Himanshu Jain, Đồng sáng lập và Trưởng bộ phận Sản phẩm tại CommerceIQ – Loạt phỏng vấn

Himanshu Jain, Đồng sáng lập và Trưởng bộ phận Sản phẩm tại CommerceIQ, dẫn dắt chiến lược và phát triển sản phẩm với trọng tâm xây dựng các AI agent tự động hoá các quy trình bán lẻ và thương mại điện tử phức tạp. Kể từ khi đồng sáng lập CommerceIQ vào năm 2017, ông đã giúp định hình cách công ty áp dụng dữ liệu, tự động hoá và AI vào thương mại điện tử. Trước khi gia nhập CommerceIQ, Jain đã giữ các vị trí lãnh đạo về chiến lược sản phẩm, phát triển kinh doanh và thành công khách hàng tại Boomerang Commerce, nơi ông làm việc với các nhà bán lẻ lớn về chiến lược giá, danh mục và tăng trưởng thương mại điện tử. Ở giai đoạn đầu sự nghiệp, ông là tư vấn quản lý tại A.T. Kearney và đã làm việc gần năm năm tại Capital One UK trong các lĩnh vực quản lý sản phẩm, rủi ro tín dụng, chiến lược marketing, phân tích và mô hình thống kê. Ông cũng đã tư vấn cho các startup về chiến lược ra thị trường và đóng góp các bài viết về Amazon và thương mại điện tử cho Marketing Land.

CommerceIQ là một nền tảng thương mại bán lẻ được hỗ trợ bởi AI, được thiết kế để giúp các thương hiệu tiêu dùng quản lý và tối ưu hoá hiệu suất trên các kênh thương mại điện tử. Nền tảng của nó tập hợp dữ liệu bán hàng, truyền thông bán lẻ, kệ kỹ thuật số, nội dung, tồn kho và dữ liệu cạnh tranh, cung cấp cho các đội ngũ một cái nhìn thống nhất về hiệu suất trên hơn 1.500 nhà bán lẻ và 85 quốc gia. CommerceIQ ngày càng tập trung vào AI agent thông qua công nghệ AllyAI, với các agent chuyên biệt có khả năng phân tích tín hiệu bán lẻ, đề xuất hành động, tự động hoá báo cáo, tối ưu hoá giá thầu và ngân sách quảng cáo, và thực thi các quy trình thương mại điện tử đã chọn trong các kiểm soát đã định. Công ty định vị cách tiếp cận này như một sự chuyển dịch từ quản lý bán lẻ dựa trên bảng điều khiển sang thực thi liên tục, hỗ trợ bởi AI trên bán hàng, truyền thông, nội dung và kệ kỹ thuật số.

Bạn đã làm việc hơn một thập kỷ trong các lĩnh vực quản lý sản phẩm, thành công khách hàng, phát triển kinh doanh và hơn thế nữa trước khi đồng sáng lập CommerceIQ. Điều gì đã khiến bạn bước vào lĩnh vực bán lẻ dựa trên agent, và những bài học nào từ những chuyển đổi công nghệ trước đó đã hình thành cách bạn nhìn nhận hiện tại?

Phần lớn phần mềm trước AI agent được thiết kế để làm cho công việc của con người nhanh hơn. Excel giúp bạn xây dựng mô hình nhanh hơn. Một bảng điều khiển giúp bạn đưa ra quyết định nhanh hơn. Điều đã thay đổi với bán lẻ dựa trên agent là phần mềm giờ có thể tự thực hiện công việc, không chỉ tăng tốc cách con người thực hiện. Một agent có thể học môi trường của bạn giống như một nhân viên mới. Các quy trình của bạn, các hướng dẫn nội bộ, cách bạn thực sự đưa ra quyết định và sau đó hành động hướng tới mục tiêu từ đầu đến cuối, với con người cung cấp ngữ cảnh và kiểm tra kết quả thay vì thực hiện mọi bước. Đó là một loại phần mềm hoàn toàn khác so với bất kỳ gì tôi đã làm trước đây trong quản lý sản phẩm hoặc thành công khách hàng, và đó là lý do tôi cho rằng đây là sự chuyển đổi công nghệ cơ bản nhất mà tôi từng thấy, không phải một bước tiến nhỏ. Tốc độ cũng khác biệt so với mọi thứ trước đây. Điện thoại thông minh mất nhiều năm mới trở nên phổ biến. AI agent đã thay đổi cách toàn bộ ngành công nghiệp hoạt động và không có dấu hiệu chậm lại. Bài học từ những chuyển đổi trước mà tôi coi trọng nhất là những người dựa vào quá khứ sẽ đưa ra những quyết định sai lầm ở đây. Cách tiếp cận mà tôi thấy hiệu quả nhất là giữ một tư duy mở, tự mình tham gia thực tế, và học hỏi từ những gì đang diễn ra ngay bây giờ thay vì dựa vào những gì đã xảy ra trong chu kỳ trước.

Bạn đã vẽ ra sự khác biệt giữa “bán lẻ dựa trên agent”, nơi người tiêu dùng sử dụng AI agent để khám phá và mua sản phẩm, và “bán lẻ dựa trên agent”, nơi các thương hiệu sử dụng agent để quản lý cách họ bán hàng. Khi cả hai phía ngày càng được tự động hoá, bạn nhìn thấy mối quan hệ giữa người tiêu dùng, thương hiệu và nhà bán lẻ sẽ thay đổi như thế nào?

Khám phá bán lẻ đã trải qua một vài thay đổi thực sự. Vào những năm 80 và 90, nó là các tờ rơi quảng cáo gửi qua thư, một cửa hàng quyết định những gì sẽ được nổi bật, và một con người lựa chọn từ đó. Amazon đã tạo ra lối đi vô tận. Mỗi tìm kiếm từ khóa trở thành một kệ hàng không giới hạn, nhưng con người vẫn đọc tiêu đề, lướt qua đánh giá và tự mình đưa ra lựa chọn. Điều đang thay đổi bây giờ là con người và các agent đang mua sắm cùng nhau. Bạn thể hiện một ý định; một agent có thể đọc toàn bộ sản phẩm trên trang, mọi tuyên bố, mọi đánh giá, mọi điểm nổi bật, thực hiện phân tích ý định dựa trên những gì bạn thực sự cần, và đưa cho bạn bốn hoặc năm đề xuất. Bạn vẫn chọn một, nhưng agent đã thực hiện công việc so sánh mà con người trước đây phải làm bằng cách lướt qua. Ở phía thương hiệu, các agent đang tối ưu hoá nội dung trang sản phẩm (PDP) dựa trên những gì người tiêu dùng và các agent của họ đang tìm kiếm, quyết định sản phẩm nào sẽ đặt giá thầu, và giúp quản lý việc trưng bày. Nhà bán lẻ nằm ở trung tâm vòng lặp này và kiểm soát lượng tín hiệu chảy giữa hai phía và những gì được hiển thị cho ai và dưới chương trình khuyến mãi nào. Lớp dữ liệu và quyết định này đang ngày càng trở nên độc quyền của nhà bán lẻ.

Khám phá sản phẩm đang chuyển từ các tìm kiếm từ khóa truyền thống sang các trợ lý AI so sánh sản phẩm, tóm tắt tùy chọn và đưa ra đề xuất. Các thương hiệu nên suy nghĩ lại về nội dung sản phẩm và chiến lược kệ kỹ thuật số như thế nào khi họ ngày càng cố gắng giành được đề xuất từ một AI agent thay vì chỉ xếp hạng cao trong kết quả tìm kiếm?

Một con người lướt qua một trang, đọc tóm tắt đánh giá và nhìn vào một vài hình ảnh. Một agent có thể đọc mọi pixel. Ngay cả trong một shopping agent, câu hỏi của bạn được chia thành các từ khóa, các từ khóa đó được tìm kiếm, kết quả được trích xuất, mỗi sản phẩm được đọc toàn bộ, và sau đó một thuật toán ý định xếp hạng danh sách ngắn mà nó hiển thị cho bạn. Điều đó có nghĩa là nội dung phải hoạt động cho tìm kiếm truyền thống và cho việc đọc ở mức độ pixel đồng thời, không phải chỉ một trong hai. Ngoài ra còn quan trọng loại agent mà bạn đang tối ưu. Các shopping agent như Rufus, Sparky và Alexa Shopping là nơi các giao dịch thực sự được hoàn tất, và yếu tố quyết định ở đó là trang sản phẩm tự nó và mọi thuộc tính và tuyên bố trên đó. Các agent đa mục đích như ChatGPT hoặc Perplexity hoạt động giống như nghiên cứu ở đầu phễu, và những gì giúp bạn được nhắc đến ở đó gần hơn với truyền thông kiếm được, trích dẫn, bài blog và các bài viết của bên thứ ba. Các thương hiệu coi chúng là cùng một vấn đề cuối cùng sẽ tối ưu cho bề mặt sai.

Thuật ngữ \”agentic AI\” hiện đang được áp dụng cho một loạt các sản phẩm. Trong lĩnh vực bán lẻ, cụ thể là gì khiến một AI agent thực sự khác biệt so với tự động hoá dựa trên quy tắc truyền thống hoặc một nền tảng phân tích có giao diện AI sinh ra được xếp lớp phía trên?

Tự động hoá dựa trên quy tắc là nếu X xảy ra, thực hiện Y. Nó không có trí tuệ và không thể xử lý bất kỳ điều gì mà bạn không lập trình một cách rõ ràng. Một giao diện sinh ra trên một bảng điều khiển chỉ làm cho những hiểu biết tĩnh cùng một loại trở nên dễ đọc hơn. Một agent thực sự có thể suy nghĩ, lập kế hoạch, thực hiện, và sau đó liên tục đánh giá và thích nghi, giống như một nhà phân tích cấp dưới mà bạn đã đào tạo. Bạn cung cấp cho nó ngữ cảnh, quy trình, hướng dẫn và các quyết định bạn đã đưa ra trước đây, và nó bắt đầu thực thi dựa trên một mục tiêu thay vì chờ quy tắc tiếp theo được kích hoạt. Đó là tiêu chí tôi thực sự sử dụng: nó có thể hoạt động như một người bạn đã đào tạo sẽ làm không, hay chỉ là một phiên bản nhanh hơn của một thứ luôn tĩnh?

Những đội ngũ thương mại truyền thống thường có nhân viên giám sát tồn kho, giá cả, trang sản phẩm, truyền thông bán lẻ, hiệu suất tìm kiếm và hoạt động cạnh tranh trên hàng ngàn sản phẩm. Những khoảng trống hoạt động nào trong số này phù hợp nhất với các AI agent tự động ngày nay, và ở đâu sự phán đoán của con người vẫn khó thay thế?

Tôi suy nghĩ về vấn đề này như một ma trận 2×2 về mức độ phán đoán mà một quyết định yêu cầu và mức độ ảnh hưởng của nó. Công việc ít cần phán đoán được giao trực tiếp cho agent. Công việc đòi hỏi phán đoán cao hoặc có tác động lớn vẫn giữ con người để cung cấp hướng dẫn chiến lược và kiểm tra kết quả. Thực tế, điều này có nghĩa là bắt đầu với các SKU dài hạn và các nhà bán lẻ dài hạn, những thứ mà không ai chạm vào trong một năm, và đưa chúng vào chế độ tự động trước vì phạm vi ảnh hưởng của sai lầm là thấp. Các SKU và nhà bán lẻ hàng đầu của bạn vẫn giữ một lớp con người, và lớp này không chỉ để kiểm toán; nó là cách bạn đào tạo agent. Khi bạn phát hiện ra vấn đề, bạn nói cho nó biết nên làm gì và tại sao, và phản hồi đó là thứ làm cho nó cải thiện theo thời gian thay vì chỉ luôn ở mức trung bình.

Các agent chuyên biệt có thể tự tạo ra vấn đề nếu chúng tối ưu cho các mục tiêu riêng lẻ. Một media agent có thể tăng quảng cáo cho một sản phẩm sắp hết hàng, trong khi một pricing agent có thể cải thiện tỷ lệ chuyển đổi nhưng làm giảm lợi nhuận. Làm sao để bạn đảm bảo rằng nhiều agent làm việc hướng tới các mục tiêu thương mại rộng hơn của thương hiệu thay vì chỉ tối ưu các chỉ số cá nhân của chúng?

Đây chính là lý do chúng tôi xây dựng một bộ điều phối thay vì một tập hợp các agent độc lập. Bộ của chúng tôi gọi là Ally, và mục tiêu của nó là tăng trưởng doanh số, không phải bất kỳ chỉ số của một kênh nào. Nó xác định nơi có cơ hội và rủi ro, xử lý các đánh đổi, và sau đó giao nhiệm vụ cụ thể cho các agent thực thi, bao gồm media, content và pricing, đồng thời chia sẻ cùng một thông tin giữa tất cả chúng để không ai tối ưu một cách riêng lẻ. Nếu không có lớp này, bạn sẽ gặp đúng mô hình thất bại được nêu trong câu hỏi: một media agent chi tiêu cho một sản phẩm sắp hết hàng vì không có khả năng nhìn thấy tồn kho.

Dữ liệu bán lẻ thường bị phân tán trên các cổng thông tin của nhà bán lẻ, nền tảng quảng cáo, hệ thống tồn kho, hệ thống thông tin sản phẩm và các công cụ phân tích nội bộ. Chất lượng dữ liệu và việc thống nhất dữ liệu quan trọng như thế nào đối với thành công của retail dựa trên agent, và việc cho AI agent tự chủ hơn có làm cho dữ liệu kém hoặc không đầy đủ trở nên nguy hiểm hơn không?

Việc đưa dữ liệu vào dạng đúng, với cấu trúc ngữ nghĩa thực tế và một ontology phù hợp, không chỉ là các nguồn dữ liệu thô đặt cạnh nhau, là phần lớn công việc thực tế ở đây. Nhiều đội ngũ cho rằng bạn có thể tải lên một thứ gì đó vào ChatGPT hoặc kết nối một agent lên trên bất kỳ hệ thống nào đã tồn tại, và kết quả nhận được là không nhất quán; đôi khi nó hoạt động, đôi khi nó tạo ra thông tin sai lệch, mà không có cách nào để tin cậy. Tự chủ làm cho vấn đề này tệ hơn, không tốt hơn, vì một con người với dữ liệu kém thường sẽ phát hiện lỗi trước khi hành động. Một agent với dữ liệu kém sẽ hành động ngay lập tức, ở quy mô lớn, trước khi ai đó nhận ra.

Khi các thương hiệu ngày càng thoải mái với AI agent, họ nên quyết định hành động nào có thể thực hiện tự động và hành động nào vẫn cần sự phê duyệt của con người như thế nào? Quá trình chuyển từ \”AI đề xuất\” sang \”AI thực thi\” trông như thế nào trong thực tế?

Nó nên tiến triển dần dần, không phải một bước nhảy. Hầu hết các đội bắt đầu khoảng 10% tự động và 90% cần phê duyệt. Khi vòng phản hồi hoạt động, khi con người chỉnh sửa agent và agent tích hợp sự chỉnh sửa đó, niềm tin tăng lên và tỷ lệ này chuyển sang 20% và 80%, sau đó tiếp tục, cả về khối lượng hành động và giá trị của những gì đang được tự động hoá. Điểm khởi đầu cho quá trình này là những công việc có phạm vi ảnh hưởng thấp, các SKU dài hạn và các nhà bán lẻ mà bạn không quản lý tích cực, và nó chỉ mở rộng sang các quyết định có tác động cao, yêu cầu phán đoán cao hơn khi hồ sơ thành tích thực sự có sẵn.

Truyền thông bán lẻ truyền thống thường tập trung mạnh vào các chỉ số như lợi nhuận trên chi phí quảng cáo, nhưng ngày càng có quan tâm đến việc xác định liệu quảng cáo có thực sự tạo ra doanh số tăng thêm hay không. AI có thể giúp các thương hiệu đưa ra quyết định tốt hơn về tính tăng thêm, lợi nhuận, và nơi nên phân bổ ngân sách quảng cáo như thế nào?

Các thương hiệu có thể quá mê đo lường. Thực hiện một nghiên cứu tính tăng thêm sâu rộng trong một quý nghe có vẻ nghiêm ngặt, nhưng thị trường thường đã chuyển sang hướng mới khi nghiên cứu kết thúc. Tôi thích thấy các đội xây dựng một bộ quy tắc thực tiễn và hành động nhanh hơn: nếu bạn đã xếp hạng cao tự nhiên, đừng đặt giá thầu cao hơn; bạn đang trả tiền cho một giao dịch mà bạn đã có thể có sẵn. Nếu bạn xếp hạng thấp tự nhiên, đó là lúc chi phí quảng cáo thực sự xứng đáng. Nếu có một khán giả trong thị trường chưa biết sản phẩm của bạn, hãy chi tiêu ở đó để giáo dục họ. Cãi nhau về việc một đô la mang lại 1,48 hay 1,68 đô la tăng thêm chỉ là thời gian lãng phí thay vì hành động. Đạt được hành động nhanh hơn và chấp nhận rằng con số sẽ đúng về hướng hơn là hoàn hảo là điều thực sự thúc đẩy doanh số.

Nếu các agent AI phía người mua ngày càng xử lý việc khám phá, so sánh và mua hàng trong khi các agent phía thương hiệu quản lý nội dung, giá cả, quảng cáo và tồn kho, cuối cùng chúng ta có thể có máy móc ảnh hưởng đến cả hai phía của một giao dịch. Bạn nghĩ thương mại điện tử sẽ như thế nào trong môi trường đó, và yếu tố nào cuối cùng sẽ tách biệt các thương hiệu thắng khỏi những thương hiệu trở nên vô hình trước các hệ thống mua sắm dựa trên AI này?

Tôi không nghĩ chúng ta sẽ sớm thấy các agent giao dịch tự động với nhau. Điều tôi thấy thay vào đó là con người và các agent cùng mua ở cả hai phía, các agent thực hiện công việc so sánh và đề xuất, con người vẫn đưa ra quyết định cuối cùng, và cùng mô hình đó ở phía thương hiệu, các agent thực thi trong khi con người đặt chiến lược và phê duyệt các quyết định quan trọng. Trong thế giới đó, sản phẩm vật lý vẫn phải tốt; không có mức tối ưu nào có thể cứu một sản phẩm kém. Sau đó, yếu tố phân biệt là ngữ cảnh: mức độ ngữ cảnh mà một agent có về doanh nghiệp của bạn, mức độ học hỏi và lượng phản hồi mà nó nhận được. Đó là điều tách biệt một agent mắc lỗi ngớ ngẩn và một agent thực sự hiểu giọng nói và chiến lược thương hiệu của bạn đủ để được tin cậy trong các quyết định thực tế. Các thương hiệu thắng là những thương hiệu coi việc cung cấp ngữ cảnh tốt cho các agent và một vòng phản hồi hoạt động như công việc cốt lõi, không phải dự án phụ, và những thương hiệu bỏ qua bước này sẽ trở nên vô hình.

Cảm ơn bạn đã tham gia phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm nên truy cập CommerceIQ.