Šta su trgovci na mreži pogriješili u vezi s algoritmima i AI

Otprilike u vrijeme kada je pandemija COVID-19 zavladala 2020. godine, grupa kompanija za e-trgovinu, modu usmjerenu direktno na potrošače, osobnu njegu i pripremljene komplete za obroke hvaljena su kao vodeći trgovci na malo koji su iznova osmislili iskustvo kupovine putem interneta podaci o ponašanju kupaca.

U 2018, industrijski trgovački časopis RetailDive.com proglasilo je jezero Katrina “Disruptor godine” za ulogu osnivača i izvršnog direktora Stitch Fix, modni sajt koji nudi uslugu pretplate na robu koju kurira 3,900 stilista na pola radnog vremena. U članak objavljen u Harvard Business Review Otprilike u isto vrijeme, Lake je opisala svoju kompaniju kao „operaciju nauke o podacima“, a prihodi „ovisni o odličnim preporukama njenog algoritma“.

Stitch Fix je bio među vidljivijim primjerima uspona takozvanih trgovaca s pretplatničkim kutijama. Lista uključuje maloprodaju kozmetičkih proizvoda Birchbox, koji "kurira" i šalje pretplatnicima kolekciju proizvoda na osnovu prethodnih kupovina i algoritama koji kategorišu potrošače na osnovu starosti, lokacije i drugih podataka. Plava pregača, usluga pretplate na pripremljene obroke, bila je još jedan značajan učesnik.

Početkom 2021., tri godine nakon što je kompanija izašla na berzu, tržišna kapitalizacija Stitch Fixa bila je nevjerovatnih 10 milijardi dolara.

Danas, samo osamnaest mjeseci kasnije, dionice su izgubile oko 95% vrijednosti i kompanija je očekuje se prvi godišnji pad prodaje od kada je izašao u javnost 2017.

Slično tome, Plava pregača se pretvorio u još ružniju olupinu investicionog voza - pet godina nakon što su njegove dionice debitovale po cijeni od 140 dolara po dionici, njima se trguje po cijeni manje od 4 dolara.

Zašto su disruptori poremećeni?

Kako se ispostavilo, znaci upozorenja bili su jasni još 2018. U članku koji se pojavio na Quartz.com, Luis Perez-Breva, predavač i naučnik na MIT-ovoj školi inženjeringa, upozorio je da su „mnogi trgovci zaboravili šta zaista pomaže kupcima: pomoć u radnji od ljudskih radnika.“

Prema Perez-Brevi, „Da bi primili čiste podatke za mašinsko učenje (vještačka inteligencija ili AI), na primjer, mnogi trgovci na malo šalju kupcima upitnike koje je računarima lakše obraditi.“

Ali, kaže on, „Kupci nisu AI. Većina nikada ne odgovara na upitnike, a mnogi popunjavaju ono čega se sjete. Ovo trgovcima na malo ostavlja pogrešne... podatke.”

Takođe u 2018. konsultantski gigant McKinsey & Co. je anketirao više od 5,000 američkih potrošača o uslugama pretplate i otkrili da su „stope odljeva visoke (skoro 40 posto)... i potrošači brzo otkazuju usluge koje ne pružaju superiorna iskustva s kraja na kraj.”

U izvještaju McKinseya zaključuje se da „Potrošači nemaju urođenu ljubav prema pretplatama. Ako ništa drugo, zahtjev da se prijavite za ponavljanje smanjuje potražnju i otežava stjecanje kupaca.”

U međuvremenu, nekoliko akademika je pisalo o rizicima povezanim sa prikupljanjem podataka o pojedinačnim kupcima. Potrošaču može biti od pomoći da trgovac zna njihovu veličinu cipela i omiljenu boju. Ali šta se dešava kada podaci koje prikupljaju AI i algoritmi uključuju kupovinu pilula za kontrolu rađanja?

Dugogodišnjem učesniku i posmatraču maloprodajne industrije pada na pamet stara maksima: što se stvari više menjaju, više ostaju iste. AI je moćan alat u upravljanju logistikom, zalihama i nizom drugih poslova upravljanja. U slučaju predviđanja ponašanja potrošača, nešto od toga je vrijedno, ali samo ako se pravilno koristi.

Ako trgovci na malo žele da znaju šta potrošači žele, imaju vremenski testiran način da saznaju – testiranjem proizvoda i cena potrošača pre nego što ulože dragoceni kapital. Umjesto da analiziraju podatke na osnovu prethodnog ponašanja ili „kuriraju“ profile potrošačkih podgrupa na osnovu mašinskog učenja, trgovci na malo mogu preciznije predvideti trendove i buduću potražnju koristeći stvarnu inteligenciju prikupljenu u realnom vremenu na mreži sa stvarnim kupcima. I, ako namjeravate primijeniti algoritam, bolje je da budete u mogućnosti dokazati da radi uvijek iznova.