Co sprzedawcy internetowi pomylili się na temat algorytmów i sztucznej inteligencji?

Mniej więcej w czasie, gdy w 19 r. wybuchła pandemia Covid-2020, grupę firm zajmujących się handlem elektronicznym, bezpośrednią sprzedażą odzieży, artykułów higieny osobistej i zestawów gotowych posiłków okrzyknięto wiodącymi sprzedawcami detalicznymi, którzy na nowo wymyślają doświadczenia związane z zakupami online poprzez chrupanie dane dotyczące zachowań klientów.

W 2018 roku branżowe czasopismo branżowe RetailDive.com oznajmiło Jezioro Katrina „Zakłócacz roku” za rolę założycielki i dyrektora generalnego firmy Stitch Fix, witryna o modzie oferująca usługę subskrypcji towarów wybranych przez 3,900 stylistów pracujących w niepełnym wymiarze godzin. W artykuł opublikowany w Harvard Business Review Mniej więcej w tym samym czasie Lake określiła swoją firmę jako „działalność zajmującą się analizą danych”, której przychody „zależą od świetnych rekomendacji algorytmu”.

Stitch Fix to jeden z bardziej widocznych przykładów rozwoju tak zwanych sprzedawców detalicznych pudełek subskrypcyjnych. Na liście znajduje się sprzedawca kosmetyków brzozowe pudełko, która „dobiera” i dostarcza subskrybentom kolekcję produktów w oparciu o wcześniejsze zakupy i algorytmy kategoryzujące konsumentów na podstawie wieku, lokalizacji i innych punktów danych. Niebieski Fartuch, usługa subskrypcji gotowych posiłków, była kolejnym godnym uwagi uczestnikiem.

Na początku 2021 roku, trzy lata po wejściu spółki na giełdę, kapitalizacja rynkowa Stitch Fix sięgała aż 10 miliardów dolarów.

Dziś, zaledwie osiemnaście miesięcy później, akcje straciły około 95% swojej wartości, a sama spółka tak oczekuje się, że odnotuje pierwszy roczny spadek sprzedaży od chwili upublicznienia w 2017 r.

Podobnie, Niebieski Fartuch zamieniła się w jeszcze brzydszy wrak pociągu inwestycyjnego — pięć lat po debiucie jej akcje po cenie 140 dolarów za akcję są notowane po cenie poniżej 4 dolarów.

Dlaczego zakłócacze zostały zakłócone?

Jak się okazuje, sygnały ostrzegawcze były wyraźne już w 2018 roku. W artykule, który pojawił się na Quartz.comLuis Perez-Breva, wykładowca i pracownik naukowy w Szkole Inżynierskiej MIT, ostrzegł, że „wielu sprzedawców detalicznych zapomniało, co naprawdę pomaga klientom: pomoc pracowników w sklepie”.

Według Perez-Brevy: „Na przykład, aby otrzymać czyste dane na potrzeby uczenia maszynowego (sztucznej inteligencji lub sztucznej inteligencji), wielu sprzedawców detalicznych wysyła klientom kwestionariusze, które są łatwiejsze do przetworzenia przez komputery”.

Mówi jednak: „Klienci to nie sztuczna inteligencja. Większość nigdy nie odpowiada na kwestionariusze, a wielu wypełnia to, co zapamiętali. W rezultacie sprzedawcy detaliczni otrzymują błędne… dane”.

Również w 2018 roku gigant konsultingowy Firma McKinsey & Co. przeprowadziła ankietę wśród ponad 5,000 konsumentów w USA na temat usług subskrypcyjnych i odkrył, że „wskaźniki rezygnacji są wysokie (prawie 40 procent)… a konsumenci szybko rezygnują z usług, które nie zapewniają najwyższej jakości kompleksowych usług”.

W raporcie McKinsey stwierdzono, że „konsumenci nie mają wrodzonej miłości do subskrypcji. W każdym razie wymóg zapisania się na usługę cykliczną zmniejsza popyt i utrudnia pozyskanie klientów.

Tymczasem kilku naukowców napisało o zagrożeniach związanych z gromadzeniem danych o poszczególnych kupujących. Dla konsumenta pomocne może być to, że sprzedawca zna jego rozmiar buta i ulubiony kolor. Ale co się stanie, gdy dane zebrane przez sztuczną inteligencję i algorytmy obejmą zakup tabletek antykoncepcyjnych?

Długoletniemu uczestnikowi i obserwatorowi branży retail przychodzi na myśl stara maksyma: im bardziej rzeczy się zmieniają, tym bardziej pozostają takie same. Sztuczna inteligencja to potężne narzędzie do zarządzania logistyką, zapasami i wieloma innymi problemami związanymi z zarządzaniem przedsiębiorstwem. W przypadku przewidywania zachowań konsumenckich część z nich jest wartościowa, ale tylko pod warunkiem prawidłowego ich wykorzystania.

Jeśli sprzedawcy detaliczni chcą wiedzieć, czego chcą konsumenci, mają sprawdzony sposób, aby się tego dowiedzieć — testując przez konsumentów produkty i ceny, zanim zainwestują cenny kapitał. Zamiast przetwarzać dane w oparciu o przeszłe zachowania lub „dobierać” profile podgrup konsumentów w oparciu o uczenie maszynowe, sprzedawcy detaliczni mogą dokładniej przewidywać trendy i przyszły popyt, korzystając z prawdziwych informacji zebranych w czasie rzeczywistym online z prawdziwymi kupującymi. A jeśli zamierzasz zastosować algorytm, lepiej być w stanie wielokrotnie udowodnić, że działa.