วิกิ ซาบาลา, ประธานเจ้าหน้าที่การเติบโตและกลยุทธ์ของ First Insight – ซีรีส์สัมภาษณ์

วิกิ ซาบาลา, ประธานเจ้าหน้าที่การเติบโตและกลยุทธ์ของ First Insight, มีประสบการณ์มากกว่า 22 ปีในการเป็นผู้นำในบริษัท SaaS, AI, และเทคโนโลยีที่เติบโตอย่างรวดเร็ว โดยทำงานที่จุดตัดระหว่างกลยุทธ์, ผลิตภัณฑ์, และนวัตกรรม ในบทบาทของเธอ, เธอนำการเติบโตของ First Insight ทั่วทั้งกลยุทธ์, การตลาด, ผลิตภัณฑ์, AI, ความสำเร็จของลูกค้า, และการเป็นพันธมิตร, โดย塑造วิสัยทัศน์เบื้องหลังแพลตฟอร์ม Retail Decision Intelligence ของบริษัท ซาบาลาเป็นที่รู้จักในการเปลี่ยนความไม่แน่นอนให้เป็นความชัดเจน, เธอได้ขับเคลื่อนการเติบโตอย่างรวดเร็ว, การขยายตลาดใหม่, และการเปลี่ยนแปลงที่นำโดย AI โดยการเชื่อมโยงความเข้าใจของลูกค้า, การตัดสินใจอย่างมีข้อมูล, และโมเดลการดำเนินงานที่สามารถปรับขนาดได้ เพื่อนำไปสู่ผลลัพธ์ทางธุรกิจที่วัดได้สำหรับองค์กรระดับโลก

First Insight เป็นแพลตฟอร์มการตัดสินใจที่มีพลังของ AI ที่สร้างขึ้นสำหรับร้านค้าปลีกและแบรนด์ที่ต้องการคาดการณ์ความต้องการ, ปรับขนาดราคาสินค้าและผลิตภัณฑ์, และลดความเสี่ยงตลอดวงจรชีวิตผลิตภัณฑ์ โดยการรวมข้อมูลรับฟังของผู้บริโภคแบบเรียลไทม์เข้ากับ AI ที่คาดการณ์, 生成, และตัวแทน, แพลตฟอร์มนี้ช่วยให้องค์กรตัดสินใจได้เร็วขึ้นและมั่นใจมากขึ้นในการออกแบบ, การจัดซื้อ, การวางแผน, และการดำเนินการในฤดูกาล โดยใช้โดยร้านค้าปลีกและแบรนด์ผู้บริโภคชั้นนำระดับโลก, First Insight มุ่งเน้นในการเปลี่ยนข้อมูลลูกค้าให้เป็นข้อมูลเชิงปฏิบัติที่ปรับปรุงมาร์จิน,加速ความเร็วในการเข้าสู่ตลาด, และเสริมสร้างการเติบโตในระยะยาว

อาชีพของคุณมักจะอยู่ที่จุดตัดระหว่างข้อมูล, กลยุทธ์การตลาด, และการดำเนินการ คุณมีประสบการณ์อะไรในอาชีพที่มีอิทธิพลต่อวิธีคิดในการเปลี่ยนข้อมูลให้เป็นการตัดสินใจที่แท้จริงในปัจจุบัน?

ฉันมุ่งเน้นไปที่ความท้าทายพื้นฐานอยู่เสมอ: วิธีที่คุณมีอิทธิพลและเปลี่ยนแปลงพฤติกรรมในระดับใหญ่

ในช่วงแรกของอาชีพ, สิ่งนี้ปรากฏในแอปพลิเคชันมือถือและเทคโนโลยีการโฆษณา, ที่วงจรป้อนกลับเป็นเรื่องเร่งด่วน คุณเรียนรู้อย่างรวดเร็วว่าข้อมูลมีความสำคัญเฉพาะเมื่อมันเปลี่ยนแปลงสิ่งที่ใครบางคนทำต่อไป – การติดตั้ง, การมีส่วนร่วม, การแปลง ในภายหลัง, ใน IoT และแพลตฟอร์มประสบการณ์, ความจริงเดียวกันนี้เกิดขึ้นในสถานการณ์จริง: วิธีที่บริบท, เวลา, และประสบการณ์กำหนดพฤติกรรมของมนุษย์ในเวลาเดียวกัน

ข้ามอุตสาหกรรมทั้งหมด, สิ่งหนึ่งที่ยังคงเท่าเดิมคือ: ข้อมูลมีค่าเฉพาะเมื่อมันสามารถนำไปปฏิบัติได้ ในขณะนั้นที่การตัดสินใจเกิดขึ้น หากไม่สามารถทนต่อแรงกดดันในการดำเนินการ – ราคา, การตลาด, สินค้าคงคลัง, ข้อความ – มันแค่ข้อมูล

ความคิดนี้คือสิ่งที่นำฉันมา First Insight ร้านค้าปลีกเป็นหนึ่งในอุตสาหกรรมที่ขับเคลื่อนด้วยพฤติกรรมมากที่สุด, แต่การตัดสินใจมักจะพึ่งพาตัวบ่งชี้ที่ล้าสมัยและความเชื่อของท้องถิ่น การทำงานของฉันคือการปิดช่องว่างนี้ – นำเสียงของลูกค้าไปข้างหน้าเพียงพอ, และอย่างต่อเนื่อง, เพื่อสร้างผลลัพธ์ที่ดีขึ้นแทนการปฏิกิริยาต่อความล้มเหลว

จุดสนใจของฉันในปัจจุบันคือการช่วยให้องค์กรตัดสินใจได้ดีขึ้นเพียงพอ – เพื่อให้พวกเขาสามารถเติบโตรายได้, สร้างความภักดีของลูกค้า, และเอาชนะตลาดอย่างต่อเนื่อง

ในฐานะประธานเจ้าหน้าที่การเติบโตและกลยุทธ์ของ First Insight, คุณดูแลผลิตภัณฑ์, แผนการ AI, การตลาด, และความสำเร็จของลูกค้า วิธีการมีมุมมองที่เป็นเอกภาพนี้เปลี่ยนแปลงวิธีการออกแบบและใช้ AI ภายในองค์กรร้านค้าปลีก?

เมื่อคุณเห็นระบบทั้งหมด, คุณหยุดคิดถึง AI เป็นเครื่องมือและเริ่มคิดถึงมันเป็น โมเดลการดำเนินงาน

ผลิตภัณฑ์แสดงให้เห็นว่าอะไรเป็นไปได้ทางเทคนิค การตลาดแสดงให้เห็นว่าอะไรจะถูกเข้าใจและนำมาใช้ ความสำเร็จของลูกค้าแสดงให้เห็นว่าอะไรจะยืนหยัดภายใต้ข้อจำกัดในโลกแห่งความเป็นจริง – ความกดดันของเวลา, ความตึงเครียดระหว่างหน้าที่, คุณภาพข้อมูล, และความรับผิดชอบ เมื่อมุมมองเหล่านี้ถูกผสมผสาน, AI จะถูกออกแบบโดยคำนึงถึงวิธีการตัดสินใจที่แท้จริง, ไม่ใช่แค่ว่าเทคโนโลยีดูเหมือนน่าประทับใจอย่างไรในแง่ของการแยกออก

นี่คือเหตุผลที่ AI ในร้านค้าปลีกต้องทำงานเป็นระบบการตัดสินใจและดำเนินการ, ไม่ใช่แค่ระบบข้อมูล มันจะต้องเชื่อมโยงสัญญาณของลูกค้ากับราคา, การจัดเรียง, การตลาด, และการวางแผนในลักษณะที่สอดคล้องกับทีม และเร่งการตัดสินใจ เมื่อ AI ลดความเสี่ยงระหว่างทีมและลดระยะห่างระหว่างข้อมูลเชิงลึกและการดำเนินการ, มันเริ่มให้คุณค่าที่แท้จริง

ร้านค้าปลีกมักจะพึ่งพาวงจรการวางแผนตามฤดูกาลและข้อมูลในอดีต จากสิ่งที่คุณเห็นในสถานที่, ทำไมแบบจำลองเหล่านี้จึงไม่สอดคล้องกับพฤติกรรมของผู้บริโภคในปัจจุบัน?

เพราะแบบจำลองเหล่านี้ถูกสร้างขึ้นสำหรับโลกที่ร้านค้าปลีกเป็นหลัก – ไม่ใช่การสร้างสิ่งที่จะเกิดขึ้นต่อไป

ข้อมูลการขายและการหมุนเวียนตามฤดูกาลสามารถช่วยอธิบายประสิทธิภาพในหมวดหมู่ที่มีอยู่แล้ว, แต่มันไม่ดีในการตอบสนองสองสิ่งที่ร้านค้าปลีกต้องการมากที่สุดในปัจจุบัน: การตอบสนองต่อพฤติกรรมของลูกค้าที่เปลี่ยนแปลงอย่างรวดเร็วและการสร้างความต้องการใหม่ผ่านนวัตกรรมผลิตภัณฑ์และการขยายพื้นที่ว่าง

ความต้องการเปลี่ยนแปลงในเวลาเดียวกัน – ขับเคลื่อนด้วยความไวต่อการเปลี่ยนแปลงราคา, โมเมนต์ทางวัฒนธรรม, อิทธิพลทางสังคม, ความกดดันทางเศรษฐกิจ, และพลวัตของช่องทาง การเคลื่อนไหวสามารถเกิดขึ้นในชั่วข้ามคืน สัญญาณราคาเปลี่ยนแปลงพฤติกรรมทันที ข้อมูลในอดีตอธิบายสิ่งที่เกิดขึ้นแล้ว, แต่มันไม่ได้บอกเราว่าลูกค้าจะตอบสนองต่อไป – แม้สำหรับสินค้าที่มีอยู่แล้วบนชั้นวาง – เมื่อบริบทและความรู้สึกสามารถเปลี่ยนแปลงได้ทุกเมื่อ

และเมื่อพูดถึงนวัตกรรม, ประวัติการขายไม่สามารถตรวจสอบผลิตภัณฑ์ที่ไม่มีอยู่หรือกลุ่มลูกค้าที่คุณเสี่ยงจะสูญเสียไป สิ่งนี้คือเหตุผลที่ร้านค้าปลีกหลายแห่งจึงทำซ้ำในอดีตแทนการลงทุนในหมวดหมู่ใหม่, ฟีเจอร์ใหม่, หรือกลุ่มลูกค้าใหม่

First Insight มี AI ที่ช่วยให้สามารถสอบถามภาษาธรรมชาติเกี่ยวกับราคา, การจัดเรียง, และความต้องการได้ ความสำคัญของการออกแบบอินเทอร์เฟซและความสามารถในการเข้าถึงในการขับเคลื่อนการนำ AI ไปใช้จริงเทียบกับการมีเพียงความสามารถทางเทคนิคเท่านั้น?

อินเทอร์เฟซคือความแตกต่างระหว่าง “AI มีอยู่” และ “AI ถูกใช้”

การตัดสินใจในการค้าปลีกครอบคลุมมากกว่าหนึ่งครั้ง – การวิจัยแนวคิด, การออกแบบ, การสร้างรายการสินค้า, การปรับราคา, การสร้างแบบจำลองมาร์จิน, การจัดสรร, การปรับเปลี่ยนในฤดูกาล, และการตลาดและการขาย สิ่งที่ท้าทายไม่ใช่ว่าร้านค้าปลีกไม่มีคำถาม; แต่คำตอบถูกกักขังในรายงาน, เอกสาร, การส่งออก, และทีมที่มีความเชี่ยวชาญ – และเมื่อมันถูกส่งมอบ, โมเมนต์ผ่านไปแล้ว

Ellis มีความสำคัญเพราะมันลบความเสี่ยงระหว่างข้อมูลเชิงลึกและการดำเนินการ แทนที่จะนำทางรายงานหรอรอการวิเคราะห์ใหม่, ทีมสามารถถามคำถามเชิงกลยุทธ์และเชิงยุทธวิธีในภาษาธรรมดา – เกี่ยวกับแนวคิด, ราคา, การจัดเรียง, กลุ่ม, ตลาด, คู่แข่ง – และได้รับคำตอบที่ชัดเจนและคาดการณ์ได้ภายในไม่กี่นาที นั่นไม่ใช่แค่ความสามารถในการใช้งาน; นั่นคือความเร็วในการตัดสินใจ

ความสามารถในการเข้าถึงยังขับเคลื่อนการนำไปใช้ในทั่วทั้งองค์กร เมื่อสัญญาณของลูกค้าเดียวกันสามารถเข้าถึงได้ทันทีสำหรับการจัดซื้อ, การกำหนดราคา, การตลาด, และการวางแผน, คุณจะลดการรบกวนภายในและความไม่สอดคล้องกัน คนจะหยุดโต้แย้งว่าข้อมูลของใครถูกต้องและเริ่มโต้แย้งว่าจะทำอะไรต่อไป – เร็วขึ้น, และด้วยความมั่นใจมากขึ้น

คุณได้ทำงานอย่างใกล้ชิดกับร้านค้าปลีกที่กำลังเผชิญกับความกดดันของมาร์จิน, ความเสี่ยงของสินค้าคงคลัง, และความต้องการที่ผันผวน ที่ไหนที่ AI มีผลกระทบมากที่สุดและวัดได้ในปัจจุบัน – และที่ไหนที่ความตื่นเต้นยังคงอยู่เหนือความเป็นจริง?

ผลกระทบที่เร็วที่สุดเกิดขึ้นที่ไหนที่การตัดสินใจมีความถี่, มีราคาแพง, และมีความกดดันของเวลา: การกำหนดราคา, การเลือกสินค้า, การตรวจสอบความต้องการ, และความเสี่ยงของสินค้าคงคลัง เมื่อ AI ช่วยทีมในการหลีกเลี่ยงการซื้อมากเกินไป, การรักษาราคา, หรือการออกจากผลิตภัณฑ์ที่แพ้, ผลกระทบทางการเงินจะเกิดขึ้นทันทีและวัดได้

ที่ไหนที่ความตื่นเต้นยังคงอยู่เหนือความเป็นจริงคือความคิดที่ว่า AI จะทำให้ร้านค้าปลีกเป็นอัตโนมัติ – หรือ AI ทดแทนความเข้าใจของลูกค้าจริงด้วยวิธีการที่เป็นเทียมแท้ ผู้บริโภคบอกเราว่าพวกเขาค่าความจริงใจ, ความโปร่งใส, และการได้ยินเสียงของตนเอง AI ที่ทำให้แบรนด์ห่างจากลูกค้าไม่ได้สร้างความมีประสิทธิภาพ – มันสร้างความเสี่ยง

แบบจำลองที่ชนะในปัจจุบันคือการตัดสินใจของมนุษย์ที่เสริมด้วยข้อมูลเชิงลึกที่คาดการณ์ได้, ไม่ใช่การทำให้ทำงานอัตโนมัติเพื่อการทำให้ทำงานอัตโนมัติ

หลายเครื่องมือ AI สัญญาว่าจะมีความสามารถในการคาดการณ์ สิ่งใดที่คาดการณ์ที่มีความหมายในร้านค้าปลีกดูเหมือน, และผู้นำควรประเมินว่าคาดการณ์เหล่านั้นพร้อมที่จะนำไปตัดสินใจหรือไม่?

การคาดการณ์ที่มีความหมายในร้านค้าปลีกไม่ใช่การคาดการณ์ – มันคือความสามารถในการปิดวงจรจากความจริงของลูกค้าไปยังผลลัพธ์ทางการเงิน

การคาดการณ์ AI มากเกินไปดูเหมือนจะคาดการณ์, แต่มันไม่เปลี่ยนธุรกิจเพราะมันไม่เข้าสู่การดำเนินงานอย่างต่อเนื่อง ยอดขายพลาด, สินค้าคงคลังเพิ่มขึ้น, และงบประมาณการลดราคาจะถูกใช้ – และทุกคนสามารถชี้ไปที่ข้อมูลที่ไหนสักแห่งที่ สามารถช่วยได้ ความล้มเหลวที่แท้จริงคือการตัดสินใจไม่สอดคล้องกัน, การดำเนินการไม่ได้ถูกนำไปใช้, และการทำงานไม่ได้เปลี่ยนแปลง

การคาดการณ์ที่พร้อมสำหรับการตัดสินใจทำสิ่งเหล่านี้พร้อมกัน:

1. มันถูกสร้างขึ้นจากวิธีที่ลูกค้าเห็นคุณค่าจริงๆ – ไม่ใช่แค่ประวัติการขาย – เพื่อให้สามารถชี้นำการตัดสินใจตั้งแต่แนวคิดจนถึงการดำเนินการในฤดูกาล
2. มันเชื่อมโยงโดยตรงกับเศรษฐศาสตร์: ความยืดหยุ่นของความต้องการ, ความเต็มใจที่จะจ่าย, AUR/ASP ในช่วงชีวิตผลิตภัณฑ์, และผลกระทบต่อมาร์จินของการรักษาราคาเทียบกับการลดราคา
3. มันใช้งานได้ – ฝังอยู่ในกระบวนการที่ทีมติดตามจริง, ไม่ใช่ถูกขังในเครื่องมือหรือแดชบอร์ดที่แยกจากกัน

ธีมที่เราเห็นซ้ำๆ คือต้นทุนของ “หางยาว” ของ SKU มากเกินไป สินค้าที่มีปริมาณมากเกินไป, ความเร็วต่ำ, ความเสี่ยงที่ซ่อนอยู่ อีกหนึ่งในการเลื่อนไฮที่ AI คาดการณ์สามารถปลดล็อกได้คือความสามารถในการตัดหาง – ลบผลิตภัณฑ์ที่ไม่ได้ผลออกไปเร็วๆ และนำเงินสินค้าคงคลังไปลงทุนในผลิตภัณฑ์ที่มีประสิทธิภาพสูงสุดโดยที่ความต้องการและความรู้สึกของลูกค้าสูงสุด

เมื่อทีมใช้ระเบียบวินัยนี้, เราจะเห็นผลลัพธ์ที่น่าประทับใจ:

• เงินสินค้าคงคลังถูกปลดปล่อยให้ลงทุนในนวัตกรรมและโอกาสที่มีคะแนนสูงสุด,
• การลดราคาคาดการณ์และลดลง,
• ความกดดันในการส่งเสริมการขายลดลง, และ
• ความไว้วางใจของแบรนด์เพิ่มขึ้นเพราะลูกค้าไม่ได้ถูกฝึกให้คาดหวัง 50-60% ลดราคาก่อนที่จะซื้อ

ผู้นำควรประเมิน AI ที่คาดการณ์ด้วยคำถามเดียว: มันเปลี่ยนการลงทุนของเราหรือไม่? ROI ที่สูงสุดไม่ใช่ข้อมูลเพิ่มเติม – มันคือการตัดสินใจที่ดีขึ้นในการจัดสรรทุน, เวลา, และสินค้าคงคลังต่อความต้องการของลูกค้าจริง – เพียงพอ

การนำ AI ที่มีความรับผิดชอบมักจะถูกอภิปรายในระดับสูง ในร้านค้าปลีกโดยเฉพาะ, สิ่งใดที่การนำ AI ที่มีความรับผิดชอบดูเหมือน, และผู้นำควรประเมินว่าการนำ AI ไปใช้จริงเป็นไปตามหลักการหรือไม่?

การนำ AI ที่มีความรับผิดชอบในร้านค้าปลีกเริ่มต้นจากหลักการง่ายๆ: ใช้ AI เพื่อเพิ่มความสัมพันธ์กับลูกค้า, ไม่ใช่การเอาเปรียบ

นี่ไม่ใช่เรื่องของการตรวจสอบบุคคล, การเฝ้าดู, หรือการเก็บข้อมูลเพื่อประโยชน์ของมันเอง การนำ AI ที่มีความรับผิดชอบคือการนำเสียงของลูกค้าไปข้างหน้าในระดับใหญ่ – เพื่อให้ผลิตภัณฑ์, ราคา, ข้อความ, และประสบการณ์สะท้อนถึงสิ่งที่ผู้คนมีค่าจริงๆ ในหลายวิธี, มันเป็นรูปแบบของการร่วมพัฒนา: ลูกค้าชี้นำสิ่งที่ถูกสร้าง, วิธีการวางตำแหน่ง, และสิ่งที่รู้สึกยุติธรรม

ในทางปฏิบัติ, การนำ AI ที่มีความรับผิดชอบดูเหมือน:

• สร้างการตัดสินใจจากข้อมูลลูกค้าจริง – ทั้งเชิงปริมาณและเชิงคุณภาพ (“สิ่งที่เขาพูด”)
• สร้างความโปร่งใสและรั้วสำหรับการตัดสินใจที่มีผลกระทบสูง เช่น การกำหนดราคา, การส่งเสริมการขาย, และการแบ่งกลุ่ม
• รับรองความยุติธรรมระหว่างกลุ่มและตลาด, เพื่อให้ AI ไม่เอื้อประโยชน์ต่อกลุ่มหนึ่งโดยไม่ได้ตั้งใจในขณะที่ทำร้ายอีกกลุ่มหนึ่ง
• รักษามนุษย์ในวงจรสำหรับการตัดสินใจ, ความรับผิดชอบ, และความสร้างสรรค์ที่ AI ไม่สามารถสร้างได้เอง

เมื่อใช้ AI ในลักษณะนี้, มันเสริมสร้างความสัมพันธ์กับลูกค้าแทนการทำลายมัน ลูกค้ารู้สึกได้ยินเสียงในระดับใหญ่ ทีมตัดสินใจได้ดีขึ้นและเร็วขึ้น และแบรนด์สร้างความไว้วางใจ – เพราะพวกเขาไม่ได้ทำปฏิกิริยาต่อตลาด; พวกเขากำลังดำเนินการ ร่วมกับ มัน

คุณเคยเป็นผู้นำทั้งเรื่องราวการตลาดและการวางกลยุทธ์ผลิตภัณฑ์ ร้านค้าปลีกควรเปลี่ยนเรื่องราวภายในเกี่ยวกับ AI อย่างไรเพื่อให้ AI ถูกมองว่าเป็นหุ้นส่วนการตัดสินใจมากกว่าภัยคุกคามหรือกล่องดำ?

ร้านค้าปลีกควรหยุดเล่าเรื่องราวที่ว่า AI คือ “การวิเคราะห์ที่ฉลาด” และเริ่มเล่าเรื่องราวที่ว่า AI คือการมุ่งเน้นลูกค้าในระดับใหญ่

ความตึงเครียดภายในร้านค้าปลีกไม่ใช่แค่ส่วนต่างๆ – มันคือส่วนต่างๆ ที่ตัดสินใจที่มีความเสี่ยงสูงด้วยความจริงที่แตกต่างกัน: การตลาดมีสัญญาณการมีส่วนร่วม, การจัดซื้อมีสถิติการขาย, การกำหนดราคาได้รับแรงกดดันจากมาร์จิน, การวางแผนได้รับแรงกดดันจากสินค้าคงคลัง นั่นคือที่ที่การรบกวนเกิดขึ้น

AI กลายเป็นหุ้นส่วนการตัดสินใจเมื่อมันสร้างภาษาร่วมกันระหว่างหน้าที่: เสียงของลูกค้า, แปลเป็นคำแนะนำเชิงคาดการณ์ที่แจ้งผลิตภัณฑ์, ราคา, การจัดเรียง, และวิธีการขาย – ตั้งแต่แนวคิดจนถึงการแปลง

และเป็นสิ่งสำคัญที่จะต้องซื่อสัตย์เกี่ยวกับบทบาทของมนุษย์ AI ไม่ได้สร้างความคิดที่จะเกิดขึ้นต่อไป – มันเรียนรู้รูปแบบ มนุษย์นำความคิดสร้างสรรค์, รสนิยม, ความตั้งใจของแบรนด์, และ直觉ทางวัฒนธรรม AI ทำให้ความคิดสร้างสรรค์นั้นแหลมคมโดยการลดวงจรป้อนกลับและทดสอบการตัดสินใจก่อนที่ตลาดจะทำ

เมื่อ AI ถูกฝังอยู่ในการวางแผนและการตัดสินใจในฤดูกาล, คุณเห็นว่าบทบาทของการตัดสินใจของมนุษย์เปลี่ยนแปลงไปอย่างไร?

การตัดสินใจของมนุษย์กลายเป็นเรื่องสำคัญมากขึ้น – และได้รับการเสริมสร้างมากขึ้น – เพราะในฤดูกาลคือที่ที่ร้านค้าปลีกชนะหรือแพ้

การลดราคาคือหนึ่งในต้นทุนที่ใหญ่ที่สุดในร้านค้าปลีก ร้านค้าปลีกมักจะจัดสรรเงินสำหรับการลดราคาเพราะพวกเขาถูกบังคับให้ล้างสินค้าคงคลังที่ไม่ได้ขาย การลดราคาทำให้เจ็บปวดเพราะเวลา: ลดราคาเร็วเกินไปและทำลายมาร์จิน; ลดราคา 晚เกินไป และพลาดโอกาสในการแปลงความต้องการ

ด้วย AI ที่คาดการณ์และมนุษย์ในวงจร, ทีมสามารถสร้างแบบจำลองความต้องการที่ยืดหยุ่นและเข้าใจว่า ASP/AUR ควรพัฒนาไปอย่างไรตลอดอายุการใช้งานของผลิตภัณฑ์ – ตามการขาย, การรับรู้ของลูกค้า, และสัญญาณของตลาด นั่นช่วยให้การเคลื่อนไหวที่ฉลาดขึ้น: เมื่อถือราคา, เมื่อลดราคา, และลดลงเท่าใด – โดยไม่เกินขอบเขต

และการตัดสินใจในฤดูกาลไม่ใช่แค่การกำหนดราคา AI สามารถแจ้งการส่งเสริมการขายและการตลาดในฤดูกาลโดยพิจารณาจากโมเมนต์ทางวัฒนธรรม, ผู้มีอิทธิพล, การเร่งความเร็วของเทรนด์, และการเปลี่ยนแปลงในบุคลิกภาพของลูกค้า – ควบคู่ไปกับการรับรู้ผลิตภัณฑ์และความไวต่อการเปลี่ยนแปลงราคา มนุษย์ใช้การตัดสินใจ: ความตั้งใจของแบรนด์, ความอดทน, และการสร้างสรรค์ที่ AI ไม่สามารถสร้างได้เอง

อนาคตไม่ใช่การทำให้ทำงานอัตโนมัติ มันคือการตัดสินใจที่เร็วขึ้นและได้รับแรงบันดาลใจจากลูกค้า – ที่ AI เพิ่มการฟัง, และมนุษย์นำความหมาย

เมื่อมองไปข้างหน้า, คุณคาดหวังว่า AI ที่มีเจตนาและสร้างสรรค์จะเปลี่ยนแปลงการทำงานของร้านค้าปลีกในช่วงสองถึงสามปีหน้า – ไม่ใช่ในทางทฤษฎี แต่ในทางปฏิบัติ?

เรากำลังย้ายจากระบบข้อมูลไปสู่ระบบการดำเนินการ

ในทางปฏิบัติ, AI ที่สร้างสรรค์จะทำให้ข้อมูลเชิงลึกสามารถเข้าถึงได้ทั่วทั้งบทบาทและระดับ – สรุป, เปรียบเทียบ, อธิบาย, และตอบคำถามทันที AI ที่มีเจตนาเพิ่มเติมจะรับงานซ้ำๆ ที่ชะลอองค์กร: การเตรียมสถานการณ์, การประกอบรายงานที่พร้อมสำหรับผู้บริหาร, การติดตามสัญญาณ, การเตือนความเสี่ยง, และการประสานการดำเนินการที่ดีที่สุด

แต่การเปลี่ยนแปลงที่มีความหมายมากที่สุดจะไม่ใช่ว่า AI “ควบคุมร้านค้าปลีก” มันจะเป็นว่าร้านค้าปลีกสุดท้ายก็จะทำให้การทำงานระหว่างลูกค้าและองค์กรแน่นขึ้น ทีมจะเคลื่อนไหวเร็วขึ้น, ลดความเสี่ยงภายใน, และตัดสินใจได้ดีขึ้นเร็วขึ้น – ก่อนที่เทรนด์จะถึงจุดสูงสุด, ก่อนที่การลดราคาจะเกิดขึ้น, และก่อนที่โอกาสที่พลาดไปจะกลายเป็นความพลาดพลั้งรายไตรมาส

ร้านค้าปลีกที่ชนะไม่ใช่ผู้ที่มี AI ทดลองมากที่สุด พวกเขาจะเป็นผู้ที่สร้างการทำงานที่ซ้ำซ้อนได้โดยที่ความจริงของลูกค้า, ข้อมูลเชิงลึกที่คาดการณ์ได้, และความคิดสร้างสรรค์ของมนุษย์ทำงานร่วมกัน – ตั้งแต่แนวคิดจนถึงการแปลง

ขอขอบคุณสำหรับการสัมภาษณ์ที่มีรายละเอียด, ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม First Insight