Perkara yang Salah Peruncit Dalam Talian tentang Algoritma dan AI

Sekitar masa pandemik COVID-19 berlaku pada tahun 2020, sekumpulan e-dagang, fesyen terus kepada pengguna, penjagaan diri dan syarikat kit makanan yang disediakan telah dipuji sebagai peruncit terdepan yang mencipta semula pengalaman membeli-belah dalam talian dengan cepat. data tentang tingkah laku pelanggan.

Pada 2018, jurnal perdagangan industri RetailDive.com mengisytiharkan Tasik Katrina “Pengganggu Tahun Ini” untuk peranannya sebagai pengasas dan CEO Betulkan Stitch, tapak fesyen yang menawarkan perkhidmatan langganan barangan yang dipilih susun oleh 3,900 penggaya sambilan. Dalam artikel yang diterbitkan dalam Kajian Perniagaan Harvard sekitar masa yang sama, Lake menyifatkan syarikatnya sebagai "operasi sains data," dengan hasil "bergantung pada pengesyoran hebat daripada algoritmanya."

Stitch Fix telah menjadi antara contoh yang lebih ketara tentang kebangkitan yang dipanggil peruncit kotak langganan. Senarai itu termasuk peruncit produk kecantikan kotak birch, yang "menyusun" dan menghantar kepada pelanggan koleksi produk berdasarkan pembelian dan algoritma terdahulu yang mengkategorikan pengguna berdasarkan umur, lokasi dan titik data lain. Apron Blue, perkhidmatan langganan makanan yang disediakan, adalah seorang lagi peserta yang terkenal.

Pada awal tahun 2021, tiga tahun selepas syarikat itu diumumkan, permodalan pasaran Stitch Fix ialah $10 bilion.

Hari ini, hanya lapan belas bulan kemudian, saham itu telah kehilangan kira-kira 95% daripada nilainya dan syarikat itu dijangka mencatatkan penurunan jualan tahunan pertamanya sejak ia diumumkan pada 2017.

Begitu juga, Apron Blue telah bertukar menjadi kemalangan kereta api pelaburan yang lebih buruk — lima tahun selepas sahamnya mula dijual pada $140 sesaham ia didagangkan pada harga kurang daripada $4.

Mengapakah pengganggu itu terganggu?

Ternyata, tanda amaran itu jelas pada tahun 2018. Dalam sekeping yang muncul di Quartz.com, Luis Perez-Breva, pensyarah dan saintis penyelidikan di Sekolah Kejuruteraan MIT, memberi amaran bahawa, "Ramai peruncit telah melupakan perkara yang benar-benar membantu pelanggan: Bantuan dalam kedai daripada pekerja manusia."

Menurut Perez-Breva, "Untuk menerima data bersih untuk pembelajaran mesin (Kecerdasan Buatan atau AI), misalnya, banyak peruncit menghantar soal selidik kepada pelanggan yang lebih mudah untuk diproses oleh komputer."

Tetapi, dia berkata, “Pelanggan bukan AI. Kebanyakannya tidak pernah menjawab soal selidik, dan ramai yang mengisi apa sahaja yang mereka ingat. Ini menyebabkan peruncit mempunyai … data yang rosak.”

Juga pada 2018, perunding gergasi McKinsey & Co. meninjau lebih daripada 5,000 pengguna AS tentang perkhidmatan langganan dan mendapati bahawa, "kadar churn adalah tinggi (hampir 40 peratus) ... dan pengguna dengan cepat membatalkan perkhidmatan yang tidak memberikan pengalaman hujung ke hujung yang unggul."

Laporan McKinsey menyimpulkan bahawa, "Pengguna tidak mempunyai minat yang wujud terhadap langganan. Jika ada, keperluan untuk mendaftar untuk yang berulang melembapkan permintaan dan menjadikannya lebih sukar untuk memperoleh pelanggan."

Sementara itu, beberapa ahli akademik telah menulis tentang risiko yang berkaitan dengan pengumpulan data mengenai pembeli individu. Mungkin berguna kepada pengguna bahawa peruncit mengetahui saiz kasut dan warna kegemaran mereka. Tetapi apa yang berlaku apabila data yang dikumpul oleh AI dan algoritma termasuk pembelian pil perancang?

Bagi peserta lama dan pemerhati industri runcit, pepatah lama terlintas di fikiran: semakin banyak perkara berubah, semakin banyak perkara itu kekal sama. AI ialah alat yang berkuasa dalam pengurusan logistik, inventori dan pelbagai kebimbangan pengurusan perniagaan yang lain. Dalam kes menjangkakan tingkah laku pengguna, sebahagian daripadanya adalah berharga tetapi hanya jika digunakan dengan betul.

Jika peruncit ingin mengetahui perkara yang pengguna inginkan, mereka mempunyai cara yang diuji masa untuk mengetahuinya — dengan menguji produk dan harga pengguna sebelum melakukan modal berharga. Daripada menyusun data berdasarkan gelagat masa lalu, atau "menyusun" profil subkumpulan pengguna berdasarkan pembelajaran mesin, peruncit boleh meramalkan arah aliran dan permintaan masa hadapan dengan lebih tepat dengan menggunakan kecerdasan sebenar yang dikumpul daripada masa nyata dalam talian dengan pembeli sebenar. Dan, jika anda akan menggunakan algoritma, anda lebih baik dapat membuktikan ia berfungsi berulang kali.