Lợi nhuận:
- Có thể phân biệt nơi nào trí tuệ nhân tạo tiết kiệm thời gian thực trong quy trình bán lẻ (dự đoán, phân tích, nội dung, báo cáo) và nơi nào các quyết định về giá, đơn hàng và khách hàng được giao cho con người, tùy thuộc vào mức độ rủi ro của nhiệm vụ.
- Khả năng áp dụng kỷ luật xác minh từng đầu ra AI thông qua các bước liên kết nó với nguồn, tính toán lại và lọc thương mại.
- Ẩn danh dữ liệu khách hàng và dữ liệu bán hàng trong phạm vi KVKK/quyền riêng tư và tạo thói quen chọn phương tiện an toàn
Bán lẻ là một ngành mà hàng nghìn quyết định nhỏ được đưa ra mỗi ngày: sản phẩm nào sẽ được đặt mua bao nhiêu đơn vị, sản phẩm nào sẽ được giảm giá bao nhiêu, thông điệp nào sẽ được gửi đến khách hàng nào, sản phẩm nào sẽ được đặt ở đâu trên lối đi. Nhiều quyết định trong số này dựa trên dữ liệu nhưng được đưa ra dưới áp lực về thời gian, thường là dựa trên trực giác. Đây là lúc trí tuệ nhân tạo phát huy tác dụng: nó nhanh chóng tóm tắt dữ liệu, đưa ra dự đoán, bản nháp và phân tích. Nhưng trí tuệ nhân tạo không phải là viên đạn thần kỳ. Chúng ta sẽ lặp lại một câu trong suốt học phần này: Trí tuệ nhân tạo đưa ra gợi ý, con người chịu trách nhiệm đưa ra quyết định.
Trong phần đầu tiên này, bạn sẽ học cách triển khai AI trong kinh doanh bán lẻ một cách an toàn, hiệu quả và có đạo đức. Đầu tiên, hãy làm rõ trí tuệ nhân tạo là gì.
Trí tuệ nhân tạo (AI): Là tên chung được đặt cho phần mềm thực hiện một số nhiệm vụ trí óc mà con người thực hiện (viết văn bản, tóm tắt, dự đoán, phân loại) bằng cách học hỏi từ dữ liệu. Loại chúng tôi sẽ sử dụng nhiều nhất là AI tổng quát hoạt động với văn bản (công cụ tạo văn bản và trả lời câu hỏi; ví dụ: trợ lý dựa trên trò chuyện) và các công cụ phân tích tạo ra dự đoán từ dữ liệu số.
Trí tuệ nhân tạo tiết kiệm thời gian ở đâu trong bán lẻ?
AI mạnh nhất là ở các nhiệm vụ lặp đi lặp lại, sử dụng nhiều dữ liệu và nháp. Có nhiều điều tương đương với điều này trong bán lẻ:
- Soạn thảo dự báo nhu cầu từ doanh số bán hàng trong quá khứ
- Viết mô tả sản phẩm cho hàng trăm sản phẩm
- Tạo bản tóm tắt điều hành và bình luận KPI từ biểu đồ bán hàng thô
- Thiết lập logic để phân khúc nhóm khách hàng
- Tạo ý tưởng chiến dịch và bản nháp tin nhắn
- Cung cấp các đề xuất dựa trên dữ liệu về bố trí lối đi
Đặc điểm chung của những tác phẩm này là đầu ra là bản nháp và có thể được chuyên gia kiểm tra dễ dàng.
Những nơi mà trí tuệ nhân tạo không thể đưa ra quyết định
Một số quyết định liên quan trực tiếp đến tiền bạc, quyền của khách hàng hoặc trách nhiệm pháp lý. Những thứ này nên để lại cho con người:
- Quyết định giá cuối cùng: Biên lợi nhuận, cạnh tranh và ranh giới đạo đức phải được cân nhắc cùng nhau.
- Xác nhận số lượng đơn hàng: Dòng tiền và năng lực kho hàng phát huy tác dụng.
- Các hành động tự động ảnh hưởng đến khách hàng: Việc gắn nhãn khách hàng là "rủi ro" và hạn chế dịch vụ có thể mang tính phân biệt đối xử.
- Tuyên bố của chiến dịch: Quảng cáo gây hiểu lầm sẽ gây ra hậu quả pháp lý.
Thận trọng: Việc áp dụng đầu ra AI chưa được xác minh cũng có rủi ro như gửi đơn đặt hàng chưa được xác nhận cho nhà cung cấp. Cho dù kết quả đầu ra có mượt mà đến đâu thì trách nhiệm vẫn thuộc về bạn.
Phân chia theo mức độ rủi ro nhiệm vụ
Chia công việc của bạn thành ba hộp. Điều này xác định mức độ bạn giải phóng AI.
Mức độ rủi ro
nhiệm vụ mẫu
Vai trò của trí tuệ nhân tạo
sự chấp thuận của con người
thấp
Dự thảo mô tả sản phẩm, văn bản email
Nhà sản xuất/người soạn thảo
Đánh giá nhanh
trung bình
Dự báo nhu cầu, xác định phân khúc, tóm tắt báo cáo
Nhà phân tích/tư vấn
Xác minh bằng số
cao
Quyết định giá, xác nhận đơn hàng, hạn chế khách hàng
Chỉ đề xuất
Quyết định bắt buộc, có chữ ký
Kỷ luật xác minh: ba bước
Trước khi xuất bản hoặc triển khai bất kỳ đầu ra AI nào, hãy làm theo ba bước sau:
- Liên kết tới nguồn: Dữ liệu đầu ra dựa trên dữ liệu nào? Dự đoán đến từ đợt bán hàng nào? Tuyên bố này xuất phát từ tính năng sản phẩm nào? Không có nguồn thì đừng tin.
- Tính toán lại: Kiểm tra kỹ các kết quả đầu ra bằng số (ký quỹ, số tiền chiết khấu, số lượng đặt hàng) theo cách thủ công hoặc bằng bảng. Trí tuệ nhân tạo có thể mắc sai lầm trong số học.
- Đưa nó qua bộ lọc thương mại: “Đề xuất này có đáp ứng được thực tế, ngân sách và đạo đức của cửa hàng chúng ta không?” Đặt câu hỏi.
trường hợp nhỏ
Trường hợp 1 - Tính năng giả mạo: Một biên tập viên thương mại điện tử có AI viết mô tả về 500 sản phẩm. Đối với tai nghe Bluetooth, AI cho biết "thời lượng pin 40 giờ"; trong khi giá trị thực là 20 giờ. Do người chỉnh sửa đã bỏ qua bước liên kết đến nguồn nên lỗi xuất hiện, 30 lần hoàn tiền và xảy ra các bình luận tiêu cực. Bài học: Mọi tuyên bố về mặt kỹ thuật đều phải khớp với dữ liệu sản phẩm.
Trường hợp 2 - Lỗi số học: Người quản lý danh mục nói: "Đề xuất mức giá chênh lệch 35% cho sản phẩm có giá 40 TL." AI đề xuất 61,54 TL thay vì 54 TL (áp dụng tỷ lệ phần trăm cho cơ sở sai). Vì người quản lý không tính toán lại nên sản phẩm vẫn đắt so với đối thủ cạnh tranh và doanh số bán hàng giảm trong hai tuần. Bài học: Luôn xác minh số lượng.
Trường hợp 3 - Vi phạm quyền riêng tư: Người quản lý CRM dán tên, số điện thoại và lịch sử mua sắm của 12.000 khách hàng vào một công cụ trực tuyến và nói "phân khúc họ". Dữ liệu cá nhân được chuyển đến bên thứ ba không được kiểm soát; Đây là vi phạm KVKK. Bài học: Không cung cấp dữ liệu cá nhân cho bất kỳ công cụ nào mà không ẩn danh nó.
Quyền riêng tư và cơ sở KVKK
KVKK (Luật bảo vệ dữ liệu cá nhân): Đây là luật quy định cách xử lý dữ liệu của mọi người như tên, thông tin liên hệ và mua sắm. Nguyên tắc chung của chúng tôi là giảm thiểu dữ liệu: sử dụng lượng dữ liệu cần thiết ít nhất để thực hiện công việc.
Trước khi sử dụng một công cụ, hãy chuẩn bị dữ liệu khách hàng/bán hàng như sau:
- Xóa các thông tin nhận dạng trực tiếp như tên, họ, số điện thoại, e-mail, số thẻ, TR ID hoặc chuyển đổi chúng thành các mã như "Khách hàng_001".
- Chỉ để lại các trường bắt buộc để phân tích (ví dụ: độ tuổi, thành phố, số lượng giỏ hàng, danh mục).
- Chọn các công cụ an toàn của công ty không sử dụng dữ liệu của bạn trong giáo dục.
Mẹo: "Tôi có thể hiển thị dữ liệu này trên màn hình cho người lạ không?" hỏi. Nếu câu trả lời là không, hãy ẩn danh nó trước.
Dấu nhắc yếu / Dấu nhắc mạnh
Lời nhắc (lệnh): Đó là hướng dẫn bằng văn bản mà bạn đưa ra cho trí tuệ nhân tạo. Chất lượng của nó quyết định trực tiếp đến chất lượng đầu ra.
Dấu nhắc yếu:
Phân tích doanh số bán hàng của tôi.
Điều này không rõ ràng; Không rõ số liệu nào, thời kỳ nào, câu hỏi nào. Trí tuệ nhân tạo tạo ra một câu trả lời chung chung và vô ích.
Lời nhắc mạnh mẽ:
Vai trò của bạn: Bạn là nhà phân tích doanh số bán lẻ. Nhiệm vụ: Kiểm tra biểu đồ doanh số hàng tuần ẩn danh bên dưới. Dữ liệu: [cột danh mục, số lượng, doanh thu, số lần trả lại] Tôi muốn: (1) 3 danh mục có doanh thu cao nhất và thấp nhất, (2) 2 thay đổi đáng chú ý so với tuần trước, (3) Một câu lý do có thể cho mỗi phát hiện. Quy tắc: Chỉ dựa vào các con số trong dữ liệu, đừng đoán mò. Đánh dấu "phải được xác minh" ở những chỗ bạn không chắc chắn. Hình thức: Bài viết, tối đa 200 từ.
Mẫu lời nhắc có thể sao chép
1) Phân loại rủi ro nhiệm vụ
Phân loại nhiệm vụ bán lẻ sau đây là rủi ro thấp / trung bình / cao. Nhiệm vụ: [viết nhiệm vụ] Đối với mỗi lớp: vai trò của trí tuệ nhân tạo là gì, cần có sự chấp thuận của con người như thế nào? Đưa ra câu trả lời trong 3 dòng.
2) Kiểm soát ẩn danh
Kiểm tra các tiêu đề bảng dưới đây. Cột nào chứa dữ liệu cá nhân và cần được xóa hoặc mã hóa trước khi đưa vào công cụ AI? Chỉ định dưới dạng danh sách. Tiêu đề: [dán tên cột]
3) Danh sách xác thực đầu ra
Tôi sẽ cung cấp cho bạn một đầu ra AI. Trả lời ba câu hỏi sau:1) Kết quả này dựa trên nguồn/dữ liệu nào, có nguồn không?2) Liệt kê các tuyên bố bằng số trong đó, những tuyên bố nào cần được xác minh?3) Có tuyên bố rủi ro nào về mặt đạo đức/pháp luật không?Đầu ra: [dán]
4) Tạo thông báo an toàn
Vai trò của bạn: trợ lý giám đốc bán lẻ. Trích xuất bản tóm tắt điều hành từ dữ liệu ẩn danh bên dưới. Chỉ sử dụng thông tin có trong dữ liệu, không thêm thông tin từ bên ngoài. Đánh dấu những điều không chắc chắn là "giả định". Tối đa 150 từ. Dữ liệu: [dán]
Những lỗi thường gặp
- Triển khai đầu ra như hiện tại: Ngôn ngữ thông thạo không đảm bảo tính chính xác. Luôn xác minh.
- Dán dữ liệu cá nhân ở dạng thô: Trước tiên hãy ẩn danh.
- Viết lời nhắc mơ hồ: Lời nhắc không xác định vai trò, nhiệm vụ, dữ liệu, quy tắc và định dạng cho kết quả kém.
- Không kiểm tra các con số: Xác minh thủ công các con số quan trọng như lợi nhuận, chiết khấu, số lượng đặt hàng.
- Để lại quyết định rủi ro cao cho trí tuệ nhân tạo: Giá cả, đơn đặt hàng và hạn chế của khách hàng là quyết định của con người.
Tóm lại
Trí tuệ nhân tạo giúp tiết kiệm rất nhiều thời gian trong việc dự báo, phân tích, nội dung và báo cáo trong bán lẻ nhưng nó không phải là người ra quyết định. Phân tách các nhiệm vụ theo mức độ rủi ro, xác minh từng đầu ra bằng các bước lọc thương mại-tính toán lại nguồn và đảm bảo ẩn danh dữ liệu cá nhân. Một lời nhắc tốt; bao gồm vai trò, nhiệm vụ, dữ liệu, quy tắc và định dạng.
Nhiệm vụ ứng dụng
Liệt kê năm nhiệm vụ thường lệ từ doanh nghiệp của bạn (ví dụ: đặt hàng hàng tuần, sao chép chiến dịch, báo cáo bán hàng). Phân loại từng mức độ rủi ro thấp/trung bình/cao và viết “vai trò của AI” và “cần có sự đồng ý của con người” bên cạnh nó. Sau đó thử lời nhắc "3) Danh sách xác minh đầu ra" trên bản in thực.
danh sách kiểm tra
- [ ] Tôi chia nhiệm vụ của mình thành mức độ rủi ro thấp/trung bình/cao.
- [ ] Tôi liên kết các quyết định có rủi ro cao với sự chấp thuận của con người.
- [ ] Tôi ẩn danh dữ liệu cá nhân trước khi đưa nó lên xe.
- [ ] Tôi tính toán lại từng kết quả bằng số.
- [ ] Lời nhắc của tôi chứa các vai trò, nhiệm vụ, dữ liệu, quy tắc và định dạng.
- [] Tôi chưa bao giờ trực tiếp triển khai kết quả chưa được xác thực.