Perakendede yapay zeka sunumları dönüşüm vaat eder. Çoğu proje sonunda bir chatbot çıkar. Yılın kaybedildiği yer bu iki nokta arasındaki boşluktur. Bu rehber masanın öbür tarafından yazıldı. Yapay zekanın bir perakende işinde gerçekten hakkını verdiği yerlerin kısa listesi ve lansman fotoğrafından sonra da hakkını vermeye devam etmesini sağlayan disiplin.
Çerçeve basit. Gündelik işleri otomatize et. Kritik olanlara birer fikir ortağı yarat. İki katman, tek işletim sistemi. Aşağıdaki her şey bu çerçevenin içinde durur.
İki katmanlı yöntem: gündelik işleri otomatize et, kritik olanlara birer fikir ortağı yarat
Perakende binlerce küçük karar ve birkaç büyük karar üstünde döner. Küçük olanlar tekrarlıdır, sıkıcıdır ve toplamda pahalıdır. Bu SKU'yu tekrar sipariş et, şu birinin fiyatını güncelle, aynı kargo sorusuna bir daha cevap ver, yeni ürünü etiketle, görseli yeniden boyutlandır, açıklamayı çevir. Bunların yeri otomasyon katmanı. Ekibin buralara dokunmayı bırakması gerekir.
Büyük kararlar tabloda küçük, gelir tablosunda devasa görünür. Bir kategori ne zaman indirime girecek. Hangi allocation dağılımı hangi mağazayı besleyecek. Bir stok yokluğu talep sorunu mu, tedarik sorunu mu. Marka bir sonraki çeyrekte hangi yaratıcı yönü tutacak. Bunların yeri FER Metodu katmanı. Buradaki yapay zeka bir düşünce ortağıdır, ikame değildir. Seçenekleri masaya koyar, ödünleşimi görünür kılar ve hesabını gösterir. Karar hâlâ ismi belli bir insanda kalır.
Çoğu şirketin yaptığı hata iki katmanı tek bir proje olarak yürütmek. Kritiği otomatikleştirmeye, önemsizi düşünerek çözmeye çalışırlar. Sonuç kimsenin güvenmediği bir sistem ve sessizce Excel'e geri dönen bir ekip.
Nasıl inşa edilir: Sistemi Gör, Yol Haritasını Tasarla, Birlikte Kur
Üç aşamalı çerçeve bilerek sade. Sistemi Gör. Yol Haritasını Tasarla. Birlikte Kur. Var olmasının sebebi çoğu yapay zeka programının ilk iki adımı atlayıp üçüncü adımın neden çöktüğüne şaşırması.
Sistemi Gör
İki hafta dinleme. Merchandiser ile, mağaza müdürü ile, CX lideri ile, CFO ile masaya otur. Gelir tablosunu oku. Bir iadenin gerçekte nasıl aktığını izle. Çıktı bir sunum değil. Kararların nerede alındığını, hangi veriyle beslendiğini ve aynı sorunun dört farklı kişide dört farklı cevap ürettiği yerleri gösteren bir harita.
Yol Haritasını Tasarla
Yapay zekanın bu çeyrekte gerçek bir rakamı hareket ettireceği iki ya da üç noktayı seç. Sistemin asla ihlal edemeyeceği kuralları yaz. Her çıktının sahibini belirle. Sistem daha yokken başarı metriğini yaz.
Birlikte Kur
Ekiple birlikte kur, ekip için değil. Dördüncü ayda ekip sağlayıcı olmadan çalıştıramıyorsa proje başarısızdır, demo ne kadar iyi olursa olsun. İlk sistem haftalar içinde canlıda. Diğerleri arkasından gelir. Hiçbir şey ismi belli bir insan sahibi ve kapatma yolu olmadan yayına çıkmaz.
Envanter ve allocation kararları
Envanter, yapay zekanın perakendede kendi maliyetini ilk çıkardığı yerdir. Tahminler sihirli biçimde doğrulaştığı için değil, sıkıcı kararlar üst düzey insanları tüketmeyi bıraktığı için. Kendi kendini yeniden hesaplayan sipariş noktaları. Satış geldikçe güncellenen beden eğrisi ayarlamaları. Bölge müdürünün tek tıkla kabul ya da reddedebileceği mağazalar arası transfer önerileri.
FER Metodu katmanı bir üst seviyede durur. Hangi kategorilerde yapısal olarak fazla alım yapıyoruz. Hangi mağazalar aslında allocation'dan kaynaklanan bir indirimi taleple açıklıyor. Güvenlik stoğu nerede gerçek sinyali gizliyor. Yapay zekanın işi ödünleşimi görünür kılmak, saklamak değil. Her öneri hesabını ve varsayımını yanında taşır. Satın almacı itiraz ettiğinde bir rakama itiraz eder, bir kara kutuya değil.
Bir kural kendi maliyetini anında geri kazandırır. Aynı ekranda ciro azalmasını işaretlemeden ciroyu düşüren hiçbir öneri sunulmasın. Envanter maliyetini izole biçimde optimize eden sistemler ciroyu sessizce çökertir. Faturayı operatör altı ay sonra öder.
Bir merchandiser'ın gerçekten kullanabileceği talep tahmini
Talep tahmini, perakende yapay zekasının on yıldır fazla satıldığı yer. Dürüst versiyonu daha dar ve daha faydalı. Kısa vadeli, SKU-mağaza-hafta granülaritesindeki tahminler ölçekte insan gözünü yener. Yeni kategoriler, yeni formatlar ve yeni pazarlar için uzun vadeli tahminler yenmez, aksini iddia etmek itibar yakar.
Operatörün hamlesi problemi ikiye ayırmak. Verinin yoğun, vadenin kısa olduğu yerde modeli kullan. Verinin ince, vadenin uzun olduğu yerde merchandiser'ı kullan. Merchandiser'ın kararını etiketli bir override olarak modele geri besle ki sistem sezginin şeklini öğrensin, üstüne yazmasın.
SKU seviyesindeki doğruluk, tahminin beslediği kararın doğruluğundan daha az önemlidir. Yüzde 15 sapan ama tutarlı biçimde tek yönlü sapan bir tahmin düzeltilebilir.
Yüzde 5 sapan ama sağa sola savrulan bir tahmin, kesinlik kılığında yazı tura.
Fiyatlama ve indirim disiplini
Fiyatlama, yapay zekanın markayla karşılaştığı yer. Çoğu araç markanın kazanmayı göze alamayacağı bir metriği optimize eder. Modada tam fiyatlı sell-through sadece bir marj sorusu değil. Müşteriye markanın kim olduğunu söyleyen bir sinyal.
İşe yarayan model iki hatlı bir sistem. Birinci hat mekanik kararları çalıştırır. Bu SKU, hafta stok kapama ve sezon fazına göre indirim ritminin neresinde. İkinci hat istisnaları çalıştırır. Marka öneriye rağmen fiyatı nerede tutar ve bunun maliyeti nedir, CFO'nun görebileceği adet ve marj cinsinden.
İndirim disiplini asıl göstergedir. Fiyatı tutmanın maliyetini hiç önüne getirmeyen bir fiyatlama sistemi, fiyatlama sistemi değildir. İndirim motorudur. Operatöre iki tarafı da gösterip seçimi ona bırakan sistem kendi maliyetini çıkaran sistemdir.
İçerik ve yaratıcı üretim
Ürün içeriği yapay zekanın çoktan indiği en gürültülü alan. Açıklamalar, alt metinler, beden rehberleri, çeviriler, kategori metinleri, pazaryeri varyantları. En temiz haliyle otomasyon katmanı. Ekip bu yıl iki yüzüncü hırka açıklamasını yazıyor olmamalı.
Bunun markayı yıkmasını engelleyen kural ses, hacim değil. Her üretilen çıktı kilitli bir marka sesi spesifikasyonundan geçer. Ton, kelime dağarcığı, yasaklı kelimeler, kayıt. Sistem önce genel bir e-ticaret sesiyle yazıp sonra marka sesine düzeltilmez. İlk kelimeden itibaren marka sesiyle yazar.
Yaratıcı yön farklı bir hayvandır ve tam olarak FER Metodu katmanına aittir. Yapay zeka mood, referans ve koleksiyon konularında yetkin bir ikinci görüştür. Markanın gelecek sezon ne söylemesi gerektiği konusunda zayıf bir ilk görüştür. Bu çizgiyi bulandıran operatörler herkes gibi ses veren kampanyalar üretir. Ayakta kalan perakende markaları herkes gibi ses vermez.
Müşteri hizmetleri triyajı
Müşteri hizmetleri yapay zekanın en aşikar kazanımının aynı zamanda tuzağını sakladığı yer. Gelen taleplerin yüzde doksanı tekrarlıdır ve bir sistemin cevaplayabileceği türdendir.
Yüzde onu markanın var olma sebebidir. Yüzde doksanı gerçek bir insan çıkış yolu olmadan otomatikleştirin, yüzde on sadakat tabanını yakar.
İşe yarayan model triyaj, ikame değil. Yapay zeka niyeti okur, dar bir kapsam içinde çözebildiğini çözer, gerisini tam bağlam yüklenmiş halde doğru insana devreder. Önemli metrik containment oranı değil. Escalation'larda çözüm kalitesi, çünkü müşteri geri gelip gelmeyeceğine orada karar verir.
Bunun arkasında sert bir kural durur. Sistem müşteriye doğrulayamayacağı hiçbir şeyi söylemez. Uydurulmuş politika cevapları güveni herhangi bir rakipten daha hızlı yıkar. Escalation yolu bir hata değil, bir özelliktir.
Mağaza operasyonu
Fiziksel perakende, yapay zeka programlarının atladığı yer çünkü veri dağınık ve ROI slaytını çizmek daha zor. Ayrıca en büyük operasyonel sürtünmenin saklandığı yer. Güne uymayan görev listeleri. Geçen ayın trafiğine göre kurulmuş vardiyalar. Stok odasına en yakın kişi tarafından alınan yeniden dolum kararları.
Mağazada pratik yapay zeka gösterişsiz ve etkilidir. Bölge müdürünün tek tıkla değiştirebileceği, trafiğe göre ayarlanmış vardiya planları. Kurumsal takvime göre değil, güncel sell-through'a göre önceliklenmiş görevler. Kılavuza karşı telefonla çekilmiş bir fotoğraftan yapılan görsel merchandising kontrolü. İnsana giden, asla bir suçlamaya dönüşmeyen kayıp önleme işaretleri.
Onur kuralı burada önemlidir. Çalışanı gözetleyen sistemler uyum üretir, performans değil. Mağaza ekibine daha önce sahip olmadığı bilgiyi veren sistemler ikisini de üretir.
Her şeyi dürüst tutan yönetişim
İşletim sistemindeki her sistem aynı üç özelliği taşır. İsmi belli bir insan sahibi. İhlal edemeyeceği sert bir kural seti. Onu üreten kaynak veriye bağlı bir sayı. Bir öneri hesabını gösteremiyorsa ekrana çıkmaz.
Yönetim kurulları sihre güvenmez. Kurallara güvenir. Yapay zeka değerlendirme sunar, reçete değil. Sorumluluk operatörde kalır. Sistem masadaki en akıllı analisttir, masanın başındaki karar verici değil.
Bir operatör gerçekte nereden başlamalı
Verinin yoğun, sahibinin belli olduğu bir noktayı seç. İçerik ve envanter en yaygın ilk kazançlardır çünkü ikisi de bir çeyrek içinde ölçülebilir. Bir sistemi yayına al, örüntüyü göster ve ekibe çalışan bir sistemin gerçekte nasıl hissettirdiğini yaşat. Sonra bir sonrakine geç.
Önce platformu satın alıp use case'i sonra bulma dürtüsünden kaç. Bunu yapan her perakende şirketinin arkasında kullanılmayan lisanslardan bir mezarlık var. Use case aracı seçer. Tersi olmaz.
Sonuç
Perakendede yapay zeka bir teknoloji sorunu değil. Teknoloji kılığına girmiş bir operasyon sorunu. Öne geçen perakendeciler en büyük model faturasına sahip olanlar değil. Otomasyon katmanına neyin, FER Metodu katmanına neyin ait olduğuna erken ve keskin biçimde karar verip ikisini birbirine karıştırmayı reddedenler.
Yenilen ya da yenil. Seçim hep aynıydı. Araçlar yeni. Disiplin değil.