Viki Zabala, Chief Growth & Strategy Officer chez First Insight – Série d’entretiens

Viki Zabala, Chief Growth & Strategy Officer chez First Insight, apporte plus de 22 ans de leadership dans des entreprises de haute croissance SaaS, IA et technologies, opérant à l’intersection de la stratégie, du produit et de l’innovation. Dans son rôle, elle dirige le moteur de croissance unifié de First Insight dans les domaines de la stratégie, du lancement sur le marché, du marketing, du produit, de l’IA, de la réussite client et des partenariats, en façonnant la vision derrière la plate-forme d’intelligence de décision au détail de l’entreprise. Connue pour traduire l’incertitude en clarté, Zabala a conduit une croissance hyper, une expansion de nouveaux marchés et une transformation menée par l’IA en reliant l’insight client, l’intelligence de décision et des modèles opérationnels évolutifs pour délivrer des résultats commerciaux mesurables pour les entreprises mondiales.

First Insight est une plate-forme d’intelligence de décision alimentée par l’IA conçue pour les détaillants et les marques qui cherchent à prédire la demande, à optimiser les prix et les assortiments, et à réduire les risques tout au long du cycle de vie du produit. En combinant les commentaires des consommateurs en temps réel avec une IA prédictive, générative et agente, la plate-forme aide les organisations à prendre des décisions plus rapides et plus confiantes dans la conception, la merchandising, la planification et l’exécution en saison. Utilisée par les plus grands détaillants et marques de consommation mondiaux, First Insight se concentre sur la transformation de l’insight client en une intelligence actionnable qui améliore les marges, accélère la vitesse de mise sur le marché et renforce la croissance à long terme.

Votre carrière a toujours été située à l’intersection des données, de la stratégie de lancement sur le marché et de l’exécution. Quels moments plus tôt dans votre carrière ont le plus façonné votre façon de penser pour transformer l’insight en décisions opérationnelles réelles aujourd’hui ?

J’ai toujours été axée sur un défi fondamental : comment influencer et changer le comportement à grande échelle.

Tôt dans ma carrière, cela s’est manifesté dans les applications mobiles et l’ad tech, où les boucles de rétroaction sont immédiates. Vous apprenez rapidement que les données ne comptent que si elles changent ce que quelqu’un fait ensuite – installation, engagement, conversion. Plus tard, dans l’IoT et les plateformes d’expérience, la même vérité s’est jouée dans les environnements physiques : comment le contexte, le moment et l’expérience façonnent le comportement humain en temps réel.

À travers toutes ces industries, une leçon est restée constante : l’insight n’a de valeur que s’il est actionnable au moment où une décision est prise. S’il ne survit pas à la pression de l’exécution – prix, lancement sur le marché, inventaire, messagerie – c’est juste de l’information.

C’est cette mentalité qui m’a amenée à First Insight. Le détail est l’une des industries les plus axées sur le comportement qui existe, et pourtant les décisions ont historiquement reposé sur des indicateurs retardés et l’instinct. Mon travail a consisté à combler cet écart – en faisant entendre la voix du client suffisamment tôt et de manière continue pour concevoir de meilleurs résultats plutôt que de réagir à l’échec.

Mon objectif est maintenant d’aider les organisations à prendre de meilleures décisions suffisamment tôt pour compter – afin qu’elles augmentent les revenus, gagnent la loyauté des clients et surpassent constamment le marché.

En tant que Chief Growth & Strategy Officer chez First Insight, vous supervisez le produit, la feuille de route de l’IA, le lancement sur le marché et la réussite client. Comment avoir une vue unifiée change la façon dont l’IA devrait être conçue et déployée au sein des organisations de détail ?

Lorsque vous voyez l’ensemble du système, vous cessez de penser à l’IA comme à un outil et commencez à penser à elle comme à un modèle opérationnel.

Le produit vous montre ce qui est techniquement possible. Le lancement sur le marché vous montre ce qui sera réellement compris et adopté. La réussite client vous montre ce qui tient sous des contraintes du monde réel – pression temporelle, tension interfonctionnelle, qualité des données et responsabilité. Lorsque ces perspectives sont unifiées, l’IA est conçue autour de la façon dont les décisions se font réellement, et non de la façon dont la technologie semble impressionnante en isolation.

C’est pourquoi l’IA dans le détail doit fonctionner comme un système de décisions et d’actions, et non comme un système d’intelligence. Elle doit relier les signaux clients aux prix, aux assortiments, au marketing et à la planification d’une manière qui aligne les équipes et accélère les décisions. Lorsque l’IA réduit les frictions entre les équipes et raccourcit la distance entre l’insight et l’action, elle commence à délivrer une valeur réelle.

Les détaillants ont longtemps reposé sur des cycles de planification saisonnière et des données historiques. D’après ce que vous voyez sur le terrain, pourquoi ces modèles sont-ils de plus en plus en décalage avec la façon dont les consommateurs se comportent aujourd’hui ?

Parce que ces modèles ont été conçus pour un monde où le détail était principalement axé sur l’optimisation de ce qui existait déjà – et non sur l’invention de ce qui est à venir.

Les ventes historiques et les cycles saisonniers peuvent aider à expliquer les performances dans les catégories établies, mais ils sont faibles pour les deux choses dont les détaillants ont le plus besoin aujourd’hui : répondre à un comportement client en constante évolution et créer de la demande nouvelle à travers l’innovation de produit et l’expansion des espaces blancs.

La demande change en temps réel – impulsée par la sensibilité aux prix, les moments culturels, l’influence sociale, la pression économique et la dynamique des canaux. Une tendance peut émerger du jour au lendemain. Un signal de prix peut changer le comportement instantanément. Les données historiques expliquent ce qui s’est déjà passé, mais elles ne disent pas de manière fiable comment les clients réagiront ensuite – même pour les produits déjà sur les étagères – lorsque le contexte et le sentiment peuvent changer à tout moment.

Au même moment, de nombreux détaillants prennent des décisions avec des CRM vieillissants et des vues obsolètes de qui est réellement leur client. De nouveaux concurrents, de nouveaux canaux et de nouvelles générations avec des attentes et un pouvoir d’achat différents sont en train de détourner les clients – souvent sans que les détaillants s’en rendent compte jusqu’à ce que les résultats apparaissent dans les prévisions manquées ou la loyauté déclinante. Dans de nombreux cas, les marques optimisent pour des clients qu’elles n’ont plus – ou des clients qui sont déjà partis.

Et lorsqu’il s’agit d’innovation, l’histoire des ventes ne peut pas valider un produit qui n’existe pas encore – ou un segment de clientèle que vous risquez de perdre. C’est pourquoi tant de détaillants finissent par itérer sur le passé au lieu de financer avec confiance la prochaine catégorie, le prochain ensemble de fonctionnalités ou le prochain public. La clé est de faire entendre la voix du client suffisamment tôt – pour guider la création de concepts, le pouvoir de fixation des prix et la positionnement – afin que l’innovation devienne un système répétitif plutôt qu’un pari.

L’assistant IA de First Insight, Ellis, permet des requêtes en langage naturel autour des prix, des assortiments et de la demande. Quelle est l’importance de la conception d’interface et de l’accessibilité dans la conduite d’une véritable adoption de l’IA par rapport à la seule capacité technique ?

L’interface est la différence entre « l’IA existe » et « l’IA est utilisée ».

La prise de décision au détail s’étend bien au-delà d’un moment – recherche de concepts, conception, construction d’assortiments, optimisation des prix, modélisation des marges, profondeur d’achat, allocation, ajustements en saison, marketing et vente. Le défi n’est pas que les détaillants n’aient pas de questions ; c’est que les réponses sont piégées dans des tableaux de bord, des présentations, des exports et des équipes spécialisées – et que, une fois qu’elles sont livrées, le moment est passé.

Ellis compte parce qu’il supprime les frictions entre l’insight et l’action. Au lieu de naviguer dans des rapports ou d’attendre de nouvelles analyses, les équipes peuvent poser des questions stratégiques et tactiques en langage clair – sur les concepts, les prix, les assortiments, les segments, les marchés, les concurrents – et obtenir des réponses claires et prédictives en quelques minutes. Ce n’est pas seulement l’usabilité ; c’est la vitesse de décision.

L’accessibilité conduit également à l’adoption dans l’ensemble de l’organisation. Lorsque le même signal client est instantanément disponible pour la merchandising, la fixation des prix, le marketing et la planification, vous réduisez les batailles internes et les désalignements. Les gens cessent de débattre de qui a raison et commencent à débattre de ce qu’il faut faire ensuite – plus vite et avec plus de confiance.

Vous avez travaillé en étroite collaboration avec des détaillants qui naviguent dans la pression des marges, le risque d’inventaire et la demande volatile. D’après ce que vous voyez sur le terrain, où l’IA livre-t-elle l’impact le plus rapide et le plus mesurable aujourd’hui – et où l’hypothèse est-elle encore en avance sur la réalité ?

L’impact le plus rapide se manifeste là où les décisions sont fréquentes, coûteuses et sensibles au temps : prix, sélection d’assortiments, validation de la demande et risque d’inventaire. Lorsque l’IA aide les équipes à éviter les surachats, à maintenir les prix avec confiance ou à sortir plus tôt des produits perdants, l’impact financier est immédiat et mesurable.

Là où l’hypothèse est en avance sur la réalité, c’est dans l’idée d’un détail entièrement autonome – ou d’une IA qui remplace la véritable compréhension client par des raccourcis synthétiques. Les consommateurs sont très clairs : ils valorisent l’authenticité, la transparence et être entendus. L’IA qui éloigne les marques des clients ne crée pas l’efficacité – elle crée un risque.

Le modèle gagnant aujourd’hui est le jugement humain augmenté par l’insight prédictif, et non l’automatisation pour l’automatisation elle-même.

De nombreux outils IA promettent des capacités prédictives. Quelle est la prédiction significative dans le détail, et comment les dirigeants doivent-ils évaluer si les prédictions sont réellement prêtes à la décision ?

La prédiction significative dans le détail n’est pas une prévision – c’est la capacité de fermer la boucle de la vérité client à l’issue financière.

Beaucoup de sorties d’IA semblent prédictives, mais elles ne changent pas les affaires parce qu’elles n’entrent jamais dans le rythme opérationnel. Le trimestre est manqué, l’inventaire s’accumule, les budgets de remise sont dépensés – et tout le monde peut pointer des données quelque part qui pourraient aider. L’échec réel est que les décisions n’étaient pas alignées, les actions n’ont pas été prises et le flux de travail n’a pas changé.

La prédiction prête à la décision fait trois choses à la fois :

1. Elle est ancrée dans la façon dont les clients perçoivent réellement la valeur – et non seulement l’histoire des ventes – afin de guider les décisions de la conception à la mise en saison.
2. Elle est directement liée à l’économie : élasticité de la demande, volonté de payer, AUR/ASP sur le cycle de vie du produit, et les implications de marge de maintenir par rapport à la remise.
3. Elle est opérationnelle – intégrée dans un processus répétitif que les équipes suivent réellement, et non piégée à travers des dizaines d’outils et de tableaux de bord cloisonnés.

Un thème récurrent que nous voyons est le coût de la « longue queue » des SKUs. Le sur-assortiment est un tueur silencieux : profondeur excessive, faible vitesse, risque enfoui. L’un des plus grands leviers que l’IA prédictive débloque est la capacité de couper la queue – supprimer les produits sous-performants tôt et réinvestir ces dollars d’inventaire dans les meilleurs produits où la demande client et le sentiment sont les plus élevés.

Lorsque les équipes appliquent cette discipline, nous voyons des résultats dramatiques :

• les dollars d’inventaire sont libérés pour l’innovation et les opportunités à haut score,
• le rythme des remises se stabilise et se réduit,
• la pression promotionnelle se détend, et
• la confiance de la marque augmente parce que les clients ne sont pas formés à s’attendre à 50-60 % de réduction avant de acheter.

Les dirigeants devraient évaluer l’IA prédictive avec une question : Est-ce que cela change où nous investissons ? Le ROI le plus élevé n’est pas plus de données – c’est de meilleures décisions dans la façon dont nous allouons le capital, le temps et l’inventaire contre la demande client réelle – suffisamment tôt pour compter.

L’IA responsable est souvent discutée à un niveau élevé. Dans le détail en particulier, à quoi ressemble l’adoption pratique et responsable de l’IA lorsque les décisions affectent directement les prix, les consommateurs et la confiance de la marque ?

L’IA responsable dans le détail commence avec un principe simple : utiliser l’IA pour approfondir la relation client, et non l’exploiter.

Ce n’est pas à propos du suivi hyper des individus, de la surveillance ou de la collecte de données pour son propre sake. L’IA responsable consiste à faire entendre la voix du client dans chaque décision à grande échelle – afin que les produits, les prix, les messages et les expériences reflètent ce que les gens valorisent réellement. De nhiều manières, c’est une forme de co-développement : les clients guident ce qui est créé , comment il est positionné et ce qui semble équitable.

Pratiquement, l’IA responsable ressemble à :

• Ancre les décisions dans les commentaires clients réels – à la fois quantitatifs et qualitatifs (« ce qu’il/elle/ils ont dit »).
• Construire la transparence et les garde-fous pour les décisions à forte incidence comme les prix, les promotions et la segmentation.
• Assurer l’équité entre les segments et les marchés, afin que l’IA ne favorise pas involontairement un groupe tandis qu’elle désavantage un autre.
• Garder les humains dans la boucle pour le jugement, la responsabilité et la nuance créative que l’IA ne peut pas générer elle-même.

Utilisée de cette façon, l’IA renforce la relation client au lieu de l’éroder. Les clients se sentent entendus à grande échelle. Les équipes prennent de meilleures décisions plus rapidement. Et les marques construisent la confiance – parce qu’elles ne réagissent pas au marché ; elles agissent avec lui.

Vous avez mené à la fois les récits marketing et la stratégie de produit. Comment les détaillants devraient-ils repenser l’histoire interne de l’IA afin qu’elle soit perçue comme un partenaire de décision plutôt que comme une menace ou une boîte noire ?

Les détaillants devraient cesser de raconter l’histoire que l’IA est « une analyse plus intelligente » et commencer à raconter l’histoire que l’IA est le centrage client à grande échelle.

La friction interne dans le détail n’est pas seulement les silos – c’est les silos prenant des décisions à haute mise avec des vérités différentes : le marketing a des signaux d’engagement, la merchandising a l’histoire des ventes, la fixation des prix a la pression des marges, la planification a les contraintes d’inventaire. C’est là que les batailles se déroulent.

L’IA devient un partenaire de décision lorsqu’elle crée un langage partagé entre les fonctions : la voix du client, traduite en orientation prédictive qui éclaire le produit, le prix, l’assortiment et la façon de vendre – de bout en bout, de la conception à la conversion.

Et il est important d’être honnête sur le rôle des humains. L’IA n’invente pas la prochaine idée de rupture – elle apprend les modèles. Les humains apportent la créativité, le goût, l’intention de la marque et l’intuition culturelle. L’IA rend cette créativité plus aiguisée en raccourcissant les boucles de rétroaction et en testant les décisions avant que le marché ne le fasse.

À mesure que l’IA devient plus intégrée dans la planification et la prise de décision en saison, comment voyez-vous le rôle du jugement humain évoluer plutôt que disparaître ?

Le jugement humain devient plus important – et plus sollicité – parce que la saison est là où le profit du détail est gagné ou perdu.

Les remises sont l’un des plus grands coûts dans le détail. Les détaillants budgétisent souvent pour eux parce qu’ils sont forcés de nettoyer l’inventaire invendu. La raison pour laquelle les remises sont si douloureuses est le timing : réduire les prix trop tôt et vous détruirez la marge ; réduire les prix trop tard et vous manquerez la fenêtre pour convertir la demande.

Avec l’IA prédictive et les humains dans la boucle, les équipes peuvent modéliser les courbes de demande élastique et comprendre comment l’ASP/AUR devrait évoluer sur la durée de vie du produit – en fonction du taux de vente, de la perception client et des signaux du marché. Cela permet des mouvements plus intelligents : quand maintenir le prix, quand réduire les prix et de combien – sans surcorriger.

Et les décisions en saison ne concernent pas seulement les prix. L’IA peut éclairer les promotions et le marketing en saison en tenant compte des moments culturels, des influenceurs, de l’accélération des tendances et des changements dans les personas client – aux côtés de la perception de produit et de la sensibilité aux prix. Les humains appliquent alors leur jugement : intention de la marque, tolérance au risque et les choix créatifs que l’IA ne peut pas générer elle-même.

Le futur n’est pas l’automatisation. C’est des décisions plus rapides et plus éclairées par le client – où l’IA met à l’échelle l’écoute, et les humains mènent le sens.

En regardant vers l’avenir, comment vous attendez-vous à ce que l’IA agente et générative transforme les flux de travail du détail au cours des deux à trois prochaines années – et non théoriquement, mais opérationnellement ?

Nous passons des systèmes d’intelligence à des systèmes d’action.

Opérationnellement, l’IA générative rendra l’insight accessible à tous les rôles et niveaux – en résumant, en comparant, en expliquant et en répondant aux questions instantanément. L’IA agente prendra de plus en plus en charge le travail répétitif qui ralentit les organisations : préparer des scénarios, assembler des présentations prêtes pour la direction, surveiller les signaux, signaler les risques et coordonner les meilleures actions suivantes.

Mais le changement le plus significatif ne sera pas que l’IA « exécute le détail ». Ce sera que les détaillants resserrent enfin la boucle entre le client et l’entreprise. Les équipes iront plus vite, couperont à travers les frictions internes et prendront de meilleures décisions plus tôt – avant que les tendances ne culminent, avant que les remises ne se précipitent et avant que les opportunités manquées ne deviennent des manques trimestriels.

Les détaillants qui gagnent ne seront pas ceux qui ont le plus d’expériences IA. Ils seront ceux qui construisent un rythme opérationnel répétitif où la vérité client, l’intelligence prédictive et la créativité humaine travaillent ensemble – de la conception à la conversion.

Merci pour l’entretien détaillé, les lecteurs qui souhaitent en savoir plus peuvent visiter First Insight.