สตีเวน คีท พลัตต์ ผู้ร่วมก่อตั้งและประธานฝ่ายพัฒนา ของ RetailPredict.ai – สัมภาษณ์เชิงลึก

สตีเวน คีท พลัตต์ เป็นกรรมการและผู้ช่วยวิจัยที่สถาบันวิจัยร้านค้าปลีกพลัตต์ (Platt Retail Institute) เขาเป็นอาจารย์ผู้ช่วยที่มหาวิทยาลัยนอร์ทเวสเทิร์น และดำรงตำแหน่งผู้อำนวยการฝ่ายวิจัยที่สภาวิจัยการวิเคราะห์ข้อมูลร้านค้าปลีก (Retail Analytics Council) ซึ่งเป็นโครงการร่วมระหว่างโรงเรียนสื่อสารมวลชน Medill และภาควิชาการตลาดสื่อสารมวลชนของมหาวิทยาลัยนอร์ทเวสเทิร์น และสถาบันวิจัยร้านค้าปลีกพลัตต์

เขาเป็นหนึ่งในผู้ร่วมก่อตั้งและประธานฝ่ายพัฒนา ของ RetailPredict.ai บริษัทที่มุ่งเน้นในการเพิ่มรายได้และกำไรอย่างยั่งยืนโดยการให้บริการแบบจำลองการคาดการณ์ที่ใช้ AI ซึ่งสามารถนำไปใช้ได้อย่างง่ายดายและรวดเร็ว

อะไรที่ดึงดูดคุณให้เข้าสู่โลกของ AI ในร้านค้าปลีก?

ผมทำงานในด้านการวิเคราะห์ข้อมูลร้านค้าปลีกมาเกิน 25 ปี อุตสาหกรรมนี้มีข้อมูลมากมาย แต่วิธีการวิเคราะห์ข้อมูลเหล่านั้นเพื่อใช้ในการดำเนินธุรกิจยังไม่เพียงพอ ความสามารถในการจัดการข้อมูลขนาดใหญ่เป็นการเปลี่ยนแปลงครั้งสำคัญครั้งแรก และเมื่อ AI กลายเป็นเรื่องปกติเมื่อประมาณ 5 ปีที่แล้ว การย้ายไปสู่วิธีการคำนวณที่ซับซ้อนกว่านี้จึงเป็นเรื่องธรรมชาติ

คุณสามารถเล่าเรื่องราวเกี่ยวกับการก่อตั้ง RetailPredict.ai ได้หรือไม่?

RetailPredict.ai เป็นผลมาจากการทำงานในห้องปฏิบัติการของ tôiที่มหาวิทยาลัยนอร์ทเวสเทิร์น ซึ่งผมสอนคอร์สเรียน AI สำหรับร้านค้าปลีก ทุกๆ ไตรมาสเราจะทำงานกับร้านค้าปลีกเพื่อแก้ปัญหาธุรกิจโดยใช้โซลูชัน AI กรณีศึกษาที่เราได้พิสูจน์แล้วว่ามีความต้องการที่จะแก้ปัญหาเหล่านั้นและเราสามารถทำได้โดยใช้ AI ในห้องปฏิบัติการ เราทำการตรวจสอบการทำงานของระบบ (POC) และที่ RetailPredict.ai เราใช้ผลการวิจัยเหล่านั้นมาเพิ่มประสิทธิภาพและผลิตเป็นสินค้าเชิงพาณิชย์

ทำไมคุณถึงเลือกให้ความสนใจกับ AI ในร้านค้าปลีก?

มีหลายเหตุผล เช่น

มีข้อมูลมากมาย มีปัญหาให้แก้ไขมากมาย เมื่อคุณผ่านผู้เล่นรายใหญ่ๆ (เช่น Walmart (WMT ), Target, Home Depot) ไปแล้ว ร้านค้าปลีกหลายแห่งที่มีรายได้ต่ำกว่า 10 พันล้านดอลลาร์ไม่มีทรัพยากรในการพัฒนาวิธีแก้ปัญหาในองค์กรและต้องเผชิญกับความท้าทายในการหาความช่วยเหลือจากผู้เชี่ยวชาญ ดังนั้นเราจึงเห็นโอกาสมากมายที่จะช่วยเหลือ

บริษัทสามารถใช้ AI ในสภาพแวดล้อมร้านค้าปลีกได้อย่างไร?

ความสำเร็จต้องการการยอมรับและการสนับสนุนจากผู้นำ AI อาจต้องการวิธีการใหม่ๆ สำหรับบริษัทในการทำงาน และอุปสรรคทางวัฒนธรรมในการเปลี่ยนแปลงอาจเป็นเรื่องที่ท้าทาย ดังนั้น แผนการดำเนินงานจึงจำเป็น นอกจากนี้ยังต้องมีความเข้าใจว่า AI สามารถทำอะไรและไม่สามารถทำอะไรได้ สุดท้าย การมุ่งเน้นไปที่การชนะในระยะสั้นเพื่อสร้างความน่าเชื่อถือมากกว่าการใช้แนวทาง “boil-the-ocean” จะเป็นประโยชน์

การปรับปรุงประสิทธิภาพการทำงานที่ได้รับจากการนำ AI มาใช้ในร้านค้าปลีกคืออะไร?

ช่วงของโซลูชันไม่มีขอบเขต ตั้งแต่การคาดการณ์การสั่งซื้อออนไลน์ไปจนถึงห่วงโซ่อุปทาน ช่วงของกรณีการใช้งานที่จะแก้ไขนั้นกว้างใหญ่ ที่ RetailPredict.ai เราเริ่มต้นด้วยการมุ่งเน้นไปที่การเพิ่มประสิทธิภาพแรงงาน (การคาดการณ์ปริมาณลูกค้าใน店舗ล่วงหน้า 5 สัปดาห์) เพื่อจับคู่แรงงานกับลูกค้าได้ดีขึ้น ตัวอย่างเช่น ลดพนักงานเมื่อมีลูกค้าน้อยกว่าที่คาดไว้ หรืออาจเพิ่มพนักงานเมื่อคาดว่าจะมีลูกค้าเพิ่มขึ้น การคาดการณ์รายชั่วโมงของเรายังช่วยให้ผู้จัดการร้านค้าสามารถจัดการงานได้ดีขึ้น (เช่น เราคาดว่าจะมีลูกค้าเยอะในช่วงนี้ ดังนั้นเรามีคนเพิ่มที่แคชเชียร์) สินค้าอื่นๆ ของเราคาดการณ์การต้องการสินค้าเพื่อลดการขาดสินค้า ลดการลงทุนส่วนเกินในผลิตภัณฑ์ที่ขายช้า ทดสอบความต้องการสินค้าใหม่ และจัดการการขายที่คาดหวังและความยืดหยุ่นของราคา

คุณต้องการแบ่งปันอะไรเกี่ยวกับ RetailPredict.ai อีกหรือไม่?

แนวทางของเรานั้นเป็นเอกลักษณ์ในตลาด มีราคาไม่แพง และง่ายต่อการเริ่มต้นใช้งาน โมเดลที่ใช้กรณีการใช้งานเฉพาะไม่ต้องการการรวมระบบมากนักและสามารถเปิดตัวได้อย่างรวดเร็ว เราคู่กับแผงควบคุมที่ใช้งานง่ายสำหรับการตีความข้อมูลได้อย่างง่ายดาย และสามารถตั้งค่าแจ้งเตือนให้แจ้งผู้จัดการเกี่ยวกับการเปลี่ยนแปลงสภาพแวดล้อม สุดท้าย ความมั่นใจในโมเดลนั้นสำคัญ ดังนั้นเราจึงรวมเมตริกการทำงานหลายอย่างเข้าด้วยกัน

ขอขอบคุณสำหรับการสัมภาษณ์ ผู้อ่านสามารถเยี่ยมชม RetailPredict.ai เพื่อเรียนรู้เพิ่มเติม