斯蒂文·基思·普拉特，RetailPredict.ai 联合创始人兼首席开发官 – 采访系列

斯蒂文·基思·普拉特是普拉特零售研究所（PRI）的董事和研究员。他是西北大学的兼职教授，并担任零售分析委员会的研究主任，该委员会是西北大学梅迪尔学校、综合营销传播系和PRI之间的合作项目。

他也是RetailPredict.ai的联合创始人兼首席开发官，RetailPredict.ai是一家专注于通过提供易于实施和快速部署的AI驱动预测模型来实现可持续的收入和利润改善的公司

是什么最初吸引你进入零售AI领域？

我已经在零售分析领域工作了25多年。该行业一直拥有大量数据，但用于从这些信息中学习和业务运营的分析一直缺乏。管理大数据是第一次重大变化，随着AI在五年前变得更加主流，转向更先进的计算方法是一个自然的进步。

您能分享一下RetailPredict.ai的创立故事吗？

RetailPredict.ai是我的实验室在西北大学的产物，我在那里教授零售AI课程。每个季度，我们都会与一家零售商合作，通过应用AI解决方案来解决一个商业问题。这些案例证明了解决这些问题的需求存在，我们可以通过应用AI来实现这一点。在实验室中，我们运行POC；在RetailPredict.ai，我们采用这些发现，将模型工业化并投入商业生产。

为什么您选择专注于零售AI？

有很多原因，包括：

大量数据。很多可以解决的问题。一旦您超越了大型零售商（例如沃尔玛、塔吉特、家得宝），很多销售额不足10亿美元的零售商没有资源来开发内部解决方案，并且难以找到人才来帮助。因此，我们看到很多机会来提供帮助。

公司如何在零售环境中最佳地利用AI？

成功需要在领导层采纳和接受。AI可能需要公司以新的方式实现目标，文化上的阻碍可能会带来挑战。因此，需要一个路线图。另外，需要了解AI可以和不能做什么。最后，专注于短期的胜利来建立信誉，而不是采取“煮海”的方法，这是有帮助的。

零售领域中AI的实施带来了什么样的生产力改进？

解决方案的范围几乎是无限的。从在线订单估计到供应链，解决问题的用例范围是巨大的。在RetailPredict.ai，我们的初始重点是劳动力优化（预测店铺流量，提前五周），以更好地匹配劳动力和客户。例如，当预计客户较少时减少员工，当预计客户流量增加时可能会增加员工。另外，我们的每小时预测使店铺经理能够更好地管理任务（例如，我们预计在此时间会有涌入，因此让我们在结账时多安排一些人员）。我们的另一个产品预测产品需求，以减少缺货，消除对缓慢移动产品的过度投资，测试新产品的需求，并根据预期需求和价格弹性管理降价。

您还想分享关于RetailPredict.ai的其他信息吗？

我们的方法在市场上是独一无二的。非常廉价，易于上线的用例特定模型，不需要大量集成，可以快速启动。我们将其与用户友好的仪表板结合起来，以便于数据解读。可以编程警报来通知经理关于变化的条件。最后，模型的信心是重要的，因此我们纳入了各种性能指标。

感谢您的采访，希望了解更多的读者可以访问RetailPredict.ai。