Mitä verkkokauppiaat ovat tehneet väärin algoritmeista ja tekoälystä?

Noin aikoihin, jolloin COVID-19-pandemia valtasi vuonna 2020, ryhmää verkkokauppaa, suoraa kuluttajille suunnattua muotia, henkilökohtaisen hygienian hoitoa ja valmisateriatarvikkeita valmistavia yrityksiä ylistettiin johtavina vähittäiskauppiaina, jotka keksivät verkkokauppakokemuksen uudelleen. tietoja asiakkaiden käyttäytymisestä.

Vuonna 2018 alan ammattilehti RetailDive.com julisti Katrina Lake "Vuoden häiriötekijä” hänen roolistaan ​​perustajana ja toimitusjohtajana Stitch Fix, muotisivusto, joka tarjoaa 3,900 XNUMX osa-aikaisen stylistin kuratoimien tavaroiden tilauspalvelun. Sisään Harvard Business Review -lehdessä julkaistu artikkeli suunnilleen samaan aikaan Lake kuvaili yritystään "tietotieteen toimijaksi", jonka tulot riippuvat sen algoritmin hyvistä suosituksista.

Stitch Fix on ollut näkyvimpiä esimerkkejä ns. subscription box -jälleenmyyjien noususta. Listalla on kauneustuotteiden jälleenmyyjä Koivulaatikko, joka "kuroi" ja toimittaa tilaajille kokoelman tuotteita, jotka perustuvat aikaisempiin ostoihin ja algoritmeihin, jotka luokittelevat kuluttajat iän, sijainnin ja muiden tietopisteiden perusteella. Sininen esiliina, valmisaterian tilauspalvelu, oli toinen merkittävä tulokas.

Vuoden 2021 alussa, kolme vuotta yrityksen listautumisen jälkeen, Stitch Fixin markkina-arvo oli huikeat 10 miljardia dollaria.

Tänään, vain kahdeksantoista kuukautta myöhemmin, osakkeet ovat menettäneet noin 95% arvostaan ​​ja yhtiö on odotetaan laskevan ensimmäisen vuotuisen myyntinsä siitä lähtien, kun se tuli julkisuuteen vuonna 2017.

Vastaavasti Sininen esiliina on muuttunut vielä rumaksi sijoitusjunahylkyksi – viisi vuotta sen jälkeen, kun sen osakkeen debytoi 140 dollariin osakkeelta, sen kauppa on alle 4 dollaria.

Miksi häiriötekijät häiriintyivät?

Kuten käy ilmi, varoitusmerkit olivat selvät jo vuonna 2018. Teoksessa, joka ilmestyi Quartz.comissa, Luis Perez-Breva, luennoitsija ja tutkija MIT:n tekniikan korkeakoulusta, varoitti, että "Monet jälleenmyyjät ovat unohtaneet, mikä todella auttaa asiakkaita: ihmistyöntekijöiden tarjoama apu myymälässä."

Perez-Brevan mukaan "Jotta esimerkiksi koneoppimista (Artificial Intelligence tai AI) varten saadaan puhdasta dataa, monet jälleenmyyjät lähettävät asiakkaille kyselylomakkeita, jotka tietokoneiden on helpompi käsitellä."

Mutta hän sanoo: "Asiakkaat eivät ole tekoälyjä. Useimmat eivät koskaan vastaa kyselyihin, ja monet täyttävät mitä muistavat. Tämä jättää jälleenmyyjille virheelliset tiedot."

Myös vuonna 2018 konsulttijätti McKinsey & Co. tutki yli 5,000 XNUMX yhdysvaltalaista kuluttajaa tilauspalveluista ja havaitsi, että "vaihtuvuusprosentti on korkea (lähes 40 prosenttia) … ja kuluttajat peruuttavat nopeasti palvelut, jotka eivät tarjoa ylivoimaista kokonaisvaltaista kokemusta."

McKinseyn raportissa todettiin, että "Kuluttajilla ei ole luontaista rakkautta tilauksiin. Jos mitään, vaatimus toistuvaan ilmoittautumiseen vaimentaa kysyntää ja vaikeuttaa asiakkaiden hankkimista."

Sillä välin useat tutkijat ovat kirjoittaneet yksittäisten ostajien tietojen keräämiseen liittyvistä riskeistä. Kuluttajalle voi olla hyödyllistä, että jälleenmyyjä tietää kengänkoon ja suosikkivärin. Mutta mitä tapahtuu, kun tekoälyn ja algoritmien keräämiin tietoihin sisältyy ehkäisypillereiden ostaminen?

Pitkäaikaiselle vähittäiskaupan toimijalle ja tarkkailijalle tulee mieleen vanha päämäärä: mitä enemmän asiat muuttuvat, sitä enemmän ne pysyvät ennallaan. Tekoäly on tehokas työkalu logistiikan, varaston ja monien muiden liikkeenjohtoon liittyvien huolenaiheiden hallinnassa. Kuluttajien käyttäytymisen ennakoinnissa osa siitä on arvokasta, mutta vain oikein käytettynä.

Jos vähittäiskauppiaat haluavat tietää, mitä kuluttajat haluavat, heillä on aikaa testattu tapa saada se selville – kuluttaja testaamalla tuotteita ja hintoja ennen arvokkaan pääoman sitoutumista. Sen sijaan, että vähittäiskauppiaat murskasivat menneeseen käyttäytymiseen perustuvaa dataa tai "kuroisivat" kuluttaja-alaryhmien profiileja koneoppimisen perusteella, he voivat ennustaa tarkemmin trendejä ja tulevaa kysyntää käyttämällä todellista tietoa, joka on kerätty reaaliaikaisesta verkossa oikeiden ostajien kanssa. Ja jos aiot käyttää algoritmia, voit paremmin todistaa sen toimivan kerta toisensa jälkeen.