Steven Keith Platt，RetailPredict.ai 联合创始人兼首席开发官 – 采访系列

Steven Keith Platt 是 Platt Retail Institute (PRI) 的董事和研究员。他是 Northwestern University 的兼职教授，并担任 Retail Analytics Council 的研究主任，Retail Analytics Council 是 Medill School, Integrated Marketing Communications Department, Northwestern University 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无缝集成和快速部署的 AI 驱动预测模型来实现可持续的收入和利润改进的公司。

您最初是什么吸引到了零售 AI 的?

我已经在零售分析领域工作了 25 年。该行业一直拥有大量数据，但应用于从这些信息中学习以使业务运作的分析一直缺乏。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自然的进步。

您能分享一下 RetailPredict.ai 的创立故事吗?

RetailPredict.ai 是我在 Northwestern University 的实验室工作的结果，我在那里教零售 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。这些用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。因此，在实验室中，我们运行 POC；在 RetailPredict.ai，我们采用这些发现，工业化模型并将它们投入商业生产。

为什么您选择专注于零售 AI?

有多种原因：

大量数据。许多可解决的问题。一旦您超越了主要零售商（例如沃尔玛，塔吉特，家得宝），许多年销售额不足 10 亿美元的零售商没有足够的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帮助他们。

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/接受。AI 可能需要公司以新的方式完成事情，文化上的障碍可能会带来挑战。因此，需要一个路线图。另外，需要了解它可以和不能做什么。最后，关注短期胜利以建立信誉，而不是采取一揽子解决方案的方法是有帮助的。

零售中实施 AI 后可以看到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（预测商店流量最长五周），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，可能在预计客户流量增加时添加更多员工以提高转化率。此外，我们的每小时预测使商店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，因此让我们在结账处添加一些额外人员）。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。

您是否还有其他关于 RetailPredict.ai 的内容想要分享?

我们的方法在市场中是独一无二的。非常廉价，易于上手的用例特定模型，无需大量集成，可以快速推出。我们将其与易于解释的数据仪表盘配对。可以编程警报以通知管理人员关于变化的条件。最后，模型的信心很重要，因此我们纳入了各种性能指标。

感谢采访，希望了解更多的读者可以访问 RetailPredict.ai。