خرده فروشان آنلاین در مورد الگوریتم ها و هوش مصنوعی چه اشتباهی داشتند؟

در حوالی زمانی که همه‌گیری کووید-19 در سال 2020 شیوع پیدا کرد، گروهی از شرکت‌های تجارت الکترونیک، مد مستقیم به مصرف‌کننده، مراقبت شخصی و بسته‌های غذای آماده به‌عنوان خرده‌فروشان پیشرو مورد استقبال قرار گرفتند که تجربه خرید آنلاین را از نو ابداع کردند. داده های مربوط به رفتار مشتری

در سال 2018، مجله تجارت صنعت RetailDive.com دریاچه کاترینا را اعلام کرد «اخلالگر سال” برای نقش او به عنوان بنیانگذار و مدیر عامل شرکت اصلاح دوخت، یک سایت مد که خدمات اشتراک کالاها را توسط 3,900 آرایشگر پاره وقت ارائه می دهد. که در مقاله ای که در هاروارد بیزینس ریویو منتشر شده است در همان زمان، لیک شرکت خود را به عنوان «عملیات علم داده» توصیف کرد که درآمد آن «به توصیه‌های عالی از الگوریتم آن وابسته است».

Stitch Fix یکی از نمونه های قابل مشاهده تر از ظهور خرده فروشان به اصطلاح جعبه اشتراک بوده است. این لیست شامل خرده فروش محصولات زیبایی است جعبه توس، که مجموعه‌ای از محصولات را بر اساس خریدهای قبلی و الگوریتم‌هایی که مصرف‌کنندگان را بر اساس سن، مکان و سایر نقاط داده دسته‌بندی می‌کند، «مدیریت» می‌کند و برای مشترکین ارسال می‌کند. پیش بند آبی، یک سرویس اشتراک غذای آماده، یکی دیگر از شرکت کنندگان قابل توجه بود.

در ابتدای سال 2021، سه سال پس از سهامی عام شدن شرکت، ارزش بازار Stitch Fix به 10 میلیارد دلار رسید.

امروز، تنها هجده ماه بعد، سهام حدود 95 درصد از ارزش خود را از دست داده است و این شرکت کاهش یافته است انتظار می رود اولین کاهش فروش سالانه خود را ثبت کند از زمانی که در سال 2017 عمومی شد.

به طور مشابه، پیش بند آبی این قطار به یک خرابه قطار سرمایه‌گذاری حتی زشت‌تر تبدیل شده است - پنج سال پس از عرضه سهام آن به 140 دلار در هر سهم، این قطار با قیمت کمتر از 4 دلار معامله می‌شود.

چرا اخلالگران دچار اختلال شدند؟

همانطور که مشخص است، علائم هشدار در سال 2018 آشکار بود. در قطعه ای که در Quartz.com ظاهر شدلوئیس پرز-بروا، مدرس و دانشمند پژوهشی در دانشکده مهندسی MIT، هشدار داد که «بسیاری از خرده‌فروشان فراموش کرده‌اند که واقعاً چه چیزی به مشتریان کمک می‌کند: کمک کارگران انسانی در فروشگاه».

به گفته Perez-Breva، "به عنوان مثال، برای دریافت داده های تمیز برای یادگیری ماشین (هوش مصنوعی یا هوش مصنوعی)، بسیاری از خرده فروشان پرسشنامه هایی را برای مشتریان ارسال می کنند که پردازش آنها برای رایانه ها آسان تر است.

اما او می گوید: «مشتریان هوش مصنوعی نیستند. اکثر آنها هرگز به پرسشنامه ها پاسخ نمی دهند و بسیاری هر آنچه را که به خاطر می آورند پر می کنند. این باعث می‌شود خرده‌فروشان با داده‌های معیوب ...

همچنین در سال 2018، غول مشاوره McKinsey & Co بیش از 5,000 مصرف کننده آمریکایی را مورد بررسی قرار داد در مورد خدمات اشتراک و دریافت که، "نرخ ریزش بالاست (نزدیک به 40 درصد) ... و مصرف کنندگان به سرعت خدماتی را که تجربیات انتها به انتها برتر ارائه نمی دهند، لغو می کنند."

گزارش مک کینزی به این نتیجه رسید که «مصرف‌کنندگان عشق ذاتی به اشتراک ندارند. در هر صورت، الزام ثبت نام برای یک مورد تکراری تقاضا را کاهش می دهد و جذب مشتری را دشوارتر می کند.

در همین حال، چندین دانشگاه در مورد خطرات مربوط به جمع‌آوری داده‌ها در مورد خریداران فردی نوشته‌اند. ممکن است برای مصرف کننده مفید باشد که یک خرده فروش اندازه کفش و رنگ مورد علاقه خود را بداند. اما وقتی داده‌های جمع‌آوری‌شده توسط هوش مصنوعی و الگوریتم‌ها شامل خرید قرص‌های ضدبارداری باشد، چه اتفاقی می‌افتد؟

برای یک شرکت‌کننده قدیمی و ناظر صنعت خرده‌فروشی، یک اصل قدیمی به ذهن می‌رسد: هر چه چیزها بیشتر تغییر کنند، بیشتر ثابت می‌مانند. هوش مصنوعی ابزار قدرتمندی در مدیریت تدارکات، موجودی و مجموعه ای از نگرانی های مدیریت کسب و کار است. در مورد پیش‌بینی رفتار مصرف‌کننده، مقداری از آن ارزشمند است، اما تنها در صورت استفاده صحیح.

اگر خرده‌فروش‌ها بخواهند بدانند مصرف‌کنندگان چه می‌خواهند، روشی آزمایش‌شده در زمان برای پیدا کردن آن دارند - با آزمایش مصرف‌کننده محصولات و قیمت‌ها قبل از سرمایه‌گذاری گرانبها. به جای خرد کردن داده‌ها بر اساس رفتار گذشته، یا «تعیین» پروفایل‌های زیرگروه‌های مصرف‌کننده بر اساس یادگیری ماشینی، خرده‌فروشان می‌توانند با استفاده از اطلاعات واقعی جمع‌آوری‌شده از زمان واقعی آنلاین با خریداران واقعی، روندها و تقاضای آینده را با دقت بیشتری پیش‌بینی کنند. و اگر می خواهید الگوریتمی را اعمال کنید، بهتر است بتوانید بارها و بارها ثابت کنید که کار می کند.