Što su internetski trgovci pogriješili u vezi s algoritmima i umjetnom inteligencijom

Otprilike u vrijeme kada je pandemija COVID-19 uzela maha 2020. godine, grupa tvrtki za e-trgovinu, modu za izravnu kupnju, osobnu njegu i gotove obroke hvaljena je kao vodeći trgovac na malo koji ponovno osmišljava iskustvo online kupnje krckanjem podatke o ponašanju kupaca.

U 2018., industrijski trgovački časopis RetailDive.com proglasio jezero Katrina “Disruptor godine” za svoju ulogu osnivača i izvršnog direktora Stitch Fix, modna stranica koja nudi uslugu pretplate na robu koju priprema 3,900 honorarnih stilista. U članak objavljen u Harvard Business Reviewu Otprilike u isto vrijeme, Lake je opisala svoju tvrtku kao "operaciju znanosti o podacima", s prihodom "ovisnim o izvrsnim preporukama njezinog algoritma".

Stitch Fix jedan je od vidljivijih primjera uspona takozvanih trgovaca pretplatničkim kutijama. Popis uključuje maloprodaju kozmetičkih proizvoda Birchbox, koji "priređuje" i šalje pretplatnicima kolekciju proizvoda na temelju prethodnih kupnji i algoritama koji kategoriziraju potrošače na temelju dobi, lokacije i drugih podataka. Plava šipka, usluga pretplate na pripremljene obroke, bio je još jedan značajan sudionik.

Početkom 2021., tri godine nakon što je tvrtka izašla na burzu, tržišna kapitalizacija Stitch Fixa iznosila je nevjerojatnih 10 milijardi dolara.

Danas, samo osamnaest mjeseci kasnije, dionica je izgubila oko 95% svoje vrijednosti, a tvrtka je očekuje se prvi godišnji pad prodaje od izlaska na burzu 2017.

Slično tome, Plava šipka se pretvorio u još ružniju investicijsku olupinu - pet godina nakon što su njegove dionice debitirale na 140 dolara po dionici, trguje se za manje od 4 dolara.

Zašto su se disruptori poremetili?

Kako se ispostavilo, znakovi upozorenja bili su jasni još 2018. U članku koji se pojavio na Quartz.com, Luis Perez-Breva, predavač i znanstvenik na MIT-ovoj školi za inženjerstvo, upozorio je da su "mnogi trgovci zaboravili što stvarno pomaže kupcima: pomoć ljudskih radnika u trgovini."

Prema Perez-Breva, "kako bi dobili čiste podatke za strojno učenje (umjetna inteligencija ili AI), na primjer, mnogi trgovci kupcima šalju upitnike koje je računalima lakše obraditi."

Ali, kaže on, “Kupci nisu umjetna inteligencija. Većina nikad ne odgovori na upitnike, a mnogi ispune što god se sjete. Zbog toga trgovci na malo ostaju s pogrešnim … podacima.”

Također u 2018., konzultantski div McKinsey & Co. anketirao je više od 5,000 američkih potrošača o pretplatničkim uslugama i otkrili da su "stope odljeva visoke (gotovo 40 posto) ... i potrošači brzo otkazuju usluge koje ne pružaju vrhunsko end-to-end iskustvo."

Izvješće McKinseyja zaključuje da, “Potrošači nemaju inherentnu ljubav prema pretplatama. Ako ništa drugo, zahtjev da se prijavite za ponavljajući prigušuje potražnju i otežava stjecanje kupaca.”

U međuvremenu je nekoliko akademika pisalo o rizicima povezanim s prikupljanjem podataka o pojedinačnim kupcima. Potrošačima može biti od pomoći da trgovac zna njihovu veličinu cipela i omiljenu boju. Ali što se događa kada podaci prikupljeni umjetnom inteligencijom i algoritmima uključuju kupnju kontracepcijskih pilula?

Dugogodišnjem sudioniku i promatraču industrije maloprodaje pada na pamet stara maksima: što se više stvari mijenjaju, to više ostaju iste. AI je moćan alat u upravljanju logistikom, zalihama i nizom drugih problema upravljanja poslovanjem. U slučaju predviđanja ponašanja potrošača, nešto od toga je vrijedno, ali samo ako se pravilno koristi.

Ako trgovci na malo žele znati što potrošači žele, imaju vremenski provjeren način da to saznaju - potrošačkim testiranjem proizvoda i cijena prije nego što ulože dragocjeni kapital. Umjesto obrade podataka temeljenih na ponašanju iz prošlosti ili "kustosiranja" profila podskupina potrošača na temelju strojnog učenja, trgovci na malo mogu točnije predvidjeti trendove i buduću potražnju korištenjem stvarne inteligencije prikupljene putem interneta u stvarnom vremenu sa stvarnim kupcima. A ako namjeravate primijeniti algoritam, bolje je da uvijek iznova možete dokazati da radi.