Ko tiešsaistes mazumtirgotāji kļūdījās attiecībā uz algoritmiem un AI?

Ap to laiku, kad 19. gadā pārņēma Covid-2020 pandēmija, grupa e-komercijas, tiešās patērētāju modes, personīgās higiēnas un gatavo maltīšu komplektu uzņēmumu tika slavēti kā vadošie mazumtirgotāji, kas no jauna izgudro tiešsaistes iepirkšanās pieredzi, kraukšķinot. dati par klientu uzvedību.

2018. gadā nozares tirdzniecības žurnāls RetailDive.com paziņoja Katrīnas ezers “Gada traucētājs” par viņas dibinātājas un izpilddirektores lomu Stitch Fix, modes vietne, kas piedāvā 3,900 nepilna laika stilistu izstrādātu preču abonēšanas pakalpojumu. In raksts, kas publicēts žurnālā Harvard Business Review aptuveni tajā pašā laikā Lake savu uzņēmumu raksturoja kā "datu zinātnes darbību", kuras ieņēmumi ir "atkarīgi no lieliskiem algoritma ieteikumiem".

Stitch Fix ir bijis viens no redzamākajiem piemēriem tā saukto abonēšanas kastīšu mazumtirgotāju pieaugumam. Sarakstā ir iekļauts skaistumkopšanas preču mazumtirgotājs bērza kaste, kas “kurē” un nosūta abonentiem produktu kolekciju, pamatojoties uz iepriekšējiem pirkumiem un algoritmiem, kas klasificē patērētājus pēc vecuma, atrašanās vietas un citiem datu punktiem. Zila priekšauts, gatavo maltīšu abonēšanas pakalpojums, bija vēl viens ievērojams dalībnieks.

2021. gada sākumā, trīs gadus pēc uzņēmuma nonākšanas biržā, Stitch Fix tirgus kapitalizācija bija 10 miljardu dolāru.

Šodien, tikai astoņpadsmit mēnešus vēlāk, akcijas ir zaudējušas aptuveni 95% no savas vērtības, un uzņēmums ir sagaidāms, ka tas publicēs savu pirmo ikgadējo pārdošanas apjomu kritumu kopš tā publiskošanas 2017. gadā.

Tāpat, Zila priekšauts ir pārvērtusies par vēl neglītāku investīciju vilciena vraku — piecus gadus pēc tam, kad tās akcijas debitēja par 140 USD par akciju, tās tirgo par mazāk nekā USD 4.

Kāpēc traucētāji tika traucēti?

Kā izrādās, brīdinājuma zīmes bija skaidras jau 2018. gadā. Kādā, kas parādījās vietnē Quartz.comLuiss Peress-Breva, MIT Inženieru skolas pasniedzējs un pētnieks, brīdināja, ka: "Daudzi mazumtirgotāji ir aizmirsuši, kas patiešām palīdz klientiem: darbinieku palīdzība veikalā."

Saskaņā ar Perez-Breva teikto: "Lai, piemēram, saņemtu tīrus datus mašīnmācībai (mākslīgais intelekts vai AI), daudzi mazumtirgotāji nosūta klientiem anketas, kuras datoriem ir vieglāk apstrādāt."

Taču viņš saka: “Klienti nav AI. Lielākā daļa nekad neatbild uz anketām, un daudzi aizpilda visu, ko atceras. Tas atstāj mazumtirgotājus ar kļūdainiem … datiem.

Arī 2018. gadā konsultāciju gigants McKinsey & Co aptaujāja vairāk nekā 5,000 ASV patērētāju par abonēšanas pakalpojumiem un atklāja, ka "atteikšanās līmenis ir augsts (gandrīz 40 procenti) ... un patērētāji ātri atceļ pakalpojumus, kas nenodrošina izcilu pilnīgu pieredzi."

McKinsey ziņojumā secināts, ka “patērētājiem nav raksturīga mīlestība pret abonementiem. Ja kas, prasība reģistrēties atkārtotam pakalpojumam mazina pieprasījumu un apgrūtina klientu iegūšanu.

Tikmēr vairāki akadēmiķi rakstījuši par riskiem, kas saistīti ar datu vākšanu par atsevišķiem pircējiem. Patērētājam var būt noderīgi, ja mazumtirgotājs zina viņu apavu izmēru un iecienītāko krāsu. Bet kas notiek, ja AI un algoritmu apkopotie dati ietver kontracepcijas tablešu iegādi?

Ilggadējam mazumtirdzniecības nozares dalībniekam un vērotājam nāk prātā veca maksima: jo vairāk lietas mainās, jo vairāk tās paliek nemainīgas. AI ir spēcīgs rīks loģistikas, inventāra un daudzu citu biznesa vadības problēmu pārvaldībā. Patērētāju uzvedības paredzēšanas gadījumā daži no tiem ir vērtīgi, bet tikai tad, ja tos izmanto pareizi.

Ja mazumtirgotāji vēlas uzzināt, ko vēlas patērētāji, viņiem ir laika pārbaudīts veids, kā to noskaidrot — patērētājam pārbaudot produktus un cenas pirms dārgā kapitāla piesaistīšanas. Tā vietā, lai apkopotu datus, pamatojoties uz pagātnes uzvedību, vai “kurētu” patērētāju apakšgrupu profilus, pamatojoties uz mašīnmācīšanos, mazumtirgotāji var precīzāk prognozēt tendences un nākotnes pieprasījumu, izmantojot reālu informāciju, kas iegūta no reāllaika tiešsaistē ar reāliem pircējiem. Un, ja jūs gatavojaties lietot algoritmu, jums labāk ir pierādīt, ka tas darbojas atkal un atkal.