Wat online retailers verkeerd hebben gedaan over algoritmen en AI

Rond de tijd dat de COVID-19-pandemie in 2020 uitbrak, werd een groep bedrijven in e-commerce, direct-to-consumer mode, persoonlijke verzorging en bereide maaltijdpakketten geprezen als toonaangevende retailers die de online winkelervaring opnieuw uitvonden door te kraken gegevens over klantgedrag.

In 2018, vakblad voor de branche DetailhandelDive.com verklaarde Katrina Lake "Verstoring van het jaar"” voor haar rol als oprichter en CEO van Stitch Fix, een modesite die een abonnementsservice aanbiedt voor goederen samengesteld door 3,900 parttime stylisten. In een artikel gepubliceerd in de Harvard Business Review rond dezelfde tijd beschreef Lake haar bedrijf als 'een datawetenschappelijke operatie', met inkomsten 'afhankelijk van geweldige aanbevelingen van het algoritme'.

Stitch Fix is ​​een van de meer zichtbare voorbeelden van de opkomst van zogenaamde abonnementsbox-retailers. De lijst bevat een detailhandelaar in schoonheidsproducten Berkendoos, die een verzameling producten "cureert" en naar abonnees verzendt op basis van eerdere aankopen en algoritmen die consumenten categoriseren op basis van leeftijd, locatie en andere gegevenspunten. Blauwe schort, een abonnementsservice voor bereide maaltijden, was een andere opmerkelijke nieuwkomer.

Begin 2021, drie jaar nadat het bedrijf naar de beurs ging, bedroeg de marktkapitalisatie van Stitch Fix maar liefst $ 10 miljard.

Vandaag, slechts achttien maanden later, heeft het aandeel ongeveer 95% van zijn waarde verloren en is het bedrijf... zal naar verwachting zijn eerste jaarlijkse omzetdaling boeken sinds de beursgang in 2017.

Evenzo Blauwe schort is veranderd in een nog lelijker investeringswrak - vijf jaar nadat het aandeel debuteerde op $ 140 per aandeel, wordt het verhandeld tegen minder dan $ 4.

Waarom werden de disruptors verstoord?

Het blijkt dat de waarschuwingssignalen in 2018 duidelijk waren. In een stuk dat verscheen op Quartz.com, waarschuwde Luis Perez-Breva, docent en onderzoeker aan de MIT's School of Engineering: "Veel retailers zijn vergeten wat klanten echt helpt: hulp in de winkel van menselijke werknemers."

Volgens Perez-Breva: "Om bijvoorbeeld schone gegevens voor machine learning (kunstmatige intelligentie of AI) te ontvangen, sturen veel retailers klanten vragenlijsten die gemakkelijker door computers kunnen worden verwerkt."

Maar, zegt hij, “Klanten zijn geen AI's. De meesten beantwoorden de vragenlijsten nooit en velen vullen alles in wat ze zich herinneren. Dit laat retailers achter met foutieve … data.”

Ook in 2018, adviesgigant McKinsey & Co. ondervroeg meer dan 5,000 Amerikaanse consumenten over abonnementsservices en ontdekte dat "de churn-percentages hoog zijn (bijna 40 procent) ... en dat consumenten snel services annuleren die geen superieure end-to-end-ervaringen bieden."

Het McKinsey-rapport concludeerde: “Consumenten hebben geen inherente liefde voor abonnementen. De vereiste om je aan te melden voor een terugkerend abonnement dempt in ieder geval de vraag en maakt het moeilijker om klanten te werven."

Ondertussen hebben verschillende academici geschreven over de risico's die gepaard gaan met het verzamelen van gegevens over individuele shoppers. Het kan voor een consument handig zijn dat een winkelier zijn schoenmaat en favoriete kleur kent. Maar wat gebeurt er als de door AI en algoritmen verzamelde gegevens ook de aankoop van anticonceptiepillen omvatten?

Voor een oude deelnemer aan en waarnemer van de detailhandel komt een oude stelregel voor de geest: hoe meer dingen veranderen, hoe meer ze hetzelfde blijven. AI is een krachtig hulpmiddel bij het beheer van logistiek, inventaris en tal van andere zaken op het gebied van bedrijfsbeheer. In het geval van het anticiperen op consumentengedrag is een deel ervan waardevol, maar alleen als het op de juiste manier wordt gebruikt.

Als retailers willen weten wat consumenten willen, hebben ze een beproefde manier om erachter te komen - door consumenten producten en prijzen te testen voordat ze kostbaar kapitaal inzetten. In plaats van gegevens te kraken op basis van gedrag uit het verleden, of de profielen van subgroepen van consumenten te 'cureren' op basis van machine learning, kunnen retailers trends en toekomstige vraag nauwkeuriger voorspellen door echte informatie te gebruiken die in realtime online is verzameld met echte shoppers. En als je een algoritme gaat toepassen, kun je maar beter keer op keer bewijzen dat het werkt.