Вики Забала, главный директор по росту и стратегии в First Insight – Интервью

Вики Забала, главный директор по росту и стратегии в First Insight, имеет более 22 лет лидерского опыта в высокорастущих компаниях SaaS, AI и технологиях, работающих на пересечении стратегии, продукта и инноваций. В своей роли она руководит единым двигателем роста First Insight по стратегии, выходу на рынок, маркетингу, продукту, AI, успеху клиентов и партнерствам, формируя видение за платформой Retail Decision Intelligence компании.

First Insight – это платформа принятия решений на основе AI, предназначенная для розничных продавцов и брендов, стремящихся предсказать спрос, оптимизировать цены и ассортимент, а также снизить риск на протяжении всего жизненного цикла продукта. Объединяя обратную связь потребителей в реальном времени с прогностической, генеративной и агентной AI, платформа помогает организациям принимать более быстрые и уверенные решения по дизайну, мерчандайзингу, планированию и выполнению в течение сезона. Используемая ведущими мировыми розничными продавцами и потребительскими брендами, First Insight фокусируется на превращении информации о клиентах в действенную интеллектуальность, которая улучшает маржу, ускоряет выход на рынок и укрепляет долгосрочный рост.

Ваша карьера последовательно находилась на пересечении данных, стратегии выхода на рынок и выполнения. Какие моменты в начале вашей карьеры наиболее сформировали ваше мышление о превращении информации в реальные операционные решения сегодня?

Я всегда фокусировалась на одной фундаментальной проблеме: как влияние и изменение поведения в масштабе.

Ранее в моей карьере это проявлялось в мобильных приложениях и адтехе, где обратные связи были немедленными. Вы быстро учитесь, что данные имеют значение только если они меняют то, что кто-то делает дальше – установку, вовлеченность, конверсию. Позже, в IoT и экспериментальных платформах, та же истина сыграла свою роль в физических средах: как контекст, время и опыт формируют поведение человека в реальном времени.

На протяжении всех этих отраслей одна урок оставалась постоянной: информация ценна только если она действенна в момент принятия решения. Если она не выдерживает давления выполнения – цены, выхода на рынок, запасов, сообщения – это просто информация.

Такой образ мышления привел меня к First Insight. Розничная торговля – одна из наиболее поведенческих отраслей, существующих, но решения исторически полагались на отставшие индикаторы и интуицию. Моя работа заключалась в том, чтобы закрыть этот разрыв – привести голос клиента вперед достаточно рано и непрерывно, чтобы обеспечить лучшие результаты, а не реагировать на неудачу.

Моя фокусировка сейчас заключается в том, чтобы помочь организациям принимать лучшие решения достаточно рано, чтобы это имело значение – так, чтобы они росли доходами, зарабатывали лояльность клиентов и последовательно превосходили рынок.

Как главный директор по росту и стратегии в First Insight, вы руководите продуктом, дорожной картой AI, GTM и успехом клиентов. Как наличие этого единого взгляда меняет то, как AI должен быть спроектирован и развернут внутри розничных организаций?

Когда вы видите всю систему, вы перестаете думать об AI как об инструменте и начинаете думать о нем как операционной модели.

Продукт показывает вам, что технически возможно. Выход на рынок показывает вам, что будет фактически понято и принято. Успех клиентов показывает вам, что выдерживает реальные ограничения – давление времени, межфункциональное напряжение, качество данных и подотчетность. Когда эти перспективы объединены, AI проектируется вокруг того, как решения действительно принимаются, а не того, как впечатляет технология в изоляции.

Это почему AI в розничной торговле должен функционировать как система решений и действий, а не просто как система интеллекта. Он должен соединить сигналы клиентов с ценой, ассортиментом, маркетингом и планированием таким образом, чтобы команды были согласованы и решения ускорялись. Когда AI снижает трение между командами и сокращает расстояние между информацией и действием, он начинает доставлять реальную ценность.

Розничные продавцы давно полагались на сезонные циклы планирования и исторические данные. Почему эти модели все больше не соответствуют тому, как клиенты ведут себя сегодня?

Потому что эти модели были построены для мира, где розничная торговля была в основном о оптимизации того, что уже существует – а не о создании того, что будет дальше.

Исторические продажи и сезонные циклы могут помочь объяснить производительность в установленных категориях, но они слабы в двух вещах, которые розничным продавцам нужны сегодня: реагирование на быстро меняющееся поведение клиентов и создание нового спроса через инновации продукта и расширение whitespace.

Спрос теперь меняется в реальном времени – под влиянием чувствительности к цене, культурных моментов, социального влияния, экономического давления и динамики каналов. Тренд может появиться за одну ночь. Сигнал цены может изменить поведение мгновенно. Исторические данные объясняют, что уже произошло, но они не надежно говорят вам, как клиенты будут реагировать дальше – даже для продуктов, уже на полке – когда контекст и настроение могут меняться в любой момент.

В то же время многие розничные продавцы принимают решения с помощью устаревших CRM и устаревших представлений о том, кто их клиент на самом деле. Новые конкуренты, новые каналы и более молодые поколения с разными ожиданиями и покупательной способностью последовательно отводят клиентов – часто без того, чтобы розничные продавцы понимали это, пока результаты не появляются в пропущенных прогнозах или снижении лояльности. Во многих случаях бренды оптимизируют для клиентов, которых у них нет – или клиентов, которые уже перешли на другую сторону.

И когда речь идет об инновациях, история продаж не может подтвердить продукт, который еще не существует – или сегмент клиентов, который вы в опасности потерять. Это почему многие розничные продавцы в итоге итерируются на прошлом, вместо того, чтобы уверенно финансировать следующую категорию, следующий набор функций или следующую аудиторию. Открытие заключается в том, чтобы привести голос клиента вперед – достаточно рано, чтобы руководить созданием концепции, силой цены и позиционированием – так, чтобы инновации стали повторяемой системой, а не ставкой.

Помощник AI First Insight, Ellis, позволяет естественно-языковые запросы вокруг цены, ассортимента и спроса. Насколько важно проектирование интерфейса и доступность для реального внедрения AI, а не просто технической возможности?

Интерфейс – это разница между “AI существует” и “AI используется”.

Принятие решений в розничной торговле охватывает гораздо больше, чем один момент – исследование концепции, дизайн, построение ассортимента, оптимизация цены, моделирование маржи, глубина покупки, распределение, корректировки в течение сезона, маркетинг и продажи. Проблема не в том, что у розничных продавцов нет вопросов; это в том, что ответы заперты в отчетах, презентациях, экспортах и специализированных командах – и к тому времени, когда они доставляются, момент уже прошел.

Ellis имеет значение, потому что он удаляет трение между информацией и действием. Вместо навигации по отчетам или ожидания новой аналитики команды могут задавать стратегические и тактические вопросы на простом языке – о концепциях, ценах, ассортиментах, сегментах, рынках, конкурентах – и получать ясные, прогностические ответы за минуты. Это не просто удобство использования; это скорость принятия решений.

Доступность также стимулирует внедрение по всей организации. Когда тот же сигнал клиента мгновенно доступен мерчандайзингу, ценообразованию, маркетингу и планированию, вы снижаете внутренние битвы и несоответствия. Люди перестают спорить о том, чьи данные правильны, и начинают спорить о том, что делать дальше – быстрее и с большей уверенностью.

Вы работали в тесном сотрудничестве с розничными продавцами, ориентирующимися на давление маржи, риск запасов и волатильный спрос. Где AI доставляет самый быстрый, самый измеримый эффект сегодня – и где еще гипер впереди реальности?

Самый быстрый эффект появляется там, где решения частые, дорогие и чувствительные к времени: цена, выбор ассортимента, проверка спроса и риск запасов. Когда AI помогает командам избежать перекупки, удержать цену с уверенностью или выйти из проигрышных продуктов раньше, финансовый эффект немедленный и измеримый.

Где гипер опережает реальность, это идея полностью автономной розничной торговли – или AI, заменяющей реальное понимание клиентов синтетическими сокращениями. Потребители очень четко указывают: они ценят аутентичность, прозрачность и то, что их слышат. AI, который отдаляет бренды от клиентов, не создает эффективность – он создает риск.

Победная модель сегодня – это человеческая суждение, дополненное прогностической информацией, а не автоматизация ради автоматизации.

Многие инструменты AI обещают прогностические возможности. Что такое осмысленное прогнозирование в розничной торговле, и как лидеры должны оценивать, действительно ли прогнозы готовы к принятию решений?

Осмысленное прогнозирование в розничной торговле не является прогнозом – это способность закрыть цикл от информации клиента к финансовому результату.

Многое из того, что AI выводит, звучит как прогноз, но оно не меняет бизнес, потому что оно никогда не попадает в операционный ритм. Квартал пропускается, запасы накапливаются, бюджеты на снижение цены тратятся – и все могут указать на данные где-то, которые могли бы помочь. Реальная неудача заключается в том, что решения не были согласованы, действия не были предприняты, и рабочий процесс не изменился.

Готовое к принятию решений прогнозирование делает три вещи одновременно:

1. Оно основано на том, как клиенты действительно воспринимают ценность – не только история продаж – так, чтобы руководить решениями от концепции до выполнения в течение сезона.
2. Оно связано напрямую с экономикой: эластичность спроса, готовность платить, AUR/ASP на протяжении жизненного цикла продукта и последствия маржи от удержания против снижения цены.
3. Оно оперативно – встроено в повторяемый процесс, который команды фактически следуют, а не заперто через десятки инструментов и изолированных панелей.

Повторяющаяся тема, которую мы видим, – это стоимость “длинного хвоста” SKU. Переассортимент – это молчаливый убийца: избыточная глубина, низкая скорость, скрытый риск. Одним из самых больших рычагов, которые прогностический AI открывает, является возможность обрезать хвост – удалить недооцененные продукты рано и переинвестировать эти доллары запасов в лучшие продукты, где спрос и настроение клиентов являются самыми высокими.

Когда команды применяют эту дисциплину, мы видим драматические результаты:

• доллары запасов освобождаются для инноваций и высокоэффективных возможностей,
• каданс снижения цены стабилизируется и уменьшается,
• промо-давление ослабевает, и
• доверие бренда увеличивается, потому что клиенты не обучаются ожидать 50-60% скидки, прежде чем они купят.

Лидеры должны оценивать прогностический AI с одним вопросом: меняет ли он, где мы инвестируем? Самый высокий ROI не является больше данными – это лучшие решения о том, как распределить капитал, время и запасы против реального спроса клиентов – достаточно рано, чтобы это имело значение.

Ответственное AI часто обсуждается на высоком уровне. В розничной торговле в частности, как выглядит практическое, ответственное внедрение AI, когда решения напрямую влияют на цены, потребителей и доверие бренда?

Ответственное AI в розничной торговле начинается с одной простой принципа: использовать AI для углубления отношений с клиентом, а не для его эксплуатации.

Это не о том, чтобы гипер-отслеживать отдельных лиц, наблюдение или сбор данных ради самого сбора. Ответственное AI – это о том, чтобы привести голос клиента в каждый решение в масштабе – так, чтобы продукты, цены, сообщения и опыт отражали то, что люди действительно ценят. Во многих отношениях это форма ко-разработки: клиенты руководят тем, что создается, как оно позиционируется и что кажется справедливым.

Практически, ответственное AI выглядит как:

• Основание решений в реальной обратной связи клиентов – как количественной, так и качественной (“что он/она/они сказали”).
• Создание прозрачности и ограничений для решений с высоким влиянием, таких как цена, промо-акции и сегментация.
• Обеспечение справедливости по сегментам и рынкам, так что AI не непреднамеренно отдает предпочтение одной группе, в то время как другая группа в невыгодном положении.
• Держание людей в цикле для суждения, подотчетности и творческой нюанса, который AI не может сгенерировать сам.

Используя AI таким образом, он укрепляет отношения с клиентом вместо того, чтобы их подрывать. Клиенты чувствуют себя услышанными в масштабе. Команды принимают лучшие решения быстрее. И бренды строят доверие – потому что они больше не реагируют на рынок; они действуют с ним.

Вы вели как маркетинговые нарративы, так и стратегию продукта. Как розничным продавцам следует переосмыслить внутреннюю историю вокруг AI, чтобы он был воспринят как партнер по принятию решений, а не как угроза или черный ящик?

Розничным продавцам следует перестать рассказывать историю, что AI – это “умный анализ” и начать рассказывать историю, что AI – это центричность клиента в масштабе.

Внутреннее трение в розничной торговле не только в silos – это silos, принимающие решения с разными истинами: маркетинг имеет сигналы вовлеченности, мерчандайзинг имеет историю продаж, ценообразование имеет давление маржи, планирование имеет ограничения запасов. Вот где происходят битвы.

AI становится партнером по принятию решений, когда он создает общий язык по функциям: голос клиента, переведенный в прогностическое руководство, которое информирует продукт, цену, ассортимент и то, как продавать – от концепции до конверсии.

И важно быть честным о роли человека. AI не изобретает следующую прорывную идею – он учится закономерностям. Люди приносят творчество, вкус, намерение бренда и культурную интуицию. AI делает это творчество более острым, сокращая обратные связи и проверяя решения до того, как рынок это сделает.

Когда AI становится более встроенным в планирование и принятие решений в течение сезона, как вы видите эволюцию роли человеческого суждения, а не его исчезновение?

Человеческое суждение становится более важным – и более усиленным – потому что в течение сезона розничная торговля выигрывает или проигрывает.

Снижение цены – одна из самых больших затрат в розничной торговле. Розничные продавцы часто бюджетировали их, потому что они вынуждены очистить непроданные запасы. Причина, по которой снижение цены так болезненно, заключается в времени: если снизить цену слишком рано, вы уничтожите маржу; если снизить цену слишком поздно, вы пропустите окно, чтобы конвертировать спрос.

С прогностическим AI и людьми в цикле команды могут моделировать эластичные кривые спроса и понимать, как кривая ASP/AUR должна эволюционировать на протяжении жизненного цикла продукта – на основе sell-through, восприятия клиентов и сигналов рынка. Это позволяет сделать более умные ходы: когда удерживать цену, когда снижать цену и насколько – без чрезмерной коррекции.

И решения в течение сезона не только о ценах. AI может информировать промо-акции и маркетинг в течение сезона, учитывая культурные моменты, инфлюенсеров, ускорение трендов и сдвиги в персонах клиентов – наряду с восприятием продукта и чувствительностью к цене. Люди затем применяют суждение: намерение бренда, толерантность к риску и творческие выборы, которые AI не может сам сгенерировать.

Будущее не является автоматизацией. Это более быстрые, более информированные решения клиентов – где AI масштабирует слушание, а люди ведут смысл.

Оглядываясь вперед, как вы ожидаете, что агентный и генеративный AI изменят рабочие процессы розничной торговли в течение следующих двух-трех лет – не теоретически, а операционно?

Мы переходим от систем интеллекта к системам действий.

Операционно, генеративный AI сделает информацию доступной по ролям и уровням – суммируя, сравнивая, объясняя и отвечая на вопросы мгновенно. Агентный AI все больше будет брать на себя повторяющуюся работу, которая замедляет организации: подготовку сценариев, сбор исполнительных брифов, мониторинг сигналов, флагирование рисков и координацию следующих лучших действий.

Но наиболее значимая смена не будет в том, что AI “управляет розничной торговлей”. Это будет в том, что розничные продавцы наконец-то закроют цикл между клиентом и предприятием. Команды будут двигаться быстрее, прорезать внутреннее трение и принимать лучшие решения раньше – до того, как тренды достигнут пика, до того, как снижение цены станет каскадом, и до того, как упущенные возможности станут квартальными промахами.

Розничные продавцы, которые выиграют, не будут теми, у кого будет больше всего экспериментов AI. Они будут теми, кто построит повторяемый операционный ритм, где правда клиента, прогностический интеллект и человеческая креативность работают вместе – от концепции до конверсии.

Спасибо за подробное интервью, читатели, которые хотят узнать больше, должны посетить First Insight.