تام استانک سال هاست با خرده فروشان کار می کند. اما مانند همه ما، او هرگز چیزی مانند COVID-19 را ندیده یا تجربه نکرده است.
بنابراین، رئیس RXA – یک شرکت پیشرو در پیاده‌سازی و مشاوره Domo که به بیش از 7000 مکان خرده‌فروشی در آمریکای شمالی، اروپا و آسیا خدمات ارائه کرده است – فکر می‌کند این لحظه می‌تواند برای صنعتی که اطلاعات زیادی درباره آن دارد، چه معنایی داشته باشد؟
این چیزی نیست که شما ممکن است فکر کنید.
تام هفته گذشته طی یک وبینار Get Leveraged تحت حمایت Domo گفت: “در حال حاضر فرصتی برای خرده فروشان است تا مشتریان جدیدی را به دست آورند.” “این یک راه اندازی مجدد است.”
اگر این شما را شگفت زده می کند، آن گونه که مشتریان Stanek، RXA و RXA به داده ها نگاه می کنند، نگاه نمی کنید.
تام در جریان گفتگوی 45 دقیقه‌ای با بن شاین (معاون بخش داده کنجکاوی) و اسکات تاونسند (مدیر بازاریابی محتوا) از Domo گفت: «همه چیز به استفاده از داده‌ها و هوش تجاری برمی‌گردد. اینطوری دست بالا را می گیری.»
بن موافق است. در چند ماه گذشته، او شاهد بوده است که بسیاری از خرده فروشان با استفاده از داده ها و BI به مزیت رقابتی دست یافته اند. او گفت که این شامل Harmons Grocery نیز می‌شود که به دلیل توانایی آن برای دیدن در زمان واقعی چه چیزی می‌فروشد و چه چیزی را نمی‌فروشد و به سرعت از نقطه‌نظر موجودی پاسخ می‌دهد، “به وزن خود ضربه می‌زند.”
بن گفت: «همه فقط باید سریعتر حرکت کنند. خرده‌فروشی سال‌هاست که در حال تغییر است و به دیجیتال پاسخ می‌دهد، اما همه‌گیری همه‌گیری اوضاع را تسریع کرده است. و چون منحصربه‌فرد است، ما مبنایی برای کار نداریم، بنابراین باید راه‌هایی برای درک آنچه اکنون طبیعی است پیدا کنیم و اجازه دهیم داده‌ها ما را راهنمایی کنند.”
برای RXA، کمک به خرده فروشان برای یافتن مزیت شامل استفاده از هوش مصنوعی، یادگیری ماشین و علم داده است. به طور خاص، این شامل اتصال منابع داده داخلی و خارجی (مانند برنامه‌های ترافیک و آب و هوا و اطلاعات موجود از کسب‌وکارهای اطراف) و به‌کارگیری چیزی است که او آن را «مدل‌سازی پیش‌بینی مبتنی بر هوش مصنوعی» می‌نامد.
تام گفت: “این واقعا به خرده فروشان اجازه می دهد تا فعالیت مصرف کننده را درک و تعیین کنند.” “این در نهایت منجر به قدردانی از فروش محصول و شاید مهمتر از همه، مدیریت بهتر گران ترین دارایی خرده فروشان، که نیروی کار است، می شود.”
تام گفت، در نگاه اول، ایده استفاده از هوش مصنوعی برای ارزیابی مسائل نیروی کار ممکن است عجیب به نظر برسد. اما اگر فکر می کنید که تعیین نیروی انسانی بهینه بر اساس تقاضای مصرف کننده همیشه اولویت بالایی برای خرده فروشان بوده است، منطقی است.
تام گفت: “(هوش مصنوعی کاربردی) به پیش بینی کمک می کند، به برنامه ریزی کمک می کند، به برنامه ریزی کمک می کند. و این به ما کمک می کند تا به جایی که واقعاً باید به آن برسیم، یعنی مکان و سطوح نقش، برسیم. درک آنچه در آن عمق اتفاق می افتد می تواند واقعا به خرده فروشان کمک کند.
RXA به شرکت ها کمک می کند تا این کار را از طریق یک فرآیند سه مرحله ای انجام دهند. اولین سنسوری است که مدل های پیش بینی را برای پیش بینی تقاضا به کار می گیرد. دوم شکل دادن است، زمانی که برنامه های بهینه سازی شده برای پاسخگویی به این تقاضا ایجاد می شود. و سوم، استقرار است، که در آن درجه ای از قضاوت انسان در نظر گرفته می شود – حداقل برای شروع.
تام گفت: “در پایان روز، کل رویکرد حول محور اطمینان از اینکه رضایت مشتری در بالاترین حد خود قرار دارد می چرخد.”
این رویکرد مطمئناً برای مشتری RXA Belle Tire جواب داد. از زمان همکاری با RXA و Domo دو سال و نیم پیش، این زنجیره خودرو با بیش از 140 مکان در غرب میانه نه تنها رشد کرده است، بلکه فرهنگ شرکت را نیز بهبود بخشیده و در هزینه‌ها نیز صرفه‌جویی کرده است.
تام گفت: «چیزی که جالب بود این بود که بلافاصله — و من هفته ها صحبت می کنم نه ماه ها — Belle Tire توانست متوجه شود که مشکلی در تحویل وجود دارد. «تقریباً نیمی از شیفت‌های ساعتی آنها با کمبود پرسنل و اساساً یک سوم آنها پرکار بودند که منجر به هزینه‌های غیرضروری نیروی کار شد.
«دیگر اینطور نیست. Belle Tire از Domo و ابزارهای AI/ML ما استفاده کرد که هنوز هم از آنها استفاده می کنند. در واقع ما هر روز مدل را برای آنها بهینه می کنیم.»
برای کسب اطلاعات بیشتر در مورد اینکه چگونه RXA به کسب‌وکارها توانایی استفاده از انواع و مقدار داده‌ها را برای پیش‌بینی آینده و شنیدن توصیه‌های تام و بن برای کسب‌وکارهایی که در حال تلاش برای رشد و بهره‌برداری از همه آنها هستند، می‌دهد، یک پخش مجدد را تماشا کنید. از وبینار اینجا