Apa yang Salah dari Pengecer Online tentang Algoritma dan AI

Sekitar waktu pandemi COVID-19 berlangsung pada tahun 2020, sekelompok perusahaan e-niaga, mode langsung ke konsumen, perawatan pribadi, dan makanan siap saji dipuji sebagai pengecer terdepan yang menciptakan kembali pengalaman belanja online dengan mengunyah data tentang perilaku pelanggan.

Pada tahun 2018, jurnal perdagangan industri RetailDive.com menyatakan Danau Katrina “Pengganggu Tahun Ini” untuk perannya sebagai pendiri dan CEO Stitch Fix, sebuah situs mode yang menawarkan layanan berlangganan barang yang dikuratori oleh 3,900 penata gaya paruh waktu. Di sebuah artikel yang diterbitkan di Harvard Business Review sekitar waktu yang sama, Lake menggambarkan perusahaannya sebagai "operasi ilmu data," dengan pendapatan "bergantung pada rekomendasi hebat dari algoritmenya."

Stitch Fix telah menjadi salah satu contoh yang lebih terlihat dari munculnya apa yang disebut pengecer kotak berlangganan. Daftar ini termasuk pengecer produk kecantikan kotak birch, yang “mengkurasi” dan mengirimkan koleksi produk kepada pelanggan berdasarkan pembelian sebelumnya dan algoritme yang mengkategorikan konsumen berdasarkan usia, lokasi, dan titik data lainnya. Biru Apron, layanan berlangganan makanan siap saji, adalah peserta penting lainnya.

Pada awal tahun 2021, tiga tahun setelah perusahaan go public, kapitalisasi pasar Stitch Fix mencapai $10 miliar.

Hari ini, hanya delapan belas bulan kemudian, saham tersebut telah kehilangan sekitar 95% dari nilainya dan perusahaan tersebut diperkirakan akan mencatat penurunan penjualan tahunan pertamanya sejak go public pada tahun 2017.

Demikian pula, Biru Apron telah berubah menjadi kecelakaan kereta investasi yang lebih buruk — lima tahun setelah sahamnya debut di $140 per saham, ia diperdagangkan kurang dari $4.

Mengapa para pengganggu diganggu?

Ternyata, tanda-tanda peringatan sudah jelas pada tahun 2018. Dalam bagian yang muncul di Quartz.com, Luis Perez-Breva, dosen dan ilmuwan riset di MIT's School of Engineering, memperingatkan bahwa, "Banyak pengecer telah melupakan apa yang benar-benar membantu pelanggan: bantuan di dalam toko dari pekerja manusia."

Menurut Perez-Breva, "Untuk menerima data bersih untuk pembelajaran mesin (Kecerdasan Buatan atau AI), misalnya, banyak pengecer mengirim kuesioner kepada pelanggan yang lebih mudah diproses oleh komputer."

Namun, katanya, “Pelanggan bukanlah AI. Sebagian besar tidak pernah menjawab kuesioner, dan banyak yang mengisi apa pun yang mereka ingat. Ini membuat pengecer memiliki … data yang salah.”

Juga pada tahun 2018, raksasa konsultan McKinsey & Co. mensurvei lebih dari 5,000 konsumen AS tentang layanan berlangganan dan menemukan bahwa, “tingkat churn tinggi (hampir 40 persen) … dan konsumen dengan cepat membatalkan layanan yang tidak memberikan pengalaman end-to-end yang superior.”

Laporan McKinsey menyimpulkan bahwa, “Konsumen tidak memiliki kecintaan yang melekat pada langganan. Jika ada, persyaratan untuk mendaftar berulang kali mengurangi permintaan dan mempersulit untuk mendapatkan pelanggan.”

Sementara itu, beberapa akademisi telah menulis tentang risiko yang terkait dengan pengumpulan data pembeli individu. Mungkin bermanfaat bagi konsumen bahwa pengecer mengetahui ukuran sepatu dan warna favorit mereka. Tetapi apa yang terjadi ketika data yang dikumpulkan oleh AI dan algoritme mencakup pembelian pil KB?

Untuk peserta lama dan pengamat industri ritel, pepatah lama muncul di benak: semakin banyak hal berubah, semakin mereka tetap sama. AI adalah alat yang ampuh dalam pengelolaan logistik, inventaris, dan sejumlah masalah manajemen bisnis lainnya. Dalam hal mengantisipasi perilaku konsumen, beberapa di antaranya berharga tetapi hanya jika digunakan dengan benar.

Jika pengecer ingin mengetahui apa yang diinginkan konsumen, mereka memiliki cara yang teruji waktu untuk mengetahuinya — dengan menguji produk dan harga konsumen sebelum melakukan modal yang berharga. Alih-alih mengolah data berdasarkan perilaku masa lalu, atau "menyusun" profil subkelompok konsumen berdasarkan pembelajaran mesin, pengecer dapat lebih akurat memprediksi tren dan permintaan masa depan dengan menggunakan kecerdasan nyata yang dikumpulkan dari waktu nyata online dengan pembeli nyata. Dan, jika Anda akan menerapkan suatu algoritme, Anda lebih baik dapat membuktikannya bekerja berkali-kali.