„AIUpsello“ tai sprendinys, paremtas dirbtinio intelekto (toliau – DI) algoritmu, kuris naudoja sustiprintą mokymąsi (angl. reinforcement learning), duomenų ir pirkėjų elgsenos mokslą, savarankiškus skaičiavimus ir klientų profiliavimą su tikslu kiekvienam el. parduotuvės lankytojui individualiai optimizuoti atitinkamų prekių / produktų (kurioms didžiausią dėmesį skyrė lankytojas) kainas ar pasiūlymus (nuolaidas). El. parduotuvės valdytojas naudodamas „AIUpsello“, gauna įšmanų įrankį, kuris suteikia konkurencinį pranašumą, potencialiai didina pardavimus ir gerina klientų pasitenkinimą apsiperkant internetu. „AIUpsello“ inovatyvumas - el. parduotuvių valdytojams suteikiamas sprendinys, kuris nereikalauja jokio fizinio įsikišimo, nes pats mokosi iš naršančių klientų veiksmų ir įpročių, kurių pagrindu apskaičiuoja ir pateikia pagrįstus produktų kainų pasiūlymus dotuoju laiku – tinkamus (viliojančius) pirkėjui (-ą), priimtinus pardavėjui. Tai atlieka be jokio žmogaus įsitraukimo. Produkto prototipui suteikta reikiama konfigūracija, turinys ir išvaizda. Šiuo metu įrankyje esančios funkcijos: Populiariausių ir daugiausiai potencialo turinčių prekių stebėsena ir rūšiavimas pagal atitinkamą logiką; vartotojų elgsenos stebėsena ir duomenų rinkimas el. parduotuvėje; prekių kainų keitimas, nuolaidų skaičiavimas, tinkamas atvaizdavimas krepšelyje pagal standartinę algoritmo metodiką. „AIUpsello“ DI algoritmo pagrindas - sustiprintas mokymasis. Algoritmas mokosi iš ankstesnių kliento sąveikų su el. parduotuve ir optimizuoja kainodaros strategijas, kad efektyviai padidintų produktų pardavimą. Naudodama mašininio mokymosi metodus, „AIUpsello“ pagal surinktus duomenis sukuria unikalius klientų profilius. Kiekvienas profilis atspindi klientų segmentą, kuriam būdingi tam tikri pageidavimai, tendencijos ir pirkimo elgsenos. DI algoritmas naudoja klasterizavimo metodus, kad sugrupuotų klientus į segmentus tam, kad lengviau nustatyti modelius ir tendencijas. „AIUpsello“ taiko dinaminį kainodaros modelį, kuris nuolat koreguoja produktų kainas, remdamasis įžvalgomis, gautomis iš klientų profilių. DI algoritmu siekiama rasti pusiausvyrą tarp maksimalių pajamų gavimo ir patrauklių kainų ir nuolaidų klientams siūlymo - viliojančius pirkėjus, priimtinus pardavėjui. Projektu sprendžiama problema: šiuo metu pasaulinėje rinkoje nėra paprastai naudojamo, lengvai integruojamo į el. prekybos platformas ir pilnai autonominio (100 proc. savarankiško) pardavimų skatinimo (angl. upsell) sprendinio, kurio veikimas būtų pagrįstas lankytojų įpročių duomenimis, vartotojų elgsenos mokslu / finansų elgsenos mokslu, matematiniais skaičiavimais, kainų modeliavimu, kai sprendimai priimami tik DI. Tokio sprendinio naudojimas kasdieniai rinkodarai ir komercijai ypač aktualus mažoms ir vidutinėms įmonėms, siekiančioms padidinti parduotuvės konversijos rodiklį, sutaupyti žmogiškųjų resursų ir laiko. Rinkoje yra tik dalinai panašių sprendinių, tačiau jie valdomi „rankiniu būdu“. Rankinis būdas šiuo atveju tai naudotojo fizinis konkrečios nuolaidos dydžio prekei nustatymas ar konkrečių sąlygų nuolaidai nustatymas. Apskaičiuoti geriausios nuolaidos dydį yra labai komplikuotas, laikui ir žmogiškiesiems ištekliams imlus procesas. Atsižvelgiant į rinkoje esančius panašius sprendinius, skirtus nuolaidų taikymui, šiuo metu brangu (laiko ir lėšų išraiška) pritaikyti kainas ir nuolaidas pagal kiekvieno kliento įpročius ar poreikius, ypač internetinėje prekyboje, kuomet duomenų yra labai daug. Šiuos duomenis rinkti, analizuoti ir daryti teisingas išvadas dotuoju laiku yra praktiškai neįmanoma neturint didelės duomenų analitikų komandos. „AIUpsello“ su DI ir mašininio mokymosi funkcionalumais siūlo ne tik šių procesų automatizavimą, bet ir ženkliai išplečia rinkodaros galimybes, nes individualių kainų pasiūlymai bus pateikiami klientui (lankytojui) atsižvelgiant į verslo faktorius (pvz.: tikslinės pirkėjų grupės, prekių kiekis, prekių užsistovėjimas ir kt.) ir kliento profilio veiksnius, stebint ir mokantis iš istorinių ir esamų įpročių ir veiksmų. Taip pat sprendinio kainų ir pasiūlymų algoritmai naudos geros rinkodaros ir vartotojų elgsenos praktikos modelius, stebint išorinius faktorius kaip sezoniškumą ir įvykius pardavimų rinkoje (pvz. juodojo penktadienio, prieš ar po šventiniai išpardavimai). Šias funkcijas „AIUpsello“ atliks be „rankinio“ el. parduotuvės valdytojo įsitraukimo – visiškai autonomiškai. Planuojama pirmiausia sprendinį paleisti e. komercijos dalyviams, naudojantiems „Shopify“ e. prekybos platformą. Remiantis duomenų analitikos įmone „Statista“, šiuo metu „Shopify“ yra viena iš didžiausių e. komercijos platformų pasaulio rinkoje (nuoroda į šaltinį: https://www.statista.com/topics/10315/shopify/#topicOverview). Vertinama, jog „Shopify“ koncentruojasi pagrindinė projekto tikslinė grupė – verslai, užsiimantys e. komercija, kuomet parduodamos prekės / paslaugos. Patobulinus esamą prototipą ir įsitvirtinus rinkoje, ateityje būtų planuojamas produkto pritaikymas kitoms platformoms kaip „Word Press“, „Wix“ ir kt. Populiariausi nuolaidų taikymo įrankiai „Shopify“ platformoje klientams nuolaidas taiko šiuos nustatant „rankiniu“ būdu – konkrečiai prekei įrašant konkretų nuolaidos dydį. Šie sprendiniai taip pat nerenka informacijos apie lankytojų veiksmus ir įpročius, bei šios informacijos autonomiškai nenaudoja pardavimų optimizavimui dotuoju laiku. Projekto poreikis: „AIUpsello“ sprendinio „Shopify“ naudojantiems verslams suteikiami pranašumai: 1) Potencialiai didesnės pajamos. „AIUpsello“, dinamiškai koreguodama produktų kainas pagal naudotojų elgseną, maksimaliai padidina potencialių klientų pavertimo pirkėjais galimybes, plečiant pardavimus ir pajamas. 2) Sukuriama personalizuota apsipirkimo patirtis. Pirkėjai gauna asmenines nuolaidas, pritaikytas pagal jų pageidavimus, pagerinant apsipirkimo patirtį ir skatinant lojalumą e. parduotuvei. 3) Duomenimis pagrįstas sprendimų priėmimas. „AIUpsello“ suteikia prekybininkams vertingų įžvalgų apie pirkėjų elgseną ir produktų našumą, leidžiant priimti duomenimis pagrįstus verslo sprendimus. 4) Konkurencinis pranašumas. Įmonė įgauną sprendinį, kuris savarankiškai dalinai atlieka kelių specializuotų asmenų funkcijas: rinkodaros / kainodaros specialisto, pardavimų vystymo analitiko, klientų veiklos analizės specialisto, duomenų analitiko. Mažoms, labai mažoms įmonėms tai suteikia konkurencinį pranašumą prieš didesnes įmones, kurios turi galimybių tokių specialistų paslaugų pirkimui. 5) Automatizuotas papildomas pardavimas. DI valdomas algoritmas automatizuoja papildomo pardavimo procesą, taupydamas prekybininkų laiką, žmogiškuosius resursus ir pastangas bei užtikrindamas optimaliausias kainų strategijas. 6) Pritaikymas negalią turintiems pirkėjams. Šio projekto metu planuojama plėtoti balsu valdoma asmeninio pirkėjo (angl. personal shoper) funkcija palengvins apsipirkimą visiems el. parduotuvės lankytojams, turintiems pvz. regos ar fizines negalias. Projekto metu sprendiniui planuojama papildomai: 1) Suprogramuoti DI atsižvelgti į sezoniškumą, pasaulines tendencijas; 2) Suprogramuoti DI, kad stebėtų prekių pelningumus ir savikainas; 3) Suprogramuoti DI modeliavimo procesus ir sistemą taip, kad autonomiškai sugebėtų tinkamai paskirstyti duomenis ir atitinkamai priiminėti sėkmingus sprendimus; 4) Suprogramuoti DI, jog atsižvelgimas į kliento IP adresą, lokaciją, laiką praleistą parduotuvėje, pamėgtas prekes, lankomas kategorijas, pirkimo modelius bei remiantis šia informacija kliento profilio kūrimas. 5) įgalinti DI personalizuotų el. laiškų / pasiūlymų siuntimą; Horizontalieji principai ir Jungtinių Tautų nuostatos: Projekto veikla tiesiogiai prisideda prie inovatyvumo (kūrybingumo) horizontaliojo principo per įgyvendinamus projektus, kurie atitinka Mokslinių tyrimų ir eksperimentinės plėtros ir inovacijų Sumanios specializacijos prioritetus bei tematikas. Projekto veikla, vadovaujantis Europos Komisijos 2021 m. vasario 12 d. patvirtintomis Reikšmingos žalos nedarymo principo taikymo pagal Ekonomikos atsparumo ir didinimo priemonės reglamentą techninėmis gairėmis, atitinka reikšmingos žalos nedarymo principą, nes neturi neigiamo numatomo poveikio 6 aplinkos tikslams, nurodytiems 2020 m. birželio 18 d. Europos Parlamento ir Tarybos reglamento (ES) Nr. 2020/852 dėl sistemos tvariam investavimui palengvinti sukūrimo, kuriuo iš dalies keičiamas Reglamentas (ES) 2019/2088, 17 straipsnyje. Įgyvendinant projekto veiklas, kurios aplinkos atžvilgiu tvarios, ir jas įgyvendinus bus laikomasi klimato ir aplinkos apsaugos standartų, atsižvelgiant į Sutarties dėl Europos Sąjungos veikimo 11 straipsnį, Jungtinių Tautų darnaus vystymosi tikslus, Jungtinių Tautų bendrosios klimato kaitos konvencijos Paryžiaus susitarimą. Taip pat projekto veikla, vadovaujantis Europos Komisijos 2021 m. vasario 12 d. patvirtintomis Reikšmingos žalos nedarymo principo taikymo pagal Ekonomikos atsparumo ir didinimo priemonės reglamentą techninėmis gairėmis, atitinka reikšmingos žalos nedarymo principą, nes neturi neigiamo numatomo poveikio aplinkos tikslams, nurodytiems 2020 m. birželio 18 d. Europos Parlamento ir Tarybos reglamento (ES) Nr. 2020/852 dėl sistemos tvariam investavimui palengvinti sukūrimo, kuriuo iš dalies keičiamas Reglamentas (ES) 2019/2088. Veikla nepažeidžia Europos Sąjungos pagrindinių teisių chartijos pagrindinių teisių: orumo; asmenų, privataus ir šeimos gyvenimo, sąžinės ir saviraiškos laisvės; asmens duomenų; prieglobsčio ir apsaugos perkėlimo, išsiuntimo ar išdavimo atvejų; teisių į nuosavybę ir teisių užsiimti verslu; lyčių lygybės, vienodo požiūrio ir lygių galimybių, nediskriminavimo ir neįgaliųjų teisių; vaiko teisių; gero administravimo, veiksmingos teisinės gynybos, teisingumo; solidarumo ir darbuotojų teisių; aplinkos apsaugos.