Что интернет-магазины ошиблись в алгоритмах и искусственном интеллекте

Примерно в то время, когда в 19 году разразилась пандемия COVID-2020, группа компаний, занимающихся электронной коммерцией, прямой продажей модной одежды, средств личной гигиены и готовых наборов для еды, была провозглашена передовыми розничными торговцами, заново изобретающими опыт онлайн-покупок. данные о поведении клиентов.

В 2018 году отраслевой торговый журнал RetailDive.com заявил Катрина Лейк «Разрушитель года”за ее роль основателя и генерального директора Исправление стежка, модный сайт, предлагающий подписку на товары, которые курируют 3,900 стилистов, работающих неполный рабочий день. В статья, опубликованная в Harvard Business Review Примерно в то же время Лейк описала свою компанию как «операцию по обработке данных», доход которой «зависит от отличных рекомендаций от ее алгоритма».

Stitch Fix был одним из наиболее заметных примеров роста так называемых розничных продавцов коробок по подписке. В список вошли ритейлеры косметических товаров березовый ящик, который «курирует» и отправляет подписчикам коллекцию продуктов на основе предыдущих покупок и алгоритмов, которые классифицируют потребителей по возрасту, местоположению и другим точкам данных. Синем фартуке, служба подписки на готовую еду, была еще одним заметным участником.

В начале 2021 года, через три года после того, как компания стала публичной, рыночная капитализация Stitch Fix составляла колоссальные 10 миллиардов долларов.

Сегодня, всего восемнадцать месяцев спустя, акции потеряли около 95% своей стоимости, и компания ожидается первое годовое снижение продаж с тех пор, как он стал публичным в 2017 году.

Кроме того, Синем фартуке превратилась в еще более уродливое крушение инвестиционного поезда — через пять лет после того, как ее акции дебютировали по цене 140 долларов за акцию, она торгуется менее чем за 4 доллара.

Почему разрушители были сорваны?

Как оказалось, предупреждающие знаки были очевидны еще в 2018 году. В статье, появившейся на Quartz.com, Луис Перес-Брева, лектор и научный сотрудник Инженерной школы Массачусетского технологического института, предупредил, что «многие розничные торговцы забыли, что действительно помогает покупателям: помощь людей в магазине».

По словам Перес-Брева, «например, чтобы получать чистые данные для машинного обучения (искусственного интеллекта или ИИ), многие розничные продавцы рассылают покупателям анкеты, которые легче обрабатывать компьютерам».

Но, говорит он, «Клиенты — это не ИИ. Большинство никогда не отвечают на анкеты, и многие заполняют все, что помнят. Это оставляет розничных продавцов с ошибочными… данными».

Также в 2018 году консалтинговый гигант McKinsey & Co. опросила более 5,000 потребителей в США. об услугах по подписке и обнаружил, что «уровень оттока высок (почти 40 процентов) … и потребители быстро отказываются от услуг, которые не обеспечивают превосходного сквозного опыта».

В отчете McKinsey сделан вывод о том, что «потребители не имеют врожденной любви к подпискам. Во всяком случае, требование подписаться на повторяющуюся подписку ослабляет спрос и затрудняет привлечение клиентов».

Между тем, несколько ученых написали о рисках, связанных со сбором данных об отдельных покупателях. Потребителю может быть полезно, чтобы продавец знал размер его обуви и любимый цвет. Но что происходит, когда данные, собранные ИИ и алгоритмами, включают покупку противозачаточных таблеток?

Давнему участнику и наблюдателю за розничной торговлей на ум приходит старое правило: чем больше вещи меняются, тем больше они остаются прежними. ИИ — это мощный инструмент в управлении логистикой, запасами и множеством других задач управления бизнесом. В случае прогнозирования потребительского поведения некоторые из них имеют ценность, но только при правильном использовании.

Если ритейлеры хотят знать, чего хотят потребители, у них есть проверенный временем способ выяснить это — потребители тестируют продукты и цены, прежде чем вкладывать драгоценный капитал. Вместо того, чтобы обрабатывать данные, основанные на прошлом поведении, или «курировать» профили подгрупп потребителей на основе машинного обучения, розничные продавцы могут более точно прогнозировать тенденции и будущий спрос, используя реальные данные, собранные в режиме реального времени в Интернете с реальными покупателями. И если вы собираетесь применять алгоритм, вам лучше иметь возможность доказывать, что он работает снова и снова.