스티븐 키스 플랫, RetailPredict.ai의 공동 창립자 및 최고 개발 책임자 – 인터뷰 시리즈

스티븐 키스 플랫은 플랫 리테일 연구소(PRI)의 디렉터이자 연구 펠로우입니다. 그는 노스웨스턴 대학교의 부교수이며, 노스웨스턴 대학교의 미디어 통신학과와 PRI가 공동으로 진행하는 리테일 애널리틱스 카운슬의 연구 책임자입니다.

그는 또한 RetailPredict.ai의 공동 창립자이자 최고 개발 책임자입니다. RetailPredict.ai는 지속 가능한 수익과 이익 개선을 가능하게 하는 AI 기반 예측 모델을 제공하여 쉽게 구현하고 빠르게 배포할 수 있는 회사를 목표로 합니다.

리테일 AI에 처음 관심을 갖게 된 것은 무엇입니까?

저는 25년 이상 리테일 애널리틱스 분야에서 일해 왔습니다. 이 산업은 항상 많은 데이터를 가지고 있었지만, 비즈니스 운영을 위해 이러한 정보를 학습하고 분석하는 능력은 부족했습니다. 빅데이터를 관리하는 것이 첫 번째 주요 변화였으며, 약 5년 전 AI가 주류가 되면서 더 발전된 계산 방법으로 전환하는 것이 자연스러운 진행이었다.

RetailPredict.ai의 기원에 대해 이야기해 주시겠습니까?

RetailPredict.ai는 노스웨스턴 대학교에서 진행한 연구실 작업의 결과입니다. 저는 리테일 AI 과정을 가르치고, 매 분기마다 리테일러와 함께 비즈니스 문제를 해결하기 위해 AI 솔루션을 적용합니다. 이러한 사용 사례는 이러한 문제를 해결하기 위해 존재하는 수요가 있음을 보여주었고, 우리는 AI를 적용하여 이를 달성할 수 있음을 증명했습니다. 따라서 연구실에서 우리는 POC(Proof of Concept)를 실행하며, RetailPredict.ai에서는 이러한 발견을 산업화하고 상업적으로 생산합니다.

왜 리테일 AI에 초점을 두셨습니까?

여러 가지 이유가 있지만,

많은 데이터와 해결할 수 있는 문제가 있습니다. 월마트, 타겟, 홈 디포와 같은 주요 리테일러를 제외하고, 10억 달러 미만의 매출을 올리는 많은 리테일러들은 내부적으로 솔루션을 개발할 수 있는 자원을 가지고 있지 않으며, 이를 도와줄人才를 찾는 데 어려움을 겪습니다. 따라서 우리는 많은 기회를 보입니다.

리테일 환경에서 AI를 가장 잘 활용하는 방법은 무엇입니까?

성공을 위해서는 리더십 수준에서 채택 및 수용이 필요합니다. AI는 새로운 방식으로 公司을 수행하는 데 필요한 경우가 있으며, 이러한 변화에 대한 문화적 장벽이 도전이 될 수 있습니다. 따라서 로드맵이 필요합니다. 또한 AI가 무엇을 할 수 있고 무엇을 할 수 없는지에 대한 이해가 필요합니다. 마지막으로, 신뢰를 구축하기 위해 단기적인 승리를 달성하는 데 중점을 두는 것이 도움이 됩니다.

리테일에서 AI를 구현한 결과 생산성 향상은 무엇입니까?

해결할 수 있는 사용 사례의 범위는 거의 무한대입니다. 온라인 주문 예측부터 공급链에 이르기까지, 해결할 수 있는 사용 사례의 범위는 매우 넓습니다. RetailPredict.ai에서는 초기에 노동 최적화(최대 5주간의 매장 트래픽 예측)에 중점을 두고 있습니다. 이를 통해 고객과 노동력을 더 잘 일치시킬 수 있습니다. 예를 들어, 고객이 적을 때 직원을 줄이고, 고객 트래픽이 증가할 때 더 많은 직원을 배치할 수 있습니다. 또한 매시간 예측을 통해 매장 관리자가 작업을 더 잘 관리할 수 있습니다(예: 이 시간에 러시아워가 예상되므로 체크아웃에 더 많은 직원을 배치합니다). 우리의 다른 제품은 제품 수요를 예측하여 재고 부족을 줄이고, 느린 이동 제품에 대한 과도한 투자를 제거하며, 새로운 제품에 대한 수요를 테스트하고, 예상 수요와 가격 탄력성에 따라 마크다운을 관리합니다.

RetailPredict.ai에 대해 더 공유하고 싶은 것이 있습니까?

우리의 접근 방식은 시장에서 독특합니다. 매우 저렴하고, 사용하기 쉬운 사용 사례별 모델이 있으며, 광범위한 통합이 필요하지 않으며, 빠르게 시작할 수 있습니다. 이를 사용자 친화적인 대시보드와 함께 제공하여 데이터 해석을 쉽게 합니다. 또한 관리자에게 변경되는 조건에 대한 알림을 프로그래밍할 수 있습니다. 마지막으로, 모델에 대한 신뢰가 중요하므로 다양한 성능 지표를 통합합니다.

인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 RetailPredict.ai를 방문하십시오.