Ano ang Nagkamali ng Mga Online Retailer tungkol sa Algorithm at AI

Noong mga panahong naganap ang pandemya ng COVID-19 noong 2020, isang grupo ng ecommerce, direct-to-consumer na fashion, personal na pangangalaga, at mga kumpanya ng inihandang meal-kit ang kinikilala bilang mga nangungunang retailer na muling nag-imbento ng karanasan sa online shopping sa pamamagitan ng pag-crunch. data sa pag-uugali ng customer.

Noong 2018, industry trade journal RetailDive.com ipinahayag ng Lawa ng Katrina “Disruptor Ng Taon” para sa kanyang tungkulin bilang tagapagtatag at CEO ng Ayusin ang Stitch, isang fashion site na nag-aalok ng serbisyo ng subscription ng mga kalakal na na-curate ng 3,900 part-time na stylist. Sa isang artikulo na inilathala sa Harvard Business Review sa parehong oras, inilarawan ni Lake ang kanyang kumpanya bilang "isang data science operation," na may kita na "depende sa magagandang rekomendasyon mula sa algorithm nito."

Ang Stitch Fix ay isa sa mga mas nakikitang halimbawa ng pagtaas ng tinatawag na mga retailer ng subscription box. Kasama sa listahan ang retailer ng mga produktong pampaganda Birchbox, na "nag-curate" at nagpapadala sa mga subscriber ng isang koleksyon ng mga produkto batay sa mga nakaraang pagbili at algorithm na nagkakategorya ng mga consumer batay sa edad, lokasyon, at iba pang mga punto ng data. Blue Apron, isang inihandang serbisyo ng subscription sa pagkain, ay isa pang kapansin-pansing kalahok.

Sa simula ng 2021, tatlong taon pagkatapos maisapubliko ang kumpanya, ang market capitalization ng Stitch Fix ay napakalaki ng $10 bilyon.

Ngayon, pagkalipas lamang ng labingwalong buwan, ang stock ay nawalan ng halos 95% ng halaga nito at ang kumpanya ay inaasahang mag-post ng unang taunang pagbaba ng benta nito mula noong naging publiko ito noong 2017.

Katulad nito, Blue Apron ay naging isang mas pangit na investment train wreck — limang taon matapos ang stock nito ay debuted sa $140 isang share ito ay kinakalakal sa mas mababa sa $4.

Bakit nagambala ang mga nakakagambala?

Sa lumalabas, ang mga palatandaan ng babala ay malinaw noong 2018. Sa isang piraso na lumabas sa Quartz.com, Luis Perez-Breva, isang lecturer at isang research scientist sa MIT's School of Engineering, ay nagbabala na, "Maraming retailer ang nakakalimutan kung ano talaga ang nakakatulong sa mga customer: In-store na tulong mula sa mga manggagawang tao."

Ayon kay Perez-Breva, "Upang makatanggap ng malinis na data para sa machine learning (Artificial Intelligence o AI), halimbawa, maraming retailer ang nagpapadala ng mga questionnaire sa mga customer na mas madaling iproseso ng mga computer."

Ngunit, sabi niya, “Ang mga customer ay hindi AI. Karamihan ay hindi sumasagot sa mga talatanungan, at marami ang nagpupuno ng anumang naaalala nila. Nag-iiwan ito sa mga retailer ng maling … data.”

Gayundin sa 2018, consulting giant Sinuri ng McKinsey & Co. ang higit sa 5,000 mga mamimili sa US tungkol sa mga serbisyo ng subscription at nalaman na, "mataas ang mga rate ng churn (halos 40 porsiyento) ... at mabilis na kinakansela ng mga consumer ang mga serbisyong hindi naghahatid ng mga mahusay na end-to-end na karanasan."

Ang ulat ng McKinsey ay nagtapos na, "Ang mga mamimili ay walang likas na pagmamahal sa mga subscription. Kung mayroon man, ang pangangailangan na mag-sign up para sa paulit-ulit ay nagpapababa ng pangangailangan at nagpapahirap sa pagkuha ng mga customer."

Samantala, maraming akademya ang nagsulat tungkol sa mga panganib na nauugnay sa pagkolekta ng data sa mga indibidwal na mamimili. Maaaring makatulong sa isang mamimili na alam ng isang retailer ang laki ng kanilang sapatos at paboritong kulay. Ngunit ano ang mangyayari kapag kasama sa data na nakolekta ng AI at mga algorithm ang pagbili ng mga birth control pills?

Para sa isang matagal nang kalahok at tagamasid ng industriya ng tingi, isang lumang kasabihan ang naiisip: mas maraming bagay ang nagbabago, mas nananatili silang pareho. Ang AI ay isang mahusay na tool sa pamamahala ng logistik, imbentaryo, at maraming iba pang alalahanin sa pamamahala ng negosyo. Sa kaso ng pag-asa sa pag-uugali ng mamimili, ang ilan sa mga ito ay mahalaga ngunit lamang kung ginamit nang maayos.

Kung gustong malaman ng mga retailer kung ano ang gusto ng mga consumer, mayroon silang nasubok sa oras na paraan upang malaman — sa pamamagitan ng pagsubok ng consumer sa mga produkto at presyo bago gumawa ng mahalagang kapital. Sa halip na pag-crunch ng data batay sa nakaraang gawi, o "pag-curate" sa mga profile ng mga subgroup ng consumer batay sa machine learning, mas tumpak na mahulaan ng mga retailer ang mga trend at demand sa hinaharap sa pamamagitan ng paggamit ng totoong intelligence na nakalap mula sa real-time online kasama ang mga tunay na mamimili. At, kung maglalapat ka ng algorithm, mas mahusay mong mapatunayang gumagana ito nang paulit-ulit.