Ciò che i rivenditori online hanno sbagliato su algoritmi e intelligenza artificiale

Intorno al periodo in cui la pandemia di COVID-19 ha preso piede nel 2020, un gruppo di aziende di e-commerce, moda diretta al consumatore, cura della persona e kit per pasti preparati sono state acclamate come rivenditori all'avanguardia che reinventano l'esperienza di acquisto online sgranocchiando dati sul comportamento dei clienti.

Nel 2018, rivista di settore RetailDive.com ha dichiarato il lago Katrina "Disgregatore dell'anno” per il suo ruolo di fondatrice e CEO di Correzione del punto, un sito di moda che offre un servizio in abbonamento di prodotti curato da 3,900 stilisti part-time. In un articolo pubblicato sulla Harvard Business Review più o meno nello stesso periodo, Lake ha descritto la sua azienda come "un'operazione di scienza dei dati", con entrate "dipendenti dagli ottimi consigli del suo algoritmo".

Stitch Fix è stato tra gli esempi più visibili dell'ascesa dei cosiddetti rivenditori di scatole in abbonamento. L'elenco comprende rivenditore di prodotti di bellezza Betulla, che "cura" e spedisce agli abbonati una raccolta di prodotti basata su acquisti precedenti e algoritmi che classificano i consumatori in base a età, posizione e altri punti dati. Grembiule blu, un servizio di abbonamento a pasti preparati, è stato un altro concorrente degno di nota.

All'inizio del 2021, tre anni dopo la quotazione in borsa della società, la capitalizzazione di mercato di Stitch Fix era di ben 10 miliardi di dollari.

Oggi, a soli diciotto mesi di distanza, il titolo ha perso circa il 95% del suo valore e la società lo è dovrebbe registrare il suo primo calo annuale delle vendite da quando è diventato pubblico nel 2017.

Analogamente, Grembiule blu si è trasformato in un disastro ferroviario ancora più brutto: cinque anni dopo che il suo titolo ha debuttato a $ 140 per azione, viene scambiato a meno di $ 4.

Perché i disgregatori sono stati interrotti?

A quanto pare, i segnali di pericolo erano evidenti nel 2018. In un pezzo apparso su Quartz.com, Luis Perez-Breva, docente e ricercatore presso la School of Engineering del MIT, ha avvertito che "Molti rivenditori hanno dimenticato ciò che aiuta davvero i clienti: l'assistenza in negozio da parte di lavoratori umani".

Secondo Perez-Breva, "Per ricevere dati puliti per l'apprendimento automatico (Intelligenza artificiale o AI), ad esempio, molti rivenditori inviano questionari ai clienti che sono più facili da elaborare per i computer".

Ma, dice, “I clienti non sono IA. La maggior parte non risponde mai ai questionari e molti compilano ciò che ricordano. Questo lascia i rivenditori con dati... errati".

Anche nel 2018 colosso della consulenza McKinsey & Co. ha intervistato più di 5,000 consumatori statunitensi sui servizi in abbonamento e ha scoperto che "i tassi di abbandono sono elevati (quasi il 40%) ... e i consumatori annullano rapidamente i servizi che non offrono esperienze end-to-end superiori".

Il rapporto McKinsey concludeva che "i consumatori non hanno un amore intrinseco per gli abbonamenti. Semmai, l'obbligo di iscriversi a uno ricorrente smorza la domanda e rende più difficile acquisire clienti".

Nel frattempo, diversi accademici hanno scritto sui rischi associati alla raccolta di dati sui singoli acquirenti. Può essere utile per un consumatore che un rivenditore conosca la propria taglia di scarpe e il colore preferito. Ma cosa succede quando i dati raccolti da AI e algoritmi includono l'acquisto di pillole anticoncezionali?

A un partecipante e osservatore di lunga data del settore della vendita al dettaglio, viene in mente una vecchia massima: più le cose cambiano, più rimangono le stesse. L'intelligenza artificiale è un potente strumento nella gestione della logistica, dell'inventario e di una serie di altri problemi di gestione aziendale. Nel caso di anticipare il comportamento dei consumatori, alcuni di essi sono preziosi ma solo se usati correttamente.

Se i rivenditori vogliono sapere cosa vogliono i consumatori, hanno un modo collaudato per scoprirlo: testando prodotti e prezzi da parte dei consumatori prima di impegnare capitale prezioso. Invece di elaborare dati in base al comportamento passato o "curare" i profili di sottogruppi di consumatori in base all'apprendimento automatico, i rivenditori possono prevedere con maggiore precisione le tendenze e la domanda futura utilizzando informazioni reali raccolte da online in tempo reale con acquirenti reali. E, se hai intenzione di applicare un algoritmo, è meglio che tu sia in grado di dimostrare che funziona più e più volte.