Was Online-Händler bei Algorithmen und KI falsch verstanden haben

Ungefähr zu der Zeit, als die COVID-19-Pandemie im Jahr 2020 Einzug hielt, wurde eine Gruppe von Unternehmen aus den Bereichen E-Commerce, Direct-to-Consumer-Mode, Körperpflege und Fertiggerichte als führende Einzelhändler gefeiert, die das Online-Einkaufserlebnis durch Knirschen neu erfinden Daten zum Kundenverhalten.

2018, Fachzeitschrift der Branche RetailDive.com erklärte Katrina Lake „Disruptor des Jahres“ für ihre Rolle als Gründerin und CEO von Stitch Fix, eine Mode-Website, die einen Abonnement-Service für Waren anbietet, die von 3,900 Teilzeit-Stylisten kuratiert werden. Im ein Artikel, der in der Harvard Business Review veröffentlicht wurde Etwa zur gleichen Zeit beschrieb Lake ihr Unternehmen als „ein Data-Science-Unternehmen“, dessen Einnahmen „von großartigen Empfehlungen seines Algorithmus abhängen“.

Stitch Fix gehört zu den sichtbareren Beispielen für den Aufstieg sogenannter Abonnementbox-Händler. Die Liste enthält Einzelhändler für Schönheitsprodukte Birkenholz, die eine Sammlung von Produkten „kuratiert“ und an Abonnenten versendet, die auf früheren Einkäufen und Algorithmen basieren, die Verbraucher nach Alter, Standort und anderen Datenpunkten kategorisieren. Blau Schürze, ein Abonnementdienst für zubereitete Mahlzeiten, war ein weiterer bemerkenswerter Teilnehmer.

Anfang 2021, drei Jahre nach dem Börsengang des Unternehmens, betrug die Marktkapitalisierung von Stitch Fix satte 10 Milliarden US-Dollar.

Heute, nur 95 Monate später, hat die Aktie rund XNUMX % ihres Wertes verloren und das Unternehmen auch erwartet, seinen ersten jährlichen Umsatzrückgang zu veröffentlichen seit dem Börsengang 2017.

Ebenso Blau Schürze hat sich zu einem noch hässlicheren Investment-Zugwrack entwickelt – fünf Jahre nachdem seine Aktie bei 140 Dollar pro Aktie debütierte, wird sie zu weniger als 4 Dollar gehandelt.

Warum wurden die Disruptoren gestört?

Wie sich herausstellte, waren die Warnzeichen bereits 2018 klar. In einem Artikel, der auf Quartz.com erschien, warnte Luis Perez-Breva, Dozent und Forschungswissenschaftler an der School of Engineering des MIT: „Viele Einzelhändler haben vergessen, was den Kunden wirklich hilft: die Unterstützung durch menschliche Mitarbeiter im Geschäft.“

Perez-Breva: „Um zum Beispiel saubere Daten für maschinelles Lernen (Künstliche Intelligenz oder KI) zu erhalten, schicken viele Einzelhändler ihren Kunden Fragebögen, die für Computer einfacher zu verarbeiten sind.“

Aber, sagt er, „Kunden sind keine KIs. Die meisten beantworten die Fragebögen nie, und viele füllen aus, woran sie sich erinnern. Dies hinterlässt Einzelhändler mit fehlerhaften … Daten.“

Auch 2018 Beratungsriese McKinsey & Co. befragte mehr als 5,000 US-Verbraucher über Abonnementdienste und stellte fest, dass „die Abwanderungsraten hoch sind (fast 40 Prozent) … und Verbraucher schnell Dienste kündigen, die keine überlegenen End-to-End-Erlebnisse bieten.“

Der McKinsey-Bericht kam zu dem Schluss, dass „Verbraucher keine angeborene Vorliebe für Abonnements haben. Wenn überhaupt, dämpft die Verpflichtung, sich für einen wiederkehrenden Vertrag anzumelden, die Nachfrage und erschwert die Kundenakquise.“

Inzwischen haben mehrere Wissenschaftler über die Risiken geschrieben, die mit dem Sammeln von Daten über einzelne Käufer verbunden sind. Für einen Verbraucher kann es hilfreich sein, dass ein Einzelhändler seine Schuhgröße und Lieblingsfarbe kennt. Aber was passiert, wenn die von KI und Algorithmen gesammelten Daten den Kauf von Antibabypillen beinhalten?

Einem langjährigen Teilnehmer und Beobachter der Handelsbranche fällt eine alte Maxime ein: Je mehr sich die Dinge ändern, desto mehr bleiben sie gleich. KI ist ein leistungsstarkes Werkzeug für die Verwaltung von Logistik, Inventar und einer Vielzahl anderer betriebswirtschaftlicher Belange. Im Falle der Antizipation des Verbraucherverhaltens ist ein Teil davon wertvoll, aber nur, wenn es richtig verwendet wird.

Wenn Einzelhändler wissen möchten, was die Verbraucher wollen, haben sie einen bewährten Weg, dies herauszufinden – indem Verbraucher Produkte und Preise testen, bevor sie wertvolles Kapital binden. Anstatt Daten basierend auf vergangenem Verhalten zu verarbeiten oder die Profile von Verbraucheruntergruppen basierend auf maschinellem Lernen zu „kuratieren“, können Einzelhändler Trends und zukünftige Nachfrage genauer vorhersagen, indem sie echte Informationen nutzen, die in Echtzeit online mit echten Käufern gesammelt wurden. Und wenn Sie einen Algorithmus anwenden, können Sie besser immer wieder beweisen, dass er funktioniert.