مقابلات
أمانبال دوهبار، رئيس قسم التجزئة في تريدنس – سلسلة مقابلات
أمانبال دوهبار، رئيس قسم التجزئة في تريدنس هو خبير في تحليلات التجزئة والذكاء الاصطناعي مع أكثر من عقد من الخبرة في تصميم وتطوير حلول مدفوعة بالبيانات التي توفر رؤى قابلة للتنفيذ لمصنعي القرار في الشركات. على مدار مسيرته المهنية، قاد تحولات تحليلية استراتيجية لمنفذي cấp cao عبر تجار التجزئة الرئيسيين، وبناء خطط منتجات الذكاء الاصطناعي لتحقيق مؤشرات أداء قابلة للقياس، وتوسيع فرق التحليلات من العمليات الصغيرة إلى العمليات الكبيرة – مما يثبت عمقًا تقنيًا وتنوعًا في القيادة.
تريدنس هي شركة حلول علوم البيانات والذكاء الاصطناعي تركز على مساعدة الشركات في解 القيمة التجارية من خلال التحليلات المتقدمة والتعلم الآلي والاتخاذ القرارات مدفوعة بالذكاء الاصطناعي. تعاون الشركة مع العلامات التجارية العالمية – خاصة في التجزئةและสلع الاستهلاك – لحل التحديات المعقدة عبر التموين وال سلسلة التوريد والأسعار و تجربة العملاء وعمليات الترويج، وترجمة الإشارات إلى تأثير حقيقي في العالم الحقيقي ومساعدة العملاء على تحديث قدراتهم التحليلية والاستخباراتية.
غالبًا ما تقوم متاجر التجزئة بتشغيل عشرات تجارب الذكاء الاصطناعي، ومع ذلك فإن القليل منها ينتقل إلى التعميم الكامل. ما هي الأخطاء التنظيمية الأكثر شيوعًا التي تمنع الذكاء الاصطناعي من تحويله إلى نتائج تجارية قابلة للقياس؟
وجدت دراسة حديثة من معهد ماساتشوستس للتكنولوجيا أن 95٪ من تجارب الذكاء الاصطناعي تفشل في تحقيق التعميم الكامل. الواقع؟ التجارب سهلة، ولكن الإنتاج صعب. في تريدنس، لقد حددنا أربعة أسباب تنظيمية محددة تجعل هذا الفجوة.
أولاً، فشل في فهم تدفق المستخدم النهائي. غالبًا ما تدرج متاجر التجزئة الذكاء الاصطناعي في العمليات الحالية المعطوبة بدلاً من سؤال كيف يجب إعادة تخيل التدفق نفسه مع الذكاء الاصطناعي في المركز.
ثانيًا، نقص في نهج منصة لبرامج الوكيل. بدلاً من معاملة الوكلاء على أنها تجارب منفردة، تحتاج المنظمات إلى تسهيل دورة الحياة بأكملها – من تصميم الوكيل وتطويره إلى التعميم والمراقبة والحوكمة – في جميع أنحاء المؤسسة.
ثالثًا، أساس بيانات ضعيف. من السهل بناء تجربة على ملف مسطح نظيف، ولكن التوسيع يتطلب أساسًا قويًا في الوقت الفعلي حيث يكون البيانات الدقيقة متاحًا باستمرار للنماذج الذكاء الاصطناعي.
أخيرًا، نرى احتكاكًا بين دفع تكنولوجيا المعلومات وجذب الأعمال. النجاح يحدث فقط عندما يرى قادة الأعمال الذكاء الاصطناعي كقيمة إضافية مرتبطة بالتأثير القابل للقياس، بدلاً من انحراف مدفوعًا بتكنولوجيا المعلومات. في تريدنس، كان تركيزنا دائمًا على “الآخر ميل”، حيث نربط الفجوة بين توليد الإشارات وتحقيق القيمة.
تعمل تريدنس مع العديد من أكبر تجار التجزئة في العالم، ودعم تريليونات في الإيرادات. بناءً على ما تراه عبر الصناعة، ما الذي يفصل تجار التجزئة الذين يوسعون الذكاء الاصطناعي بنجاح عن أولئك الذين يبقون عالقين في التجارب؟
في تريدنس، دعم تريليونات في إيرادات التجزئة قد أعطانا مقعدًا في الصف الأمامي لمقسوم واضح في الصناعة: تجار التجزئة الذين يعاملون الذكاء الاصطناعي كシリーズ من التجارب المنفصلة مقابل أولئك الذين يبنيون “مصنع الذكاء الاصطناعي” الصناعي. التفرقة الأساسية تكمن في الالتزام بأسس منصة الوكيل. المنظمات الأكثر نجاحًا تتوقف عن البناء من الصفر وبدلاً من ذلك تستثمر في نظام بيئي قوي يتميز بمكتبات المكونات القابلة لإعادة الاستخدام و قوالب التصميم القياسية و أنماط الوكيل المسبقة المصممة لاستخدامات التجزئة المحددة. عندما تضع LLMOps الناضجة ومراقبة الكل و حواجز الذكاء الاصطناعي المسؤول (RAI) المضمنة على هذا الأساس، فإن التأثير يكون تحولًا – عادة ما نرى تحسينًا في سرعة القيمة لاستخدامات الحالة الجديدة بنسبة 80٪ لأن رفع الهيكل المعماري الثقيل يتم بالفعل.
ومع ذلك، المنصة جيدة فقط كما السياق الذي تستهلكه، مما يأتي إلينا إلى أساس البيانات. التوسيع يتطلب أكثر من مجرد الوصول الخام إلى البيانات؛ إنه يطالب طبقة семантиية غنية حيث يسمح البيانات المتعددة و نماذج البيانات الموحدة للذكاء الاصطناعي بالفعل “الreasoning” حول الأعمال بدلاً من مجرد معالجة الإدخالات. أخيرًا، القادة الحقيقيون يدركون أن هذا ليس فقط تحولًا تكنولوجيًا ولكن ثقافيًا. هم يربطون “الآخر ميل” عن طريق الانتقال بعيدًا عن التأتمتة البسيطة إلى فريق الإنسان والوكيل، وإعادة هندسة تدفقات العمل بحيث يثق المندوبون والتجار مع نظرائهم الرقميين، وتحويل الإمكانية الخوارزمية إلى حقيقة تجارية قابلة للقياس.
أكثر من 70٪ من عروض التجزئة لا تزال تفشل في تحقيق التعادل. كيف يمكن للذكاء الاصطناعي تحسين التخطيط للعروض، والقياس، والتحسين في الوقت الفعلي بشكل فعّال؟
معدل الفشل البالغ 70٪ يستمر لأن تجار التجزئة غالبًا ما يعتمدون على تحليلات “مرآة الرؤية الخلفية” التي ت混 بين المبيعات الإجمالية ورفع الإجمالي – أساسًا ما يدفع المستهلكين المخلصين الذين سيشترون على أي حال. لكي نكسر هذا الدورة، намنح إلى نهج أكثر تنبؤًا. في مرحلة التخطيط، نستخدم الذكاء الاصطناعي العامل لتحديد النتائج وتحديد “الأساسيات الحقيقية”، وتحديد ما سيباع بدون العرض. هذا يسمح لتجار التجزئة بوقف دفع الطلب العضوي وستهدف فقط الحجم الجديد الصافي.
للمقاس، يحل الذكاء الاصطناعي “لغز المحفظة” من خلال كمية تأثير الهالة والاستهلاك. غالبًا ما يخطط التاجر البشري في السilos، ولكن الذكاء الاصطناعي يوفر نظرة على مستوى الفئة، ويضمن أن العرض على وحدة بيع واحدة لا يسرق الهامش من وحدة بيع أخرى. هذا القياس الشامل يساعد تجار التجزئة على فهم ما إذا كانوا ينمون فئة الكعكة أو مجرد تقطيعها بشكل مختلف.
أخيرًا، لتحسين الوقت الفعلي، تتحرك الصناعة نحو وكلاء الذكاء الاصطناعي الذين يراقبون الحملات “في الطيران”. بدلاً من انتظار التحليل بعد الوفاة أسابيع بعد الحدث، يوصي هؤلاء الوكلاء تلقائيًا بتعديلات المسار – مثل调整 الإنفاق الإعلاني الرقمي أو تبديل العروض – لإنقاذ الحساب قبل انتهاء العرض. هذا النهج يغير التركيز من مجرد إفراغ المخزون إلى هندسة النمو الرائع.
استمرار الأخطاء في التنبؤ وعدم توفر البضائع يسبب خسائر إيرادات كبيرة. ما الذي يجعل أنظمة التجزئة والتوريد مدفوعة بالذكاء الاصطناعي أكثر فعالية من نهج التنبؤ التقليدية؟
الانتقال الأول في التنبؤ، حيث يتحرك الذكاء الاصطناعي من الاعتماد فقط على التاريخ الداخلي إلى استهلاك البيانات الخارجية – مثل الطقس المحلي والأحداث الاجتماعية والمؤشرات الاقتصادية. عندما يلتقط التنبؤ هذا السياق الخارجي، تحسن الدقة لا تتحسن فقط أرقام المبيعات؛ إنها تتحسن أيضًا في إدارة المخزون والتخطيط السعوي و جداول العمل والمخازن لتناسب الطلب الحقيقي.
الانتقال الثاني في عدم توفر البضائع، الذي لا يزال يفشل معظم تجار التجزئة في قياسه بدقة. يحل الذكاء الاصطناعي هذا bằng الكشف عن الشذوذ في أنماط المبيعات – تحديد “المخزون الوهمي” حيث يعتقد النظام أن العنصر في المخزون، ولكن المبيعات توقفت – وتحفيز العد الدوري تلقائيًا لتصحيح السجل. بعيدًا عن البيانات، نحن نرى صعود الرؤية الحاسوبية لتحديد الفجوات على الرف في الوقت الفعلي وتتبع المخزون في الغرف الخلفية، لضمان أن المنتج ليس فقط “في المبنى” ولكن متاحًا للعميل لشراء.
يصبح التجارة الوكيلية موضوعًا رئيسيًا في 혁신 التجزئة. كيف يغير وكلاء الذكاء الاصطناعي القائمون على العقل.product الاكتشاف والتحويل مقارنة بتجربة التسوق مدفوعة بالبحث اليوم؟
في تجربة التسوق مدفوعة بالبحث اليوم، لا يزال المستهلكون يقومون بأغلب الأعمال الشاقة. يجب أن يعرفوا ما يبحثون عنه، ومقارنة الخيارات، وفهم النتائج اللانهائية. وكلاء الذكاء الاصطناعي ي改变 هذا bằng توليد “الممرات الاصطناعية” ديناميكيًا – المجموعات المجمعة التي تجمع بين المنتجات متعددة الفئات بناءً على نوية محددة. على سبيل المثال، بدلاً من البحث بشكل منفصل عن خمسة عناصر، يتم تقديم مشتري بهدف “الصباح الصحي” إلى ممر موحد يضم كل شيء من الحبوب الغنية بالبروتين إلى الخلاطات، ويقلل فورًا من قمع الاكتشاف من دقائق إلى ثوان.
في جانب التحويل، يتصرف هؤلاء الوكلاء أقل مثل محركات البحث وأكثر مثل “concierges التسوق”. لا يlistedون فقط الخيارات؛ إنهم يبنيون سلالات بناءً على الاحتياجات المفتوحة. إذا سأل العميل عن “خطة العشاء لأربعة أشخاص أقل من 50 دولارًا”، يفكر الوكيل في المخزون والأسعار والقيود الغذائية لاقتراح حزمة كاملة. هذه القدرة على العقل تقترب من “فجوة الثقة” – من خلال توضيح لماذا يتناسب المنتج مع أسلوب حياة المستخدم أو هدفه، يقلل الوكيل من شلل القرار ويدفع معدلات تحويل أعلى مقارنة بشبكة صامتة من مصاحف المنتج.
أخيرًا، نحن نرى هذا التمديد إلى المحتوى الشخصي المتح hyper. بدلاً من عرض نفس لافتة الصفحة الرئيسية للجميع، يمكن لوكلاء الذكاء الاصطناعي توليد صفحات هبوط ديناميكية ومرئية تعكس مهمة التسوق الحالية للعميل. ومع ذلك، من أجل تحقيق ذلك، يجد تجار التجزئة أنهم بحاجة إلى توجيه هؤلاء الوكلاء في نموذج بيانات موحد مع حوكمة صارمة للعلامة التجارية والأمان، لضمان أن “الابتكار” للذكاء الاصطناعي لا يخترع أبدًا منتجات أو ينتهك صوت العلامة التجارية.
كثير من تجار التجزئة يصارعون مع هياكل بيانات قديمة. كيف يجب على الشركات تحديث أسس بياناتها بحيث يمكن للنماذج الذكاء الاصطناعي تقديم توصيات قابلة للثقة وواضحة؟
أعلى حاجز لنجاح الذكاء الاصطناعي ليس النماذج ولكن “المنطقة الرطبة للبيانات” أسفلها. لتحديث، يجب على تجار التجزئة التوقف عن مجرد جمع البيانات إلى بناء طبقة семантиية موحدة. هذا يعني تنفيذ “نموذج البيانات” القياسي حيث يتم تعريف المنطق التجاري (مثل كيفية حساب “الربح الشبحي” أو “الانحراف”) مرة واحدة ويمكن الوصول إليه على نطاق واسع، بدلاً من أن يكون مخفيًا في سكريبتات SQL منقسمة عبر المنظمة.
ثانيًا، تحتاج الشركات إلى الانتقال إلى عقلية “منتج البيانات”. بدلاً من معاملة البيانات كمنتج تكنولوجيا المعلومات، يعالج تجار التجزئة الناجحون البيانات كمنتج مع ملكية محددة و SLA ومراقبة جودة صارمة (مراقبة البيانات). عندما تجمع بين هذا السجل “الذهبي” النظيف والمحكوم مع البيانات الغنية، يمكنك فتح الإمكانية. الذكاء الاصطناعي لا يخرج فقط توصية غامضة؛ يمكنه تتبع منطقه إلى طبقة Семантиック.
اعتمادًا على ما تراه عبر الصناعة، ما الذي يفصل تجار التجزئة الذين يوسعون الذكاء الاصطناعي بنجاح عن أولئك الذين يبقون عالقين في التجارب؟
في تريدنس، دعم تريليونات في إيرادات التجزئة قد أعطانا مقعدًا في الصف الأمامي لمقسوم واضح في الصناعة: تجار التجزئة الذين يعاملون الذكاء الاصطناعي كシリーズ من التجارب المنفصلة مقابل أولئك الذين يبنيون “مصنع الذكاء الاصطناعي” الصناعي. التفرقة الأساسية تكمن في الالتزام بأسس منصة الوكيل. المنظمات الأكثر نجاحًا تتوقف عن البناء من الصفر وبدلاً من ذلك تستثمر في نظام بيئي قوي يتميز بمكتبات المكونات القابلة لإعادة الاستخدام و قوالب التصميم القياسية و أنماط الوكيل المسبقة المصممة لاستخدامات التجزئة المحددة. عندما تضع LLMOps الناضجة ومراقبة الكل و حواجز الذكاء الاصطناعي المسؤول (RAI) المضمنة على هذا الأساس، فإن التأثير يكون تحولًا – عادة ما نرى تحسينًا في سرعة القيمة لاستخدامات الحالة الجديدة بنسبة 80٪ لأن رفع الهيكل المعماري الثقيل يتم بالفعل.
ومع ذلك، المنصة جيدة فقط كما السياق الذي تستهلكه، مما يأتي إلينا إلى أساس البيانات. التوسيع يتطلب أكثر من مجرد الوصول الخام إلى البيانات؛ إنه يطالب طبقة семантиية غنية حيث يسمح البيانات المتعددة و نماذج البيانات الموحدة للذكاء الاصطناعي بالفعل “الreasoning” حول الأعمال بدلاً من مجرد معالجة الإدخالات. أخيرًا، القادة الحقيقيون يدركون أن هذا ليس فقط تحولًا تكنولوجيًا ولكن ثقافيًا. هم يربطون “الآخر ميل” عن طريق الانتقال بعيدًا عن التأتمتة البسيطة إلى فريق الإنسان والوكيل، وإعادة هندسة تدفقات العمل بحيث يثق المندوبون والتجار مع نظرائهم الرقميين، وتحويل الإمكانية الخوارزمية إلى حقيقة تجارية قابلة للقياس.
كثير من تجار التجزئة يصارعون مع هياكل بيانات قديمة. كيف يجب على الشركات تحديث أسس بياناتها بحيث يمكن للنماذج الذكاء الاصطناعي تقديم توصيات قابلة للثقة وواضحة؟
أعلى حاجز لنجاح الذكاء الاصطناعي ليس النماذج ولكن “المنطقة الرطبة للبيانات” أسفلها. لتحديث، يجب على تجار التجزئة التوقف عن مجرد جمع البيانات إلى بناء طبقة семантиية موحدة. هذا يعني تنفيذ “نموذج البيانات” القياسي حيث يتم تعريف المنطق التجاري (مثل كيفية حساب “الربح الشبحي” أو “الانحراف”) مرة واحدة ويمكن الوصول إليه على نطاق واسع، بدلاً من أن يكون مخفيًا في سكريبتات SQL منقسمة عبر المنظمة.
ثانيًا، تحتاج الشركات إلى الانتقال إلى عقلية “منتج البيانات”. بدلاً من معاملة البيانات كمنتج تكنولوجيا المعلومات، يعالج تجار التجزئة الناجحون البيانات كمنتج مع ملكية محددة و SLA ومراقبة جودة صارمة (مراقبة البيانات). عندما تجمع بين هذا السجل “الذهبي” النظيف والمحكوم مع البيانات الغنية، يمكنك فتح الإمكانية. الذكاء الاصطناعي لا يخرج فقط توصية غامضة؛ يمكنه تتبع منطقه إلى طبقة Семантиック.
اعتمادًا على ما تراه عبر الصناعة، ما الذي يفصل تجار التجزئة الذين يوسعون الذكاء الاصطناعي بنجاح عن أولئك الذين يبقون عالقين في التجارب؟
في تريدنس، دعم تريليونات في إيرادات التجزئة قد أعطانا مقعدًا في الصف الأمامي لمقسوم واضح في الصناعة: تجار التجزئة الذين يعاملون الذكاء الاصطناعي كシリーズ من التجارب المنفصلة مقابل أولئك الذين يبنيون “مصنع الذكاء الاصطناعي” الصناعي. التفرقة الأساسية تكمن في الالتزام بأسس منصة الوكيل. المنظمات الأكثر نجاحًا تتوقف عن البناء من الصفر وبدلاً من ذلك تستثمر في نظام بيئي قوي يتميز بمكتبات المكونات القابلة لإعادة الاستخدام و قوالب التصميم القياسية و أنماط الوكيل المسبقة المصممة لاستخدامات التجزئة المحددة. عندما تضع LLMOps الناضجة ومراقبة الكل و حواجز الذكاء الاصطناعي المسؤول (RAI) المضمنة على هذا الأساس، فإن التأثير يكون تحولًا – عادة ما نرى تحسينًا في سرعة القيمة لاستخدامات الحالة الجديدة بنسبة 80٪ لأن رفع الهيكل المعماري الثقيل يتم بالفعل.
ومع ذلك، المنصة جيدة فقط كما السياق الذي تستهلكه، مما يأتي إلينا إلى أساس البيانات. التوسيع يتطلب أكثر من مجرد الوصول الخام إلى البيانات؛ إنه يطالب طبقة семантиية غنية حيث يسمح البيانات المتعددة و نماذج البيانات الموحدة للذكاء الاصطناعي بالفعل “الreasoning” حول الأعمال بدلاً من مجرد معالجة الإدخالات. أخيرًا، القادة الحقيقيون يدركون أن هذا ليس فقط تحولًا تكنولوجيًا ولكن ثقافيًا. هم يربطون “الآخر ميل” عن طريق الانتقال بعيدًا عن التأتمتة البسيطة إلى فريق الإنسان والوكيل، وإعادة هندسة تدفقات العمل بحيث يثق المندوبون والتجار مع نظرائهم الرقميين، وتحويل الإمكانية الخوارزمية إلى حقيقة تجارية قابلة للقياس.
كيف سيلعب الذكاء الاصطناعي دورًا في تحسين الاستهداف والقياس والتعيين المغلق للرواية في حين الحفاظ على ثقة المستهلك مع نضج شبكات الإعلام التجزئة؟
سيحول الذكاء الاصطناعي أربعة مجالات رئيسية مع نضج شبكات الإعلام التجزئة.
أولاً، في الاستهداف، تتطور الصناعة من قطاعات الجمهور الثابتة إلى القصد التنبؤي. من خلال تحليل الإشارات في الوقت الفعلي – مثل سرعة التصفح أو تركيبة السلة – لتحديد اللحظة الدقيقة لاحتياج المستهلك، يضمن الذكاء الاصطناعي أننا نظهر الإعلانات الصحيحة عندما يهم ذلك بدلاً من مجرد استهداف علامة демوغرافية واسعة.
ثانيًا، للقياس، يتحول المعيار الذهبي من عائد الإعلان البسيط (ROAS) إلى عائد الإعلان الزائد (iROAS). من خلال استخدام الذكاء الاصطناعي العامل، يمكننا قياس التأثير الحقيقي للإنفاق الإعلاني من خلال تحديد المستهلكين الذين تحولوا فقط بسبب الإعلان مقابل أولئك الذين حدث ذلك بشكل طبيعي.
ثالثًا، يصبح الكفاءة التشغيلية حرجًا، خاصة في العمليات الإبداعية. لدعم التخصيص الفائق، يستخدم تجار التجزئة الذكاء الاصطناعي التوليدي ليس فقط للفكرة ولكن لتوسيع الإنتاج. هذا يسمح للفرق بإنشاء آلاف التغييرات الديناميكية والقنوات الخاصة بالموارد في دقائق بدلاً من الأسابيع، وحل عرقلة “سرعة المحتوى”.
أخيرًا، يعتمد الحفاظ على الثقة على اعتماد واسع النطاق لغرف نظافة البيانات. هذه البيئات تسمح لتجار التجزئة و العلامات التجارية بمطابقة قواعد البيانات الخاصة بهم بشكل آمن لغرض التعيين المغلق، مما يضمن ألا يغادر المعلومات الشخصية الحساسة (PII) أبدًا جدران الحماية الخاصة بهم.
متى النظر إلى الأمام، ما هي القدرات التي ستحدد الجيل التالي من تجار التجزئة مدفوعة بالذكاء الاصطناعي، وما يجب على القادة البدء في بنائه اليوم للبقاء التنافسي خلال الخمس سنوات القادمة؟
العصر التالي للتجزئة سيكون محددًا بالانتقال من “التحول الرقمي” إلى “التحول الوكيل”. نحن نتحرك إلى مستقبل “التنسيق التلقائي”، حيث تعمل شبكات من وكلاء الذكاء الاصطناعي معًا لتشغيل العمليات المعقدة – مثل وكيل سلسلة التوريد الذي يخبر وكيل التسويق تلقائيًا بإيقاف العرض لأن الشحنة متأخرة.
لتحضير هذا، يجب على القادة البدء في بناء ثلاثة أشياء اليوم.
أولاً، نموذج بيانات موحد. لا يمكن للوكلاء التعاون إذا لم يتكلموا نفس اللغة؛ يجب أن تطور أساس البيانات الخاصة بك من مخزن إلى “نظام عصبي” семантиقي.
ثانيًا، إطار الحوكمة للوكلاء. يجب أن تحدد “قواعد المشاركة” – ما يسمح للذكاء الاصطناعي بالعمل بشكل مستقل مقابل ما يتطلب موافقة بشرية – قبل أن تتوسع.
أخيرًا، أيام لوحات القيادة الثابتة التي توفر تحليلات “المرآة الخلفية” معلمة. نحن نتحرك نحو تحليلات محادثية توفر رؤى فورية وpersonnel، وتتجاوز هذه الواجهات الإبلاغ عن “ما حدث”؛ إنها تستخدم الذكاء الاصطناعي الوكيل لreasoning من خلال أسئلة معقدة و تقديم توصيات وصفية حول ما يجب فعله بعد ذلك، بشكل فعال يغلق الفجوة بين الإلهام والعمل.
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في التعلم المزيد يجب أن يزوروا تريدنس.
