Hva nettforhandlere tok feil om algoritmer og AI

Rundt tiden da COVID-19-pandemien tok tak i 2020, ble en gruppe selskaper med e-handel, mote direkte til forbruker, personlig pleie og tilberedte måltidspakker hyllet som ledende forhandlere som gjenoppfant netthandelsopplevelsen ved å knase. data om kundeadferd.

I 2018, industri fagblad RetailDive.com erklærte Katrina Lake «Årets disruptor” for hennes rolle som grunnlegger og administrerende direktør i Stitch Fix, en moteside som tilbyr en abonnementstjeneste med varer kuratert av 3,900 deltidsstylister. I en artikkel publisert i Harvard Business Review omtrent på samme tid beskrev Lake selskapet hennes som "en datavitenskapelig operasjon", med inntekter "avhengig av gode anbefalinger fra algoritmen."

Stitch Fix har vært blant de mer synlige eksemplene på fremveksten av såkalte abonnementsboksforhandlere. Listen inkluderer forhandler av skjønnhetsprodukter Bjørkekasse, som "kuraterer" og sender til abonnenter en samling produkter basert på tidligere kjøp og algoritmer som kategoriserer forbrukere basert på alder, plassering og andre datapunkter. Blå Forkle, en abonnementstjeneste for tilberedte måltider, var en annen bemerkelsesverdig deltaker.

I begynnelsen av 2021, tre år etter at selskapet ble børsnotert, var markedsverdien til Stitch Fix hele 10 milliarder dollar.

I dag, bare atten måneder senere, har aksjen tapt omtrent 95 % av verdien, og selskapet er det forventes å publisere sin første årlige salgsnedgang siden den ble offentlig i 2017.

Tilsvarende Blå Forkle har blitt til et enda styggere investeringstogvrak - fem år etter at aksjen debuterte til 140 dollar per aksje, handles den for mindre enn 4 dollar.

Hvorfor ble forstyrrerne forstyrret?

Som det viser seg, var varselskiltene klare tilbake i 2018. I et stykke som dukket opp på Quartz.com, advarte Luis Perez-Breva, en foreleser og forsker ved MITs School of Engineering, at "Mange forhandlere har glemt hva som virkelig hjelper kundene: Butikkhjelp fra menneskelige arbeidere."

I følge Perez-Breva, "For å motta rene data for maskinlæring (kunstig intelligens eller AI), sender for eksempel mange forhandlere spørreskjemaer til kundene som er enklere å behandle for datamaskiner."

Men, sier han, "Kunder er ikke AI-er. De fleste svarer aldri på spørreskjemaene, og mange fyller ut det de husker. Dette etterlater forhandlere med feil ... data."

Også i 2018, konsulentgigant McKinsey & Co. undersøkte mer enn 5,000 amerikanske forbrukere om abonnementstjenester og fant ut at "avgangsprosentene er høye (nesten 40 prosent) ... og forbrukere kansellerer raskt tjenester som ikke gir overlegne ende-til-ende-opplevelser."

McKinsey-rapporten konkluderte med at "Forbrukere har ikke en iboende kjærlighet til abonnementer. Om noe, vil kravet om å registrere seg for en tilbakevendende en demper etterspørselen og gjør det vanskeligere å skaffe kunder.»

I mellomtiden har flere akademikere skrevet om risikoen forbundet med å samle inn data om individuelle kjøpere. Det kan være nyttig for en forbruker at en forhandler kjenner deres skostørrelse og favorittfarge. Men hva skjer når dataene som samles inn av AI og algoritmer inkluderer kjøp av p-piller?

For en langvarig deltaker i og observatør av detaljhandelen kommer en gammel maksime til tankene: jo mer ting endres, jo mer forblir de det samme. AI er et kraftig verktøy i styringen av logistikk, inventar og en rekke andre forretningsstyringsproblemer. Når det gjelder å forutse forbrukeratferd, er noe av det verdifullt, men bare hvis det brukes riktig.

Hvis forhandlere ønsker å vite hva forbrukere vil ha, har de en utprøvd måte å finne ut av det – ved å teste produkter og priser før de forplikter verdifull kapital. I stedet for å knuse data basert på tidligere atferd, eller "kuratere" profilene til forbrukerundergrupper basert på maskinlæring, kan forhandlere mer nøyaktig forutsi trender og fremtidig etterspørsel ved å bruke ekte intelligens samlet inn fra sanntid online med ekte kjøpere. Og hvis du skal bruke en algoritme, er det bedre å kunne bevise at den fungerer gang på gang.