如果在印度的電商門戶網站上搜索“黑色亮片上衣”，出來的結果要么是黑色但沒亮片的上衣，要么是帶亮片但顏色各異的上衣，甚至可能是一些不相關的東西。即使在上面找到了自己想要的東西，你也可能被虛假評論蒙蔽雙眼，從而買到假冒偽劣產品。
Flipkart 旗下的時尚產品門戶網站 Myntra 和 Jabong 已經開始使用大數據來對時尚行業的各個方面進行深入分析了。Myntra的首席技術官 Jeyandran Venugopal 向 Quartz 透露說：“從需求預測、供應鏈優化、個性化和推薦系統到客服系統，我們都使用人工智能。” Myntra 不僅將人工智能用到了其內部品牌的設計上，還將其應用到了產品定價上。
即使是印度的電商大戶，也幾乎不可能從私有機構甚至政府那里找到公開的大型數據集。Infinite Analytics（一家專為 HealthKart 和 Tata Cliq 等電商企業提供個性化解決方案的公司）的聯合創始人 Akash Bhatia 認為，電商數據的生態系統仍然過于分散，還不夠和諧。
有專家說之所以會出現這種局面，是因為電商公司運用人工智能的方式太過稚嫩。Turing Analytics（一家為電商網站提供圖片搜索和產品推薦解決方案的公司）的聯合創始人兼首席執行官 Aditya Patadia 表示：“大多數企業都無法利用數據點來構建可以取悅消費者的解決方案。”
Infinite Analytics 的 Bhatia 在談到該行業的招聘困境時說：“應聘者參差不齊，很難做到去蕪存菁。”他的公司僅在印度招聘了少數銷售人員，產品開發全都在波士頓麻省理工學院的校園外進行。這家初創公司的誕生地就在麻省理工，是在 2012年作為 MBA 項目推出的。由于印度人才匱乏，Infinite Analytics 基本上還在從麻省理工學院和哈佛大學聘請數據科學家。
人才不夠
“大多數公司都在根據自己的數據庫閉門造車。”Bhatia說。消除這種信息孤島在很大程度上能幫助各個公司整合最終客戶的各種相關信息，從“他們吃什么、喜歡什么音樂，到他們是否偏好旅行等等。” Bhatia 補充道。
“在印度，這一領域中經驗豐富的人才極度短缺，而國內絕大多數大學也沒有能力在未來幾年內解決這個問題。” Patadia說，VPS租用 國內服務器，“（硅谷）擁有大量滿足條件且可供各大公司支配的人才，他們很輕松就能從當地大學招到已經對數據分析和機器學習進行了深入研究的應屆畢業生。在這一點上我們差距太大了，而且很難解決。”
不過他們還是把寶押在了 AI 上，認為 AI 能幫助消費者實現個性化的購物體驗。
“大家都在搞這個（AI），但具體質量有著很大的差別，”美國在線教育平臺 Udacity 的印度董事總經理 Ishan Gupta 說道，“像聊天機器人這種簡單的應用程序很多，但是通過數據科學來提供更好的解決方案在印度還是個新鮮事兒。”
為了創建、訓練和維護高效的機器學習過程，印度的電商企業也需要更多人工智能方面的人才，一場嚴重的人力危機也即將到來。
Flipkart 的部分人工智能員工來自 Palo Alto，而 Paytm 也將其數據分析和欺詐檢測外包給了其在加拿大的團隊。
Myntra 的 Venugopal 表示，“行業生態系統可以在產學合作方面進行更廣泛、更深入甚至更大規模的投資，”并提到 Myntra 已經在印度和國外建立了學術伙伴關系。
圖片搜索也是實現個性化體驗的工具之一。“它就像一個虛擬的售貨員，可以幫客戶找到所中意產品的同款或相似款。” 印度圖靈分析公司 Turing Analytics 的 Patadia 說。Turing Analytics 使用機器學習為零售商開發提供可視化搜索解決方案，公司的客戶眾多，包括電商平臺 fbbOnline。
盡管印度各大公司已經投入了不少資金，但在為消費者帶來更加個性化的購物體驗方面還沒有取得很大的突破。
總部位于德里的 Paytm 共有2.25億用戶，而每個用戶所看到的主頁都不盡相同，因為都經過了個性化的二次排版，同時該平臺每秒推送20,000條建議，每次推送費時不到20毫秒。
“我們必須明白，人工智能和機器學習這兩個領域是純粹的研究領域，而研究成果可能需要幾個月甚至幾年的時間才能得到，” Patadia說道，“如果能夠下定決心做出成績，企業就可以在這些極具影響潛力的領域有所建樹。”
即便以這種方式完成了數據收集，讓 AI 把相關信息聯系起來也是一項艱巨的任務。比如 AI 需要確定 Facebook 上的用戶與在 Big Bazaar 交易的人是否為同一個，而這個過程仍然有待提高。
為了將瀏覽網站的人轉化為消費者，電商平臺會根據 AI 算法進行個性化的產品推薦。機器學習（讓計算機執行任務）、深度學習（分析非結構化數據）和自然語言處理（使用計算分析人類語言）在推薦過程中發揮著重要作用。
新手入門
