Quang Trương
Pearl
Nếu dữ liệu khách hàng đã có sẵn, vì sao nhiều quyết định bán lẻ vẫn chậm và thiếu tự tin?
Sau nhiều năm nói về AI trong bán lẻ, câu chuyện đang chuyển sang một hướng rất thực tế, làm sao để những hiểu biết về khách hàng không chỉ nằm yên trong báo cáo, mà đi thẳng vào quyết định hàng ngày. Điều thú vị là bước tiếp theo của AI không nằm ở bảng điều khiển ngày càng phức tạp, mà ở việc… trò chuyện với dữ liệu.
Thay vì mở báo cáo, lọc biểu đồ hay chờ đội phân tích, các nhóm bán hàng, định giá hoặc lập kế hoạch chỉ cần đặt câu hỏi. Ví dụ một bộ sưu tập gồm sáu sản phẩm hay chín sản phẩm sẽ phù hợp hơn với thị trường này, hoặc nếu bỏ một chất liệu nào đó thì sức hút của sản phẩm sẽ thay đổi ra sao. Ellis trả lời dựa trên các mô hình dự báo và dữ liệu phản hồi người tiêu dùng mà First Insight đã xây dựng sẵn.
Theo công ty, cách tiếp cận này giúp rút ngắn thời gian ra quyết định từ vài tuần xuống còn vài phút. Nghe có vẻ đơn giản, nhưng đây lại là điểm nghẽn lớn của bán lẻ hiện nay.
Nghiên cứu của McKinsey chỉ ra một nghịch lý quen thuộc, các nhà bán lẻ lớn thu thập rất nhiều dữ liệu khách hàng, nhưng lại không chuyển hóa kịp thành hành động. Khi thông tin đến quá muộn, nó gần như mất giá trị, đặc biệt ở giai đoạn xem xét dòng sản phẩm hoặc hình thành ý tưởng ban đầu.
Phân tích của Harvard Business Review cũng cho thấy điều tương tự, dữ liệu chỉ có ý nghĩa khi được truy cập nhanh và đúng thời điểm. Đây là lý do các công cụ AI mang tính vận hành, tức là gắn trực tiếp vào quy trình ra quyết định, được đánh giá cao hơn các hệ thống chỉ để báo cáo.
Thực tế, các kỹ thuật mà First Insight sử dụng không hề mới. Under Armour từng chia sẻ rằng việc dùng dữ liệu người tiêu dùng và mô hình dự đoán giúp họ tinh chỉnh sản phẩm, tối ưu giá và giảm rủi ro phải giảm giá sâu. Boden, một thương hiệu thời trang khác, cũng nhấn mạnh vai trò của việc hiểu khách hàng khi cân bằng giữa sản phẩm theo xu hướng và các mặt hàng chủ lực.
Walmart hay Target thì đầu tư mạnh vào phân tích dữ liệu và máy học để hiểu nhu cầu theo từng khu vực, tối ưu giá và thử nghiệm ý tưởng mới. Deloitte ghi nhận rằng những nhà bán lẻ dùng dự báo hành vi người tiêu dùng từ sớm thường có độ chính xác dự báo cao hơn và rủi ro tồn kho thấp hơn.
Các nghiên cứu học thuật cũng ủng hộ hướng đi này. Tạp chí Journal of Retailing cho thấy các mô hình định giá dựa trên dữ liệu thường hiệu quả hơn cách định giá truyền thống dựa trên chi phí cộng biên lợi nhuận, nhất là khi khả năng chi trả của người tiêu dùng được đo lường trực tiếp.
So sánh với đối thủ cạnh tranh cũng là một mảnh ghép quan trọng. Bain & Company chỉ ra rằng những nhà bán lẻ hiểu rõ mình đang đứng ở đâu so với đối thủ sẽ dễ tạo khác biệt về giá trị và giá bán. Vì vậy, các công cụ gom toàn bộ so sánh này vào một lớp phân tích duy nhất được xem là rất lý tưởng.
Gartner từng nhận định, các tổ chức mở rộng quyền truy cập phân tích dữ liệu thường đạt tỷ lệ chấp nhận công cụ và ROI cao hơn. Tuy nhiên, điều kiện đi kèm là dữ liệu phải đáng tin cậy và cách diễn giải phải được kiểm soát chặt chẽ.
Theo CEO Greg Petro, mục tiêu của Ellis là đưa hiểu biết dự đoán vào đúng thời điểm các quyết định thực sự được đưa ra, từ xem xét dòng sản phẩm, phát triển ý tưởng ban đầu cho đến các cuộc họp hội đồng quản trị. Làm nhanh hơn, nhưng không đánh đổi sự tự tin.
First Insight không đơn độc. Các công ty như EDITED, DynamicAction hay RetailNext cũng cung cấp công cụ AI cho quản lý hàng hóa và định giá. Điểm khác biệt của thế hệ sản phẩm mới nằm ở việc ưu tiên trải nghiệm, tốc độ và sự đơn giản thay vì phô diễn mô hình phức tạp.
Forrester ghi nhận rằng giao diện đàm thoại đang dần được tích hợp vào các nền tảng phân tích hiện có, phản ánh nhu cầu tương tác trực quan hơn với dữ liệu. Những công cụ này giúp ra quyết định tốt hơn, dù vẫn phụ thuộc rất nhiều vào chất lượng dữ liệu và kỷ luật tổ chức.
Ellis được giới thiệu tại hội nghị Liên đoàn Bán lẻ Quốc gia ở New York, nơi AI trong định giá và bán hàng trở thành tâm điểm. Trong bối cảnh nhu cầu biến động, lạm phát và sở thích người tiêu dùng thay đổi nhanh, khả năng thử nghiệm kịch bản và ra quyết định nhanh đang trở thành lợi thế sống còn.
Với Việt Nam, nơi nhiều doanh nghiệp bán lẻ đang ngồi trên “mỏ dữ liệu” nhưng vẫn ra quyết định dựa nhiều vào kinh nghiệm, câu hỏi đặt ra là bao giờ dữ liệu thôi nằm trong file báo cáo, để trở thành một cuộc đối thoại hàng ngày? (artificialintelligence)
Sau nhiều năm nói về AI trong bán lẻ, câu chuyện đang chuyển sang một hướng rất thực tế, làm sao để những hiểu biết về khách hàng không chỉ nằm yên trong báo cáo, mà đi thẳng vào quyết định hàng ngày. Điều thú vị là bước tiếp theo của AI không nằm ở bảng điều khiển ngày càng phức tạp, mà ở việc… trò chuyện với dữ liệu.
Khi AI không còn là dashboard mà là đối thoại
First Insight, một công ty phân tích dữ liệu người tiêu dùng tại Mỹ, đưa ra một quan điểm khá thẳng thắn, AI trong bán lẻ chỉ thực sự có giá trị khi giúp người ra quyết định hỏi và nhận câu trả lời ngay lập tức. Sau ba tháng thử nghiệm, họ chính thức tung ra Ellis, một công cụ AI hoạt động như giao diện hội thoại.Thay vì mở báo cáo, lọc biểu đồ hay chờ đội phân tích, các nhóm bán hàng, định giá hoặc lập kế hoạch chỉ cần đặt câu hỏi. Ví dụ một bộ sưu tập gồm sáu sản phẩm hay chín sản phẩm sẽ phù hợp hơn với thị trường này, hoặc nếu bỏ một chất liệu nào đó thì sức hút của sản phẩm sẽ thay đổi ra sao. Ellis trả lời dựa trên các mô hình dự báo và dữ liệu phản hồi người tiêu dùng mà First Insight đã xây dựng sẵn.
Theo công ty, cách tiếp cận này giúp rút ngắn thời gian ra quyết định từ vài tuần xuống còn vài phút. Nghe có vẻ đơn giản, nhưng đây lại là điểm nghẽn lớn của bán lẻ hiện nay.
Nghiên cứu của McKinsey chỉ ra một nghịch lý quen thuộc, các nhà bán lẻ lớn thu thập rất nhiều dữ liệu khách hàng, nhưng lại không chuyển hóa kịp thành hành động. Khi thông tin đến quá muộn, nó gần như mất giá trị, đặc biệt ở giai đoạn xem xét dòng sản phẩm hoặc hình thành ý tưởng ban đầu.
Phân tích của Harvard Business Review cũng cho thấy điều tương tự, dữ liệu chỉ có ý nghĩa khi được truy cập nhanh và đúng thời điểm. Đây là lý do các công cụ AI mang tính vận hành, tức là gắn trực tiếp vào quy trình ra quyết định, được đánh giá cao hơn các hệ thống chỉ để báo cáo.
Thực tế, các kỹ thuật mà First Insight sử dụng không hề mới. Under Armour từng chia sẻ rằng việc dùng dữ liệu người tiêu dùng và mô hình dự đoán giúp họ tinh chỉnh sản phẩm, tối ưu giá và giảm rủi ro phải giảm giá sâu. Boden, một thương hiệu thời trang khác, cũng nhấn mạnh vai trò của việc hiểu khách hàng khi cân bằng giữa sản phẩm theo xu hướng và các mặt hàng chủ lực.
Walmart hay Target thì đầu tư mạnh vào phân tích dữ liệu và máy học để hiểu nhu cầu theo từng khu vực, tối ưu giá và thử nghiệm ý tưởng mới. Deloitte ghi nhận rằng những nhà bán lẻ dùng dự báo hành vi người tiêu dùng từ sớm thường có độ chính xác dự báo cao hơn và rủi ro tồn kho thấp hơn.
Giá cả, danh mục sản phẩm và lợi thế cạnh tranh
Ellis được xây dựng trên một mô hình ngôn ngữ lớn chuyên cho bán lẻ, huấn luyện từ dữ liệu phản hồi người tiêu dùng. Nhờ đó, hệ thống có thể trả lời các câu hỏi rất cụ thể như mức giá tối ưu, tỷ lệ bán dự đoán, quy mô danh mục sản phẩm phù hợp hay sở thích của từng phân khúc khách hàng.Các nghiên cứu học thuật cũng ủng hộ hướng đi này. Tạp chí Journal of Retailing cho thấy các mô hình định giá dựa trên dữ liệu thường hiệu quả hơn cách định giá truyền thống dựa trên chi phí cộng biên lợi nhuận, nhất là khi khả năng chi trả của người tiêu dùng được đo lường trực tiếp.
So sánh với đối thủ cạnh tranh cũng là một mảnh ghép quan trọng. Bain & Company chỉ ra rằng những nhà bán lẻ hiểu rõ mình đang đứng ở đâu so với đối thủ sẽ dễ tạo khác biệt về giá trị và giá bán. Vì vậy, các công cụ gom toàn bộ so sánh này vào một lớp phân tích duy nhất được xem là rất lý tưởng.
Dữ liệu không chỉ dành cho dân phân tích
Một điểm mà First Insight nhấn mạnh là Ellis giúp dân chủ hóa việc tiếp cận dữ liệu. Người không thuộc đội phân tích, kể cả lãnh đạo cấp cao, vẫn có thể đặt câu hỏi bằng ngôn ngữ tự nhiên và nhận câu trả lời mà không phải chờ đợi.Gartner từng nhận định, các tổ chức mở rộng quyền truy cập phân tích dữ liệu thường đạt tỷ lệ chấp nhận công cụ và ROI cao hơn. Tuy nhiên, điều kiện đi kèm là dữ liệu phải đáng tin cậy và cách diễn giải phải được kiểm soát chặt chẽ.
Theo CEO Greg Petro, mục tiêu của Ellis là đưa hiểu biết dự đoán vào đúng thời điểm các quyết định thực sự được đưa ra, từ xem xét dòng sản phẩm, phát triển ý tưởng ban đầu cho đến các cuộc họp hội đồng quản trị. Làm nhanh hơn, nhưng không đánh đổi sự tự tin.
First Insight không đơn độc. Các công ty như EDITED, DynamicAction hay RetailNext cũng cung cấp công cụ AI cho quản lý hàng hóa và định giá. Điểm khác biệt của thế hệ sản phẩm mới nằm ở việc ưu tiên trải nghiệm, tốc độ và sự đơn giản thay vì phô diễn mô hình phức tạp.
Forrester ghi nhận rằng giao diện đàm thoại đang dần được tích hợp vào các nền tảng phân tích hiện có, phản ánh nhu cầu tương tác trực quan hơn với dữ liệu. Những công cụ này giúp ra quyết định tốt hơn, dù vẫn phụ thuộc rất nhiều vào chất lượng dữ liệu và kỷ luật tổ chức.
Ellis được giới thiệu tại hội nghị Liên đoàn Bán lẻ Quốc gia ở New York, nơi AI trong định giá và bán hàng trở thành tâm điểm. Trong bối cảnh nhu cầu biến động, lạm phát và sở thích người tiêu dùng thay đổi nhanh, khả năng thử nghiệm kịch bản và ra quyết định nhanh đang trở thành lợi thế sống còn.
Với Việt Nam, nơi nhiều doanh nghiệp bán lẻ đang ngồi trên “mỏ dữ liệu” nhưng vẫn ra quyết định dựa nhiều vào kinh nghiệm, câu hỏi đặt ra là bao giờ dữ liệu thôi nằm trong file báo cáo, để trở thành một cuộc đối thoại hàng ngày? (artificialintelligence)