Vad onlineåterförsäljare har fel om algoritmer och AI

Ungefär när covid-19-pandemin tog fäste 2020 hyllades en grupp företag inom e-handel, mode direkt till konsumenter, personlig vård och färdiga måltidspaket som ledande återförsäljare som återuppfann online shoppingupplevelsen genom att knäppa uppgifter om kundbeteende.

Under 2018, industri branschtidning RetailDive.com förklarade Katrina Lake "Årets disruptor” för hennes roll som grundare och VD för Stitch Fix, en modesajt som erbjuder en prenumerationstjänst av varor som kureras av 3,900 XNUMX deltidsstylister. I en artikel publicerad i Harvard Business Review ungefär samtidigt beskrev Lake sitt företag som "en datavetenskaplig verksamhet", med intäkter "beroende på bra rekommendationer från dess algoritm."

Stitch Fix har varit bland de mer synliga exemplen på framväxten av så kallade prenumerationsbox-återförsäljare. Listan inkluderar återförsäljare av skönhetsprodukter Björklåda, som "kuraterar" och skickar till prenumeranter en samling produkter baserade på tidigare köp och algoritmer som kategoriserar konsumenter baserat på ålder, plats och andra datapunkter. Blå Förkläde, en prenumerationsservice för beredd måltid, var en annan anmärkningsvärd deltagare.

I början av 2021, tre år efter att företaget blev börsnoterat, var Stitch Fix börsvärde hela 10 miljarder dollar.

Idag, bara arton månader senare, har aktien tappat cirka 95% av sitt värde och företaget är det förväntas publicera sin första årliga försäljningsminskning sedan den blev offentlig 2017.

På liknande sätt Blå Förkläde har förvandlats till ett ännu fulare investeringstågvrak - fem år efter att aktien debuterade på 140 dollar per aktie handlas den för mindre än 4 dollar.

Varför stördes störarna?

Som det visar sig var varningstecknen tydliga redan 2018. I ett stycke som dök upp på Quartz.com, Luis Perez-Breva, föreläsare och forskare vid MIT:s School of Engineering, varnade för att "Många återförsäljare har glömt vad som verkligen hjälper kunder: Hjälp i butik från mänskliga arbetare."

Enligt Perez-Breva, "För att få ren data för maskininlärning (artificiell intelligens eller AI), till exempel, skickar många återförsäljare frågeformulär till kunder som är lättare för datorer att bearbeta."

Men, säger han, "Kunder är inte AI:er. De flesta svarar aldrig på frågeformulären, och många fyller i vad de kommer ihåg. Detta lämnar återförsäljare med felaktiga … data.”

Även 2018, konsultjätte McKinsey & Co. undersökte mer än 5,000 XNUMX amerikanska konsumenter om prenumerationstjänster och upptäckte att "churn rates är höga (nästan 40 procent) ... och konsumenter avbryter snabbt tjänster som inte ger överlägsna end-to-end-upplevelser."

McKinsey-rapporten drog slutsatsen att "Konsumenter har inte en inneboende kärlek till prenumerationer. Om något dämpar kravet att registrera sig för en återkommande efterfrågan och gör det svårare att skaffa kunder.”

Samtidigt har flera akademiker skrivit om riskerna med att samla in data om enskilda shoppare. Det kan vara till hjälp för en konsument att en återförsäljare känner till sin skostorlek och favoritfärg. Men vad händer när data som samlas in av AI och algoritmer inkluderar köp av p-piller?

För en långvarig deltagare i och observatör av detaljhandeln kommer en gammal maxim att tänka på: ju mer saker förändras, desto mer förblir de oförändrade. AI är ett kraftfullt verktyg för hantering av logistik, lager och en mängd andra företagsledningsfrågor. När det gäller att förutse konsumentbeteende är en del av det värdefullt men bara om det används på rätt sätt.

Om återförsäljare vill veta vad konsumenter vill ha, har de ett beprövat sätt att ta reda på det - genom att konsumenttesta produkter och priser innan de satsar värdefullt kapital. Istället för att krossa data baserat på tidigare beteende, eller "kuratera" profilerna för konsumentundergrupper baserat på maskininlärning, kan återförsäljare mer exakt förutsäga trender och framtida efterfrågan genom att använda verklig intelligens insamlad från realtid online med riktiga shoppare. Och om du ska tillämpa en algoritm, är det bättre att du kan bevisa att den fungerar gång på gång.