알고리즘과 AI에 대해 온라인 소매업체가 잘못 알고 있는 것

COVID-19 전염병이 2020년에 유행할 즈음에 전자 상거래, DXNUMXC(direct-to-consumer) 패션, 퍼스널 케어 및 준비된 밀키트 회사 그룹은 크런칭을 통해 온라인 쇼핑 경험을 재창조하는 최첨단 소매업체로 환영받았습니다. 고객 행동에 대한 데이터.

2018년 산업통상저널 RetailDive.com 선언된 카트리나 호수 "올해의 파괴자"의 설립자이자 CEO로서의 역할을 위해 스티치 수정, 3,900명의 아르바이트 스타일리스트가 큐레이팅한 굿즈 구독 서비스를 제공하는 패션 사이트. ~ 안에 하버드 비즈니스 리뷰에 실린 기사 거의 같은 시기에 Lake는 그녀의 회사를 "알고리즘의 훌륭한 권장 사항에 따라 달라지는" 수익이 있는 "데이터 과학 운영"이라고 설명했습니다.

Stitch Fix는 소위 구독 상자 소매업체의 부상을 가장 잘 보여주는 사례 중 하나입니다. 목록에는 미용 제품 소매업체가 포함됩니다. 자작나무 상자, 연령, 위치 및 기타 데이터 포인트를 기반으로 소비자를 분류하는 알고리즘 및 이전 구매를 기반으로 제품 컬렉션을 "큐레이트"하여 가입자에게 배송합니다. 블루 에이프런, 준비된 식사 구독 서비스는 또 다른 주목할만한 참가자입니다.

회사가 상장된 지 2021년 후인 10년 초, 스티치 픽스의 시가총액은 무려 XNUMX억 달러였습니다.

불과 95개월 후인 오늘, 그 주식은 가치의 약 XNUMX%를 잃었고 회사는 첫 연간 매출 감소를 기록할 것으로 예상됨 2017년 상장 이후

마찬가지로, 블루 에이프런 주식이 주당 140달러로 데뷔한 지 4년 만에 XNUMX달러 미만으로 거래되고 있는 더 추악한 투자 열차 사고로 바뀌었습니다.

디스럽터가 중단된 이유는 무엇입니까?

결과적으로 2018년에는 경고 신호가 분명했습니다. Quartz.com에 게재된 작품에서, MIT 공과대학의 강사이자 연구 과학자인 Luis Perez-Breva는 “많은 소매업체가 고객에게 진정으로 도움이 되는 것이 무엇인지 잊어버렸습니다. 바로 인간 노동자의 매장 내 지원입니다.”

Perez-Breva에 따르면 "예를 들어 머신 러닝(인공 지능 또는 AI)을 위한 깨끗한 데이터를 받기 위해 많은 소매업체에서 컴퓨터가 처리하기 더 쉬운 설문지를 고객에게 보냅니다."

하지만 그는 “고객은 AI가 아니다. 대부분은 설문지에 답하지 않으며 많은 사람들이 기억나는 대로 작성합니다. 이는 소매업체에 잘못된 데이터를 남깁니다.”

또한 2018년에는 컨설팅 대기업 McKinsey & Co.는 5,000명 이상의 미국 소비자를 대상으로 설문조사를 실시했습니다. 구독 서비스에 대해 조사한 결과 "해지율이 높고(거의 40%) ... 소비자들은 우수한 종단 간 경험을 제공하지 않는 서비스를 빠르게 취소합니다."

McKinsey 보고서는 다음과 같이 결론지었습니다. “소비자들은 본질적으로 구독에 대한 사랑이 없습니다. 어쨌든 반복되는 등록에 대한 요구 사항은 수요를 약화시키고 고객을 확보하기 어렵게 만듭니다.”

한편, 몇몇 학자들은 개별 쇼핑객에 대한 데이터 수집과 관련된 위험에 대해 저술했습니다. 소매업체가 신발 크기와 좋아하는 색상을 알고 있는 것이 소비자에게 도움이 될 수 있습니다. 그러나 AI와 알고리즘이 수집한 데이터에 피임약 구매가 포함되면 어떻게 될까요?

소매 산업에 오랫동안 참여하고 관찰하는 사람에게는 오래된 격언이 떠오릅니다. 더 많은 것이 변할수록 더 많이 동일하게 유지됩니다. AI는 물류, 재고 및 기타 여러 비즈니스 관리 문제를 관리하는 강력한 도구입니다. 소비자 행동을 예상하는 경우 일부는 가치가 있지만 올바르게 사용해야 합니다.

소매업체가 소비자가 원하는 것이 무엇인지 알고 싶다면 귀중한 자본을 투입하기 전에 소비자가 제품과 가격을 테스트하여 알아낼 수 있는 오랜 시간 검증된 방법이 있습니다. 소매업체는 과거 행동을 기반으로 데이터를 처리하거나 기계 학습을 기반으로 소비자 하위 그룹의 프로필을 "큐레이트"하는 대신 실제 쇼핑객과 함께 온라인에서 실시간으로 수집한 실제 인텔리전스를 사용하여 추세와 미래 수요를 보다 정확하게 예측할 수 있습니다. 그리고 알고리즘을 적용하려는 경우 계속해서 작동한다는 것을 더 잘 증명할 수 있습니다.