Viki Zabala, First Insightin kasvu- ja strategiajohtaja – Haastattelusarja

Viki Zabala, First Insightin kasvu- ja strategiajohtaja, tuo yli 22 vuoden johtajuuden korkean kasvun SaaS-, AI- ja teknologiayrityksistä, toimien strategian, tuotteen ja innovaation risteyksessä. Tehtävässään hän johtaa First Insightin yhtenäistä kasvumoottoria strategian, markkinoinnin, tuotteen, AI:n, asiakastarinan ja kumppanuuksien osalta, muovaillen visiota yhtiön Retail Decision Intelligence -alustan taakse. Zabala on tunnettu epävarmuuden muuttamisesta selkeyydeksi, ja hän on ajanut hyperkasvua, uusien markkinoiden laajentamista ja AI-vetäistä muodonmuutosta yhdistämällä asiakastiedon, päätöksenteon älykkyyden ja skaalautuvat toimintamallit, jotta globaalit yritykset saavuttavat mitattavissa olevia liiketoimintatuloksia.

First Insight on AI-pohjainen päätöksenteon älykkyysalusta, joka on suunniteltu vähittäiskauppiaille ja brändeille, jotka haluavat ennustaa kysyntää, optimoida hintoja ja valikoimia sekä vähentää riskejä tuotteen elinkaaren aikana. Yhdistämällä reaaliaikaisen kuluttajapalautteen ennustavaan, generatiiviseen ja agenteerivaan AI:hin, alusta auttaa organisaatioita tekemään nopeampia ja varmemmin perustuvia päätöksiä suunnittelun, myyntistrategian, suunnittelun ja kauden aikaisen toiminnan osalta. Johtavat vähittäiskauppiat ja kuluttajabrändit käyttävät First Insightia, ja se keskittyy muuttamaan asiakastiedon toimivaksi älykkyydeksi, joka parantaa marginaaleja, kiihdyttää markkinoille menoa ja vahvistaa pitkän aikavälin kasvua.

Uranne on aina ollut datan, markkinointistrategian ja toimeenpanon risteyksessä. Mitkä uran varhaiset hetket muokkasivat eniten sitä, miten ajattelet asiakastiedon muuttamisesta todellisiksi operatiivisiksi päätöksiksi tänään?

Olen aina keskittynyt yhteen perusongelmaan: miten vaikuttaa ja muuttaa käyttäytymistä suuressa mittakaavassa.

Uran alussa se ilmeni mobiilisoftwaren ja mainosteknologian parissa, jossa palautusilmat ovat välittömiä. Opit nopeasti, että data on merkityksetöntä, jos se ei muuta mitään seuraavassa – asennuksessa, käyttäjäkokemuksessa, muunnoksessa. Myöhemmin IoT- ja kokemusaloilla sama totuus toistui fyysisissä ympäristöissä: miten konteksti, ajoitus ja kokemus muokkaavat ihmisen käyttäytymistä reaaliajassa.

Kaiken tämän läpi yksi oppi pysyi vakiona: tietäminen on arvotonta, jos se ei ole toimivaa hetkellä, jolloin päätös tehdään. Jos se ei kestä toimeenpanon painetta – hintaa, markkinointia, varastoa, viestintää – se on vain tietoa.

Se ajattelutapa on se, mikä vei minut First Insightiin. Vähittäiskauppa on yksi käyttäytymisen johtamisista teollisuusaloista, mutta päätökset ovat perinteisesti perustuneet viiveisiin osoittimiin ja vaistoon. Työni on ollut tämän aukon sulkemista – tuomalla asiakkaan ääni eteenpäin riittävän aikaisin ja jatkuvasti, jotta voidaan suunnitella parempia tuloksia sen sijaan, että reagoidaan epäonnistumiseen.

Tämänhetkinen fokukseni on auttaa organisaatioita tekemään parempia päätöksiä ajoissa, jotta ne kasvattavat liikevaihtoa, ansaitsevat asiakasuskollisuutta ja ylittävät jatkuvasti markkinan.

First Insightin AI-apuohjelma Ellis mahdollistaa luonnollisen kielen kysymykset hinnasta, valikoimasta ja kysynnästä. Miten tärkeää on käyttöliittymän suunnittelu ja saatavuus AI:n todellisessa omaksumisessa vähittäiskaupan organisaatioissa?

Käyttöliittymä on ero “AI on olemassa” ja “AI käytetään”.

Vähittäiskaupan päätöksenteko kattaa paljon enemmän kuin yhden hetken – konseptin tutkimus, suunnittelu, valikoiman rakentaminen, hintaoptimointi, voittomarginaalin mallinnus, osto, jakelu, kauden aikaiset säätötoimenpiteet, markkinointi ja myynti. Haaste ei ole, ettei vähittäiskauppiaille ole kysymyksiä; ongelma on, että vastaukset ovat loukussa raportteissa, esityksissä, viennissä ja erikoistuneissa tiimeissä – ja kun ne toimitetaan, hetki on jo ohittunut.

Ellis on tärkeä, koska se poistaa kitkan tietäminen ja toiminta. Sen sijaan, että tiimit joutuisivat navigoimaan raportteja tai odottamaan uutta analyysiä, ne voivat esittää strategisia ja taktisia kysymyksiä selkeässä kielellä – konsepteista, hinnoittelusta, valikoimista, segmenteistä, markkinoista, kilpailijoista – ja saada selkeät, ennustavat vastaukset muutamassa minuutissa. Se ei ole vain käytettävyyttä; se on päätöksenteon nopeus.

Olet työskennellyt läheisesti vähittäiskauppioiden kanssa, jotka ovat kohdanneet voittomarginaalipaineita, varastoriskejä ja epävakaita kysyntää. Miksi nämä mallit ovat yhä enemmän ristiriidassa siinä, miten kuluttajat käyttäytyvät tänään?

Koska nämä mallit on rakennettu maailmaan, jossa vähittäiskauppa on pääasiassa optimointia siitä, mitä jo on olemassa – ei keksimistä seuraavaa.

Historiallinen myynti ja kausivaihtelu voivat auttaa selittämään suorituskykyä vakiintuneissa kategoriassa, mutta ne ovat heikkoja kahdessa asiassa, joita vähittäiskauppiaille tarvitaan eniten tänään: vastaaminen nopeasti muuttuvaan asiakaskäyttäytymiseen ja luominen uutta kysyntää tuoteinnovaation ja valkoinen tilan laajentamisen kautta.

Kysyntä muuttuu reaaliajassa – hintaherkkyyden, kulttuuristen hetkien, sosiaalisen vaikuttavuuden, taloudellisen paineen ja kanavadinamiikan mukaan. Trendi voi syntyä yhdessä yössä. Hinta-merkki voi muuttaa käyttäytymistä välittömästi. Historiallinen data selittää, mitä on jo tapahtunut, mutta se ei kerro, miten asiakkaat vastaavat seuraavaksi – jopa tuotteille, jotka ovat jo hyllyssä – kun konteksti ja mieliala voivat muuttua milloin tahansa.

Monet vähittäiskauppiat tekevät päätöksiä vanhentuneiden CRM-järjestelmien ja vanhentuneiden asiakasnäkemysten kanssa. Uudet kilpailijat, uudet kanavat ja nuoremmat sukupolvet, joilla on erilaiset odotukset ja ostovoima, vetävät asiakkaita pois – usein ilman, että vähittäiskauppiat huomaavat sitä, kunnes tulokset näkyvät epäonnistuneissa ennusteissa tai vähenevän uskollisuuden muodossa. Monissa tapauksissa brändit optimoivat asiakkaita, joita heillä ei enää ole – tai asiakkaita, jotka ovat jo siirtyneet eteenpäin.

Monet AI-työkalut lupaavat ennustevaatimuksia. Miltä näyttää merkityksellinen ennustaminen vähittäiskaupassa, ja miten johtajat voivat arvioida, ovatko ennusteet todella päätöksenteon valmiit?

Merkityksellinen ennustaminen vähittäiskaupassa ei ole ennuste – se on kyky sulkea silmukka asiakkaan totuudesta taloudelliseen lopputulokseen.

Monet AI-tulostukset kuulostavat ennustavilta, mutta ne eivät muuta liiketoimintaa, koska ne eivät pääse toimintakierroon. Neljännesvuosi jää puuttumaan, varastot kasvavat, alennusbudjetit käytetään – ja jokainen voi osoittaa dataa, joka voisi auttaa. Todellinen epäonnistuminen on, että päätökset eivät ole linjassa, toimia ei tehdä ja työnkulkua ei muuteta.

Päätöksenteon valmis ennustaminen tekee kolme asiaa yhtä aikaa:

1. Se perustuu siihen, miten asiakkaat todella havaitsevat arvon – ei vain myyntihistoriaa – jotta se voi ohjata päätöksiä konseptista kauden aikaiseen toimintaan.
2. Se liittyy suoraan taloudelliseen: kysyntäjoustavuus, maksuhalukkuus, AUR/ASP tuotteen elinkaaren aikana ja voittomarginaalivaikutukset pidemmän aikavälin kannalta. Kun nämä näkökulmat yhdistyvät, AI suunnitellaan päätöksenteon ympärille, ei pelkästään teknologian vaikuttavuuden perusteella.
3. Se on operatiivista: se on upotettu toistuvaan prosessiin, jota tiimit todella seuraavat, eikä se ole loukussa työkaluissa ja eristetyissä kojussa.

Yksi toistuva teema, jonka näemme, on “pitkän hännän” SKU:n kustannus. Ylivalikoituminen on hiljainen tappaja: liika syvyys, matala nopeus, piilotettu riski. Yksi suurimmista vipuvaihdoista, jonka ennustava AI lukitsee, on kyky leikata häntä – poistaa heikosti suoriutuvat tuotteet aikaisin ja uudelleeninvestoida varastodollarit huipputuotteisiin, joissa asiakaskysyntä ja mieliala ovat korkeimpia.

Kun tiimit soveltavat tätä kuria, näemme dramaattisia tuloksia:

• varastodollarit vapautuvat innovaatiota ja korkean arvon mahdollisuuksia varten,
• alennusrytmi stabilisoituu ja kutistuu,
• promootiopaine hellittää, ja
• brändiluotto kasvaa, koska asiakkaat eivät ole koulutettu odottamaan 50-60 % alennusta ennen kuin he ostavat.

Johtajat voivat arvioida ennustavan AI:n yhdellä kysymyksellä: Muuttaako se, mihin me investoimme? Korkein ROI ei ole enemmän dataa – se on parempia päätöksiä siinä, miten varastoida pääomaa, aikaa ja varastoa vastaan todellista asiakaskysyntää – ajoissa, jotta se merkitsee.

Vastuullinen AI on usein keskustelunaihe korkealla tasolla. Vähittäiskaupassa erityisesti miltä näyttää käytännöllinen, vastuullinen AI-omaksuminen, kun päätökset vaikuttavat suoraan hinnoitteluun, kuluttajiin ja brändiluottoon?

Vastuullinen AI vähittäiskaupassa alkaa yksinkertaisesta periaatteesta: käytä AI:ta syventämään asiakassuhdetta, älä hyödyntämään sitä.

Tämä ei ole hyperseurantaa yksilöille, valvontaa tai tietojen keräämistä itsessään. Vastuullinen AI on asiakkaan äänen tuominen jokaiseen päätökseen laajassa mittakaavassa – jotta tuotteet, hinnoittelu, viestintä ja kokemukset heijastavat sitä, mitä ihmiset todella arvostavat. Monilla tavoilla se on muotoa yhteiskehittämistä: asiakkaat ohjaavat mitä luodaan, miten se sijoitetaan ja mitä tuntuu reilulta.

Käytännössä vastuullinen AI näyttää:

• Päätösten perustaminen todelliseen asiakastiedon – sekä määrälliseen että laadulliseen (“mitä he sanovat”).
• Rakentaminen läpinäkyvyyttä ja esteitä korkean vaikuttavuuden päätöksiin kuten hinnoitteluun, promootioihin ja segmentointiin.
• Takaaminen reiluutta segmenteissä ja markkinoissa, jotta AI ei suosi yhtä ryhmää toisen kustannuksella.
• Pitäminen ihmisiä silmukassa tuomarin, vastuun ja luovan nuansen vuoksi, jonka AI ei voi itse tuottaa.

Käytettynä tällä tavoin AI vahvistaa asiakassuhdetta sen sijaan, että se heikentäisi sitä. Asiakkaat tuntevat olevansa kuulluina laajassa mittakaavassa. Tiimit tekevät parempia päätöksiä nopeammin. Ja brändit rakentavat luottoa – koska ne eivät enää reagoi markkinaan, vaan toimivat sen kanssa.

Olet johtanut sekä markkinointikertomuksia että tuotesuunnittelua. Miten vähittäiskauppioiden tulisi uudelleenajatella sisäistä kertomusta AI:sta, jotta se nähdään päätöksenteon kumppanina eikä uhkana tai mustana laatikkoa?

Vähittäiskauppioiden tulisi lopettaa kertominen siitä, että AI on “älykkämpää analyysiä” ja aloittaa kertominen siitä, että AI on asiakaslähtöisyyttä laajassa mittakaavassa.

Internal friction vähittäiskaupassa ei ole vain siloja – se on siloja, jotka tekevät korkean riskin päätöksiä eri totuuksilla: markkinointi on käyttäjäkokemussignaaleja, merchandising on myyntihistoriaa, hinnoittelu on voittomarginaalipainetta, suunnittelu on varastorajoituksia. Siinä taistelut tapahtuvat.

AI tulee päätöksenteon kumppaniksi, kun se luo jaetun kielen toimintojen välille: asiakkaan ääni, käännetty ennustavaan ohjaamiseen, joka informoi tuotetta, hintaa, valikoimaa ja myyntiä – loppuun asti konseptista konversioon.

Ja se on tärkeää olla rehellisiä ihmisten roolista. AI ei keksi seuraavaa läpimurtoa – se oppii kuvioita. Ihmiset tuovat luovuutta, makua, bränditarkoituksen ja kulttuurista älykkyyttä. AI tekee luovuuden terävämmäksi lyhentämällä palautusilmoja ja painostamalla päätöksiä ennen kuin markkina tekee.

Kun AI:ta upotetaan suunnitteluun ja kauden aikaiseen päätöksentekoon, miten näet ihmisen arvion kehittyvän – ei katoavan?

Ihmisen arvio tulee tärkeämmäksi – ja enemmän hyödynnettäväksi – koska kauden aikainen on siellä, missä vähittäiskaupan voitto voitetaan tai hävitään.

Alennukset ovat yksi suurimmista kustannuksista vähittäiskaupassa. Vähittäiskauppiat usein budjetoida niitä, koska heidän on pakko puhdistaa myymättömiä varastoja. Syy alennusten ollessa niin kivuliasta on ajoitus: alennus liian aikaisin tuhoaa voittomarginaalin; alennus liian myöhään ja sinä menetät ikkunan, jossa voit muuttaa kysyntää.

Ennustavan AI:n ja ihmisten kanssa silmukassa tiimit voivat mallintaa joustavan kysyntäkäyrän ja ymmärtää, miten ASP/AUR tulisi kehittyä tuotteen elinkaaren aikana – perustuen myyntiin, asiakasperusteeseen ja markkinasignaaleihin. Se mahdollistaa älykkäitä siirtoja: milloin pitää hintaa, milloin alentaa ja kuinka paljon – ilman ylikorjaamista.

Kauden aikaiset päätökset eivät ole vain hinnoittelua. AI voi informoida promootioita ja markkinointia kauden aikana ottaen huomioon kulttuurisia hetkiä, vaikuttajia, trendin kiihdyttämistä ja muutoksia asiakas henkilökohtaisissa ominaisuuksissa – yhdessä tuotteen havainnon ja hintaherkkyyden kanssa. Ihmiset soveltavat arviota: bränditarkoitus, riskinottovalmius ja luova valinta, jonka AI ei voi itse tuottaa.

Tulevaisuus ei ole automaatio. Se on nopeampia, asiakaslähtöisempiä päätöksiä – jossa AI skaalaa kuuntelun, ja ihmiset johtavat merkitystä.

Edetessäsi, miten odotat agenteerisen ja generatiivisen AI:n muokkaavan vähittäiskaupan työnkulkua seuraavien kahden tai kolmen vuoden aikana – ei teoreettisesti, vaan toiminnallisesti?

Siirrymme järjestelmistä, jotka ovat älykkäitä, järjestelmiin, jotka ovat toiminnan järjestelmiä.

Toiminnallisesti generatiivinen AI tekee tietäminen helpoksi roolien ja tason yli – yhteenvetona, vertaamalla, selittäen ja vastaamalla kysymyksiin nopeasti. Agenteerinen AI ottaa yhä enemmän toistuvan työn, joka hidastaa organisaatioita: valmistelee skenaarioita, kokoaa johtajien valmiit katsaukset, seuraa signaaleja, osoittaa riskiä ja koordinoi seuraavan parhaan toiminnan.

Mutta merkittävin muutos ei ole, että AI “ajoittaa vähittäiskauppaa”. Se on, että vähittäiskauppiat lopulta kiristävät silmukan asiakkaan ja yrityksen välillä. Tiimit liikkuvat nopeammin, leikkaavat läpi sisäisen kitkan ja tekevät parempia päätöksiä aikaisemmin – ennen kuin trendit huipentuvat, ennen kuin alennukset kasvavat ja ennen kuin menetetyt mahdollisuudet muuttuvat neljännesvuosittaisiksi menetyksiksi.

Vähittäiskauppiat, jotka voittavat, eivät ole niitä, joilla on eniten AI-kokeita. Ne ovat niitä, jotka rakentavat toistuvan toimintakierroksen, jossa asiakkaan totuus, ennustava älykkyys ja ihmisen luovuus työskentelevät yhdessä – konseptista konversioon.

Kiitos yksityiskohtaisesta haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa vierailla First Insightissa.