Стивен Китт Платт, сооснователь и главный директор по развитию RetailPredict.ai – Интервью

Стивен Китт Платт является директором и исследовательским сотрудником в Институте розничной торговли Платта (PRI). Он также является адъюнкт-профессором в Северо-Западном университете и занимает должность директора по исследованиям в Совете по розничной аналитике, инициативе между школой Медилла, департаментом интегрированной маркетинговой коммуникации Северо-Западного университета и PRI.

Он также является сооснователем и главным директором по развитию компании RetailPredict.ai, которая фокусируется на обеспечении устойчивого роста выручки и прибыли за счет предоставления моделей прогнозирования на основе искусственного интеллекта, которые легко реализовать и могут быть быстро развернуты.

Что изначально привлекло вас к Retail AI?

Я уже более 25 лет работаю в области розничной аналитики. В отрасли всегда было много данных, но аналитика, применяемая для изучения этой огромной информации и операционного управления бизнесом, была недостаточной. Способность управлять большими данными стала первым значительным изменением, а когда искусственный интеллект стал более распространенным около пяти лет назад, было естественным шагом перейти к более продвинутым вычислительным методам.

Можете ли вы рассказать историю создания RetailPredict.ai?

RetailPredict.ai стала результатом моей лабораторной работы в Северо-Западном университете, где я преподаю курс по розничному искусственному интеллекту. Каждый квартал мы работаем с розничным торговцем, чтобы решить бизнес-задачу, применяя решения на основе искусственного интеллекта. Эти кейсы доказали, что существует спрос на решение этих проблем, и мы можем сделать это, применяя искусственный интеллект. Итак, в лаборатории мы проводим тестирование; в RetailPredict.ai мы берем эти результаты, индустриализируем модели и переводим их в коммерческую производительность.

Почему вы выбрали фокус на Retail AI?

Различные причины, включая:

Много данных. Много решаемых проблем. Как только вы перейдете мимо крупных игроков (например, Walmart (WMT ), Target, Home Depot), многие розничные торговцы с выручкой менее 10 миллиардов долларов не имеют ресурсов для разработки решений внутри компании и сталкиваются с трудностями в поиске талантов, которые могут помочь. Итак, мы видим много возможностей для помощи.

Как компании могут лучше всего использовать возможности AI в розничной среде?

Успех требует принятия и поддержки на уровне руководства. Искусственный интеллект может требовать новых способов выполнения задач, и культурные препятствия для изменений могут представлять проблемы. Итак, необходима дорожная карта. Также необходимо понимание того, что он может и не может сделать. Наконец, фокус на краткосрочных победах для установления доверия, а не подход “кипятить океан”, является полезным.

Какие виды улучшений производительности были замечены после внедрения AI в розничной торговле?

Диапазон решений практически неограничен. От онлайн-оценок заказов до цепочки поставок, диапазон кейсов для решения огромен. В RetailPredict.ai наш первоначальный фокус заключается в оптимизации труда (предсказании трафика магазина до пяти недель вперед) для лучшего соответствия труда и клиентов. Например, сокращение персонала, когда ожидается меньшее количество клиентов, или, возможно, добавление больше персонала, когда ожидается увеличение трафика клиентов и конверсии. Кроме того, наши прогнозы по часам позволяют менеджерам магазинов лучше управлять задачами (например, мы ожидаем наплыв в это время, поэтому давайте добавим больше людей на кассу). Наш другой продукт прогнозирует спрос на продукты, чтобы уменьшить дефицит, исключить избыточные инвестиции в медленно движущиеся продукты, протестировать спрос на новые продукты и управлять снижением цен в соответствии с ожидаемым спросом и ценовой эластичностью.

Есть ли что-то еще, что вы хотели бы поделиться о RetailPredict.ai?

Наш подход уникален на рынке. Очень дешево, легко интегрировать конкретные модели, которые не требуют обширной интеграции и могут быть запущены быстро. Мы сочетаем это с удобными для пользователя панелями для легкой интерпретации данных. Предупреждения можно запрограммировать, чтобы проинформировать менеджеров о изменениях условий. Наконец, доверие к моделям важно, поэтому мы включаем различные метрики производительности.

Спасибо за интервью, читателям, которые хотят узнать больше, следует посетить RetailPredict.ai.