด ซึ่งการทำงานร่วมกับ เอคเซนเชอร์ จะช่วยให้ผู้ค้าปลีกในท้องถิ่นปรับใช้โซลูชันแบบบูรณาการที่ขยายประโยชน์ที่แท้จริงของ AI ได้อย่างรวดเร็ว
เพื่อให้พวกเขาสามารถเข้าใจธุรกิจแบบองค์รวมข้ามขอบเขตการทำงาน ตลอดจนปรับข้อเสนอ และการดำเนินงานให้เหมาะสมอย่างต่อเนื่อง รวมถึงสร้างการเติบโตในสภาพแวดล้อมการค้าปลีกที่ซับซ้อนได้อย่างเต็มประสิทธิภาพ
AI การตรวจสอบชั้นวางสินค้าใหม่ ช่วยให้ผู้ค้าปลีกปรับปรุงพัฒนาความพร้อมของผลิตภัณฑ์
การที่นักช้อปไม่พบสินค้าตามต้องการ และเลือกไปที่ร้านค้าคู่แข่ง ถือเป็นสู่การสูญเสียยอดขาย และความภักดีต่อแบรนด์ในระยะยาว ดังนั้นการแก้ปัญหาสินค้าคงคลังบนชั้นวางในร้านค้าที่เหลือจำนวนน้อยหรือไม่มีเลย ยังคงเป็นสิ่งสำคัญอันดับแรก โดยผู้ค้าปลีกได้ลองใช้เทคโนโลยีการตรวจสอบชั้นวางที่แตกต่างกันเป็นเวลาหลายปี
แต่ประสิทธิภาพของเทคโนโลยีเหล่านั้นยังถูกจำกัดด้วยทรัพยากรที่จำเป็นในการสร้างแบบจำลอง AI ที่เชื่อถือได้ เพื่อตรวจจับ และแยกแยะผลิตภัณฑ์ ตั้งแต่แยม และเยลลี่รสชาติหลากหลาย ไปจนถึงแปรงสีฟันประเภทต่าง ๆ
โซลูชันการตรวจสอบชั้นวางสินค้าแบบใหม่ที่ขับเคลื่อนด้วย AI ของ กูเกิล คลาวด์ พร้อมแล้วที่จะช่วยให้ผู้ค้าปลีกทั่วโลกปรับปรุงความพร้อมจำหน่ายสินค้าบนชั้นวาง สร้างการมองเห็นที่ดีขึ้น และช่วยแจ้งเตือนว่าจำเป็นต้องเติมสต็อกเมื่อใดนอกจากนี้ AI สำหรับตรวจสอบชั้นวางสินค้า ซึ่งสร้างขึ้นบน Vertex AI Vision

ของ กูเกิล คลาวด์ และขับเคลื่อนโดยโมเดลแมชชีนเลิร์นนิง (ML) สองรุ่น ได้แก่ ตัวจำแนกผลิตภัณฑ์และตัวจำแนกแท็ก จะช่วยให้ผู้ค้าปลีกสามารถระบุผลิตภัณฑ์ทุกประเภทในจำนวนมาก ๆ ได้ โดยอิงตามลักษณะภาพและข้อความของผลิตภัณฑ์ พร้อมทั้งแปลงข้อมูลนั้นเป็นข้อมูลเชิงลึกที่นำไปปฏิบัติได้
ผู้ค้าปลีกจะไม่ต้องเสียเวลา ไม่ต้องลงแรง และลงทุนในการรวบรวมข้อมูล และฝึกอบรมโมเดล AI ของตนเองอีกต่อไป การใช้ประโยชน์จากฐานข้อมูลที่มีเอนทิตี ที่ไม่ซ้ำกันหลายพันล้านรายการของ Google ทำให้ AI สำหรับตรวจสอบชั้นวางของ กูเกิล คลาวด์ สามารถระบุผลิตภัณฑ์จากรูปภาพประเภทต่าง ๆ ที่ถ่ายในมุม และจุดได้เปรียบ
ที่แตกต่างกัน ซึ่งเป็นงานที่ยากเป็นพิเศษ ผู้ค้าปลีกจึงมีความยืดหยุ่นสูงในการจัดหาประเภทของภาพที่พวกเขาต้องการส่งให้ AI นี้ทำการตรวจสอบชั้นวางสินค้า ตัวอย่างเช่น ผู้ค้าปลีกสามารถใช้ภาพจากกล้องติดเพดาน โทรศัพท์มือถือของผู้ร่วมงาน หรือหุ่นยนต์ที่สัญจรไปมาในร้านค้า เพื่อทำหน้าที่ตรวจสอบชั้นวางสินค้า
เทคโนโลยีนี้คาดว่าจะวางจำหน่ายแก่ผู้ค้าปลีกทั่วโลกได้ในอีกไม่กี่เดือนข้างหน้า ที่สำคัญกว่านั้น ภาพ และข้อมูลของผู้ค้าปลีกจะยังคงเป็นของตนเอง และ AI จะนำข้อมูลเหล่านี้มาใช้สำหรับการระบุผลิตภัณฑ์ และป้ายราคาเท่านั้น
AI เปลี่ยนประสบการณ์การช้อปปิ้งผ่านหน้าต่างดิจิทัล
เพราะผู้คนไม่เคยรู้ว่าพวกเขาต้องการอะไร นั่นจึงเป็นเหตุผลที่พวกเขาเลือกซื้อสินค้าผ่านหน้าต่างหรือเรียกดูผ่านเว็บไซต์ต่าง ๆ เพื่อค้นหาแรงบันดาลใจ ดังนั้นเพื่อช่วยให้ผู้ค้าปลีกสร้างประสบการณ์การเรียกดูออนไลน์ และการค้นหาผลิตภัณฑ์ที่เป็นธรรมชาติ และตอบสนองความต้องการของผู้ซื้อมากขึ้น กูเกิล คลาวด์ ได้เปิดตัวฟีเจอร์
การเรียกดูที่ขับเคลื่อนด้วย AI ใหม่ในโซลูชัน Discovery AI สำหรับผู้ค้าปลีก ความสามารถนี้ใช้ ML เพื่อเพิ่มประสิทธิภาพการสั่งซื้อสินค้า (เช่น สินค้าใดที่ผู้ซื้อเห็นก่อน) บนเว็บไซต์อีคอมเมิร์ซของผู้ค้าปลีก เมื่อผู้ซื้อเลือกหมวดหมู่ เช่น “แจ็คเก็ตสตรี“ หรือ “เครื่องครัว“
เมื่อเวลาผ่านไป AI จะเรียนรู้การสั่งซื้อสินค้าที่เหมาะสมที่สุดสำหรับแต่ละหน้าในเว็บไซต์อีคอมเมิร์ซ โดยใช้ข้อมูลย้อนหลัง ปรับวิธีการ และผลิตภัณฑ์ที่แสดงให้เหมาะสม เพื่อความถูกต้อง ความเกี่ยวข้อง และแนวโน้มที่จะถูกซื้อ ฟีเจอร์นี้สามารถใช้กับหน้าเว็บไซต์อีคอมเมิร์ซได้หลากหลาย
ตั้งแต่เรียกดูแบรนด์ และหน้า Landing Page ไปจนถึงหน้าการนำทาง และคอลเลคชัน ในอดีต เว็บไซต์อีคอมเมิร์ซได้จัดเรียงผลลัพธ์ผลิตภัณฑ์ตามรายการสินค้าขายดีของหมวดหมู่หรือกฎที่เขียนขึ้นโดยมนุษย์ เช่น การกำหนดเสื้อผ้าที่จะเน้นตามฤดูกาลด้วยตนเอง แต่เทคโนโลยีการเรียกดูนี้จะใช้วิธีการใหม่ทั้งหมดผ่านการดูแลจัดการ
ด้วยตนเอง เรียนรู้จากประสบการณ์ และปราศจากการแทรกแซงด้วยตนเอง ซึ่งนอกจากจะช่วยเพิ่มรายได้ต่อการเข้าชมแล้ว ยังช่วยให้ผู้ค้าปลีกประหยัดเวลา และค่าใช้จ่ายในการดูแลจัดการหน้าร้านอีคอมเมิร์ซหลายหน้าด้วยตนเองอีกด้วย ขณะนี้ เครื่องมือใหม่นี้พร้อมรองรับ 72 ภาษา และมีให้บริการสำหรับผู้ค้าปลีกทั่วโลกเป็นที่เรียบร้อยแล้ว

การค้นหา และผลการค้นหาที่เป็นส่วนตัวมากขึ้นด้วย ML
การวิจัยที่จัดทำโดย กูเกิล คลาวด์ พบว่า 75% ของผู้ซื้อชอบแบรนด์ที่มีการโต้ตอบ และการเข้าถึงที่เป็นส่วนตัว เพื่อช่วยให้ผู้ค้าปลีกสร้างประสบการณ์การช้อปปิ้งออนไลน์ที่ลื่นไหล และเป็นธรรมชาติมากขึ้น กูเกิล คลาวด์ ได้เปิดตัวความสามารถในการปรับแต่งส่วนบุคคลที่ขับเคลื่อนด้วย AI
ซึ่งจะปรับแต่งผลลัพธ์ที่ลูกค้าได้รับเมื่อพวกเขาค้นหา และเรียกดูเว็บไซต์ของผู้ค้าปลีก เทคโนโลยีนี้เพิ่มขีดความสามารถของฟีเจอร์การเรียกดูใหม่ของ กูเกิล คลาวด์ และ โซลูชัน Retail Search
โดย เทคโนโลยีปัญญาประดิษย์ (AI) ที่ใช้สนับสนุนมีความสามารถในการปรับแต่งใหม่ คือ ตัวจดจำรูปแบบผลิตภัณฑ์ที่นำพฤติกรรมของลูกค้าบนเว็บไซต์อีคอมเมิร์ซ เช่น การคลิก ตะกร้าสินค้า การซื้อ และข้อมูลอื่น ๆ มาใช้กำหนดรสนิยม และความชอบของนักช้อป
จากนั้น AI จะเลื่อนระดับผลิตภัณฑ์ที่ตรงกับความต้องการเหล่านั้นในการค้นหา และเรียกดูอันดับสำหรับผลลัพธ์ที่เป็นส่วนตัว การค้นหาส่วนบุคคลของผู้ซื้อ และผลการเรียกดูจะขึ้นอยู่กับการโต้ตอบของพวกเขาในเว็บไซต์อีคอมเมิร์ซของผู้ค้าปลีกรายนั้นเท่านั้น
ซึ่งจะไม่ได้เชื่อมโยงกับกิจกรรมในบัญชี Google ของพวกเขา โดยผู้ซื้อจะถูกระบุผ่านบัญชีที่พวกเขาสร้างขึ้นกับเว็บไซต์ของผู้ค้าปลีก หรือโดยคุกกี้ของบุคคลที่หนึ่งบนเว็บไซต์
เช่นเดียวกับโซลูชันของ กูเกิล คลาวด์ ทั้งหมด ลูกค้าจะเป็นเจ้าของ และควบคุมข้อมูลของตน ขณะที่ข้อมูลเกี่ยวกับความชอบของลูกค้าจะอยู่กับผู้ค้าปลีก ปัจจุบันเทคโนโลยีนี้มีจำหน่ายแล้วทั่วไปสำหรับผู้ค้าปลีกทั่วโลก
AI ช่วยเพิ่มผลกำไรของผู้ค้าปลีกด้วยคำแนะนำที่ดีขึ้น

ปัจจุบันระบบแนะนำผลิตภัณฑ์ถือเป็นองค์ประกอบที่สำคัญของกลยุทธ์อีคอมเมิร์ซของผู้ค้าปลีก โดย มูลค่าการค้าปลีกออนไลน์คาดว่าจะสูงถึงกว่า 8 ล้านล้านดอลลาร์สหรัฐ ภายในปี 2569 อย่างไรก็ตาม ผู้ค้าปลีกต้องประสบปัญหากับการพิจารณาว่าแผงใดที่จะแสดงบนเว็บไซต์
วิธีจัดเรียงอย่างมีประสิทธิภาพ และวิธีประสานเนื้อหาที่เกี่ยวข้อง และเป็นส่วนตัวมาเป็นเวลานาน ดังนั้นโซลูชัน Recommendations AI ของ กูเกิล คลาวด์ จึงใช้ ML เพื่อช่วยให้ผู้ค้าปลีกแนะนำผลิตภัณฑ์แก่ผู้ซื้อซึ่งการอัปเกรดใหม่สำหรับ Recommendations AI สามารถทำให้คุณสมบัติอีคอมเมิร์ซของผู้ค้าปลีก
มีความเป็นส่วนตัวมากขึ้น มีไดนามิก และเป็นประโยชน์สำหรับลูกค้าแต่ละราย ตัวอย่างเช่น ฟีเจอร์การเพิ่มประสิทธิภาพเพจเลเวลใหม่ช่วยให้เว็บไซต์อีคอมเมิร์ซตัดสินใจแบบไดนามิกได้ว่าแผงคำแนะนำผลิตภัณฑ์ใด
ที่จะแสดงต่อผู้ซื้อ การเพิ่มประสิทธิภาพเพจเลเวลยังลดความจำเป็นในการทดสอบประสบการณ์ผู้ใช้ที่ต้องอาศัยทรัพยากรมากให้เหลือน้อยที่สุด และสามารถปรับปรุงการมีส่วนร่วมของผู้ใช้ และอัตรา Conversion ได้อีกด้วย
นอกจากนี้ ฟีเจอร์การเพิ่มประสิทธิภาพรายได้ที่เพิ่มเข้ามาใหม่ยังใช้ ML เพื่อเสนอคำแนะนำผลิตภัณฑ์ที่ดีขึ้น ซึ่งสามารถเพิ่มรายได้ต่อเซสชันผู้ใช้บนเว็บไซต์อีคอมเมิร์ซ โดยโมเดล ML ซึ่งสร้างขึ้นจากความร่วมมือกับ DeepMind ที่จะรวมหมวดหมู่ผลิตภัณฑ์ของเว็บไซต์อีคอมเมิร์ซ ราคาสินค้า การคลิก และ Conversion ของลูกค้า
เพื่อค้นหาความสมดุลที่เหมาะสมระหว่างความพึงพอใจระยะยาวของผู้ซื้อและรายได้ที่เพิ่มขึ้นสำหรับผู้ค้าปลีก สุดท้ายแล้ว รูปแบบการซื้อซ้ำใหม่ (buy-it-again) จะใช้ประโยชน์จากประวัติการซื้อของลูกค้า เพื่อให้คำแนะนำส่วนบุคคลสำหรับการซื้อซ้ำที่อาจเกิดขึ้น
เมื่อเปรียบเทียบกับระบบให้คำแนะนำพื้นฐานที่ใช้โดยลูกค้า Recommendations AI ได้แสดงให้เห็นตัวเลขที่เพิ่มขึ้นเป็นสองหลักใน Conversion และอัตราการคลิกผ่าน ในการทดลองที่ควบคุมโดยผู้ค้าปลีกผ่านเทคโนโลยีนี้ การเพิ่มประสิทธิภาพเพจเลเวลใหม่ การเพิ่มประสิทธิภาพรายได้ และรูปแบบการซื้อซ้ำ มีให้บริการสำหรับผู้ค้าปลีกแล้วทั่วโลก
ai.RETAIL สำหรับ กูเกิล คลาวด์

ai.RETAIL ของ เอคเซนเชอร์ เป็นโซลูชันแบบครบวงจรที่ช่วยให้ผู้ค้าปลีกใช้ข้อมูล และ AI ได้ดีขึ้นเพื่อเพิ่มประสิทธิภาพระบบและโปรแกรมทั่วไป เช่น การได้มาซึ่งลูกค้า การกำหนดราคาและการส่งเสริมการขาย การจัดประเภท และห่วงโซ่อุปทาน ผู้ค้าปลีกสามารถใช้แพลตฟอร์ม ai.RETAIL บน กูเกิล คลาวด์ ได้แล้ว
ซึ่งหมายความว่าแพลตฟอร์มนี้ได้รับการขยายไปยังโครงสร้างพื้นฐานที่เชื่อถือได้ของ กูเกิล คลาวด์ และรวมเข้ากับผลิตภัณฑ์ และความสามารถต่าง ๆ ของ กูเกิล คลาวด์ คุณสมบัติ และประโยชน์ใหม่ ๆ ของโซลูชันประกอบด้วย
- การวิเคราะห์ห่วงโซ่อุปทานแบบรวมศูนย์ : ai.RETAIL รวมถึงหอควบคุมห่วงโซ่อุปทานที่ขับเคลื่อนโดยแพลตฟอร์มห่วงโซ่อุปทานอัจฉริยะของ เอคเซนเชอร์ ด้วยการผสานรวมที่ลึกยิ่งขึ้นในผลิตภัณฑ์ต่าง ๆ ของ กูเกิล คลาวด์ เช่น Looker และ BigQuery ลูกค้าสามารถจัดระเบียบข้อมูลได้ดีขึ้น และแสดงมุมมองตามเวลาจริงของเมตริกซัพพลายเชนที่สำคัญที่สุด ซึ่งรวมถึงการจัดซื้อ โลจิสติกส์ สินค้าคงคลัง และการขาย จากนั้นผู้ค้าปลีกสามารถเรียกใช้การจำลองสถานกาณ์ว่าจะเกิดอะไรขึ้น “ถ้า“ มีการปรับเทียบการคาดการณ์อุปสงค์ ปรับปรุงการวางแผนสินค้าคงคลัง กำหนดกลยุทธ์สำหรับการแบ่งส่วนห่วงโซ่อุปทาน และอื่น ๆ
- ประสบการณ์แบบเฉพาะตัวของลูกค้า : ปัจจุบัน ai.RETAIL ใช้ประโยชน์จากโซลูชัน Discovery AI ของ กูเกิล คลาวด์ สำหรับการค้าปลีก ซึ่งสามารถลดการยกเลิกการค้นหาด้วยความสามารถในการค้นหาที่มีคุณภาพของ กูเกิล ให้คำแนะนำส่วนบุคคลได้หลากหลาย และช่วยให้ผู้ซื้อค้นหาผลิตภัณฑ์โดยใช้รูปภาพ การผสานรวมเพิ่มเติมกับสถาปัตยกรรมข้อมูลลูกค้าของ เอคเซนเชอร์ และ Customer Data Platform ของ กูเกิล คลาวด์ จะช่วยให้ผู้ค้าปลีกลดพื้นที่จัดเก็บข้อมูล และสร้างการคาดการณ์การมีส่วนร่วมทางการตลาด ด้วย AI และ ML
- การเพิ่มประสิทธิภาพการจัดประเภท : การใช้ BigQuery, Looker และ Vertex AI ทำให้ปัจจุบัน ai.RETAIL สามารถจัดกลุ่มร้านค้าใหม่ที่จะช่วยให้ผู้ค้าปลีกระบุ จัดกลุ่ม และเพิ่มประสิทธิภาพร้านค้าที่มีลักษณะคล้ายกัน ตลอดจนปรับปรุงกลยุทธ์สำหรับการจัดประเภท การจัดการพื้นที่ และสินค้าคงคลัง ซึ่งรวมถึงคำแนะนำว่าจะเก็บลด หรือกำจัดผลิตภัณฑ์บางอย่าง ซึ่งสามารถกรองตามร้านค้าแต่ละแห่งหรือคลัสเตอร์ร้านค้า และท้ายที่สุด ปรับปรุงประสิทธิภาพการขายโดยรวม
“จากพฤติกรรมการซื้อของผู้บริโภคที่เปลี่ยนไป ปัจจุบันผู้ค้าปลีกจำเป็นต้องลงทุนสร้างแกนดิจิทัล ซึ่งรวมถึงรากฐานข้อมูลที่แข็งแกร่งอย่าง ML และ AI เทคโนโลยีเหล่านี้ขับเคลื่อนโดยคลาวด์ เพื่อช่วยให้ลูกค้าของเรามองเห็นแนวโน้ม ตัดสินใจได้เร็วขึ้น และรีเซ็ตธุรกิจได้ใหม่เสมอเมื่อตลาดเปลี่ยนแปลง”

Sridhar Subramanian กรรมการผู้จัดการกลุ่มธุรกิจ Google ของ เอคเซนเชอร์ ในเอเชียแปซิฟิก กล่าวว่า ด้วยการผสานพลังที่ดีที่สุดระหว่างแพลตฟอร์ม ai.RETAIL ของ เอคเซนเชอร์ และเทคโนโลยี กูเกิล คลาวด์ บริษัทต่าง ๆ จะสามารถเข้าถึงผลิตภัณฑ์ และความสามารถมากมาย
เพื่อช่วยปรับปรุงการมีส่วนร่วม และ Conversion ของผู้บริโภค และทำให้ซัพพลายเชนของพวกเขามีความยั่งยืนมากขึ้น กูเกิล คลาวด์ และ เอคเซนเชอร์ ยังร่วมมือกันในโครงการริเริ่มใหม่ ๆ ในวงกว้างเพื่อจัดการกับความท้าทายที่ซับซ้อนที่ผู้ค้าปลีกเผชิญอยู่ในปัจจุบัน รวมถึงใช้ข้อมูลอัจฉริยะจาก ai.RETAIL
เพื่อช่วยให้ธุรกิจเพิ่มประสิทธิภาพในประสบการณ์ของลูกค้า พนักงาน และหน้าร้าน ตลอดจนได้ใช้ประโยชน์จากเทคโนโลยีและข้อเสนออื่น ๆ จากทั้งสองบริษัท ทั้งนี้ความรู้ที่ได้รับการปรับปรุงพัฒนาในด้านการดำเนินงานแบบครบวงจร จะช่วยให้ผู้ค้าปลีกสามารถใช้เทคโนโลยี เอคเซนเชอร์ และ กูเกิล คลาวด์
เพื่อปรับปรุงองค์ประกอบพื้นฐานของธุรกิจของตนให้ทันสมัย เช่น การใช้ เทคโนโลยี Google Distributed Cloud Edge องค์กรต่าง ๆ จะสามารถผสานรวม และปรับขนาดโครงสร้างพื้นฐานระบบคลาวด์ไปยังร้านค้า พื้นโรงงาน และอื่น ๆ ได้อย่างราบรื่น

ส่วนขยาย * บทความเรื่องนี้น่าจะเป็นประโยชน์สำหรับการวิเคราะห์ในมุมมองที่น่าสนใจ ** เขียน: ชลัมพ์ ศุภวาที (บรรณาธิการ และผู้สื่อข่าว) *** ขอขอบคุณภาพประกอบบางส่วนจาก N/A
สามารถกดติดตามข่าวสาร และบทความทางด้านเทคโนโลยีของเราได้ที่ www.facebook.com/itday.in.th

























