スティーブン・キース・プラット、RetailPredict.aiの共同創設者兼チーフデベロップメントオフィサー – インタビュー・シリーズ

スティーブン・キース・プラットは、Platt Retail Institute（PRI）のディレクター兼研究フェローです。ノースウェスタン大学の准教授であり、Retail Analytics Councilの研究ディレクターでもあります。Retail Analytics Councilは、ノースウェスタン大学のMedill School、Integrated Marketing Communications DepartmentとPRIの共同プロジェクトです。

彼はまた、RetailPredict.aiの共同創設者兼チーフデベロップメントオフィサーでもあります。RetailPredict.aiは、AIを活用した予測モデルを提供することで、持続可能な収益と利益の改善を実現する会社です。このモデルは簡単に導入でき、迅速に展開できます。

あなたがリテールAIに最初に惹かれたのは何でしたか?

私は25年以上にわたってリテール分析に携わってきました。業界には常に多くのデータがありましたが、その情報からビジネスを運用するための分析が不足していました。ビッグデータを管理する能力が最初の大きな変化でした。次に、約5年前にAIが主流になり、より高度な計算方法に移行する自然な進化でした。

RetailPredict.aiの創設ストーリーを共有してください。

RetailPredict.aiは、ノースウェスタン大学での私の研究室での成果です。私たちは毎クォーター、リテーラーと協力してビジネス上の問題を解決するためにAIソリューションを適用しています。 thoseユースケースは、問題を解決するための需要があることを証明し、AIを適用することでそれを実現できることを示しました。したがって、研究室ではPOCを実施し、RetailPredict.aiではその成果を工業化し、商業生産に移行しています。

あなたがリテールAIに焦点を当てた理由は何ですか?

いくつかの理由があります。

多くのデータがあり、解決すべき問題も多くあります。マイナーのリテーラー（年間売上10億ドル未満のリテーラー）は、自社でソリューションを開発するためのリソースが不足しており、支援するためのタレントを探すのに苦労しています。したがって、支援する機会が多くあります。

企業はリテール環境でAIを最も効果的に活用する方法は何ですか?

成功するには、リーダーシップレベルの採用と受け入れが必要です。AIは、新しい方法で事態を進めることが必要になるため、文化的な障壁が変化に抵抗することがあります。したがって、ロードマップが必要です。また、AIが何ができるか、できないかを理解することも重要です。最後に、信頼を築くために短期的な勝利に焦点を当てることが役立ちます。全体的なアプローチではなく、段階的なアプローチが役立ちます。

リテールにおけるAIの導入により、どのような生産性の向上が見られましたか?

解決できるユースケースの範囲は非常に広いです。オンライン注文の見積もりからサプライチェーンまで、解決すべき問題は多くあります。RetailPredict.aiでは、初期の焦点は労働の最適化（最大5週間先の店舗の来店者数の予測）にあります。これにより、労働力を顧客とよりよく一致させることができます。たとえば、来店者数が予想される場合、スタッフを削減し、来店者数が増加する場合はスタッフを増やします。また、時間別の予測により、店舗マネージャーがタスク管理をより効果的に行うことができます（例：この時間帯にラッシュが予想されるため、チェックアウトに追加のスタッフを配置しましょう）。また、製品の需要を予測する製品もあり、在庫切れを減らし、遅れのある製品への過剰投資を排除し、新製品の需要をテストし、予想される需要と価格弾力性に基づいてマークダウンを管理できます。

RetailPredict.aiについてさらに共有したいことがありますか?

私たちのアプローチは市場で独自です。非常に費用対効果が高く、導入が簡単なユースケース固有のモデルを提供しています。これらのモデルは、広範な統合を必要とせず、迅速に導入できます。また、データの解釈を容易にするユーザーフレンドリーなダッシュボードを提供しています。マネージャーに変化する状況について通知するアラートをプログラムすることもできます。最後に、モデルへの信頼が重要であるため、さまざまなパフォーマンスメトリックを組み込んでいます。

インタビューありがとうございます。詳しく知りたい読者は、RetailPredict.aiを訪問してください。