रिटेल AI रोडमैप: साफ़ डेटा से AI एजेंट तक

आपकी वेबसाइट कहती है कि मीडियम साइज़ का नेवी जम्पर स्टॉक में है। कस्टमर गाड़ी चलाकर स्टोर आता है, और शेल्फ़ ख़ाली है।

ज़्यादातर रिटेल AI योजनाएँ इसी अंतर पर गिरती हैं। इसीलिए रिटेल AI रोडमैप को किसी मॉडल के पास जाने से पहले डेटा से शुरू होना पड़ता है।

मैं इसे चार चरणों में प्लान करता हूँ। पहले, प्रोडक्ट, स्टॉक और कस्टमर का एक भरोसेमंद व्यू। फिर एक गवर्न्ड लेयर जो हर रिपोर्ट और हर AI टूल को एक ही बिज़नेस भाषा देती है।

उसके बाद ऐसे एजेंट आते हैं जो फ़ोरकास्ट करते हैं, दोबारा ऑर्डर देते हैं, प्राइसिंग करते हैं और कस्टमर की सेवा करते हैं। आख़िर में AI इस बात का हिस्सा बन जाता है कि मर्चेंडाइज़िंग, सप्लाई चेन और स्टोर रोज़ कैसे काम करते हैं।

रिटेल लगभग किसी भी उद्योग से ज़्यादा डेटा बनाता है। फिर भी स्टोर, ई-कॉमर्स, वेयरहाउस और फ़ाइनेंस अक्सर एक ही दिन के लिए अलग-अलग स्टॉक और अलग-अलग बिक्री बताते हैं।

आपके ERP, पॉइंट ऑफ़ सेल, ऑर्डर मैनेजमेंट और ई-कॉमर्स प्लेटफ़ॉर्म कोई भी हों, यह योजना काम करती है। मैंने जिन दो रिटेल और FMCG प्रोग्राम पर लिखा है, उनके लिए मेरी मिडिल ईस्ट रिटेल माइग्रेशन केस स्टडी और FMCG रिपोर्टिंग रिकवरी पढ़िए।

हर चरण इस पर टिका है कि उससे पहले वाला चरण ठीक-ठाक हालत में हो।

तीन साल, चार चरण

1. 01

   अभी: डेटा फ़ाउंडेशन

   स्टोर और ऑनलाइन का प्रोडक्ट, स्टॉक, बिक्री और कस्टमर डेटा एक गवर्न्ड प्लेटफ़ॉर्म पर।

2. 02

   साल 1: गवर्न्ड इंटेलिजेंस

   प्रोडक्ट, लोकेशन, स्टॉक और कस्टमर के लिए एक बिज़नेस भाषा, AI गवर्नेंस और पहले क्विक विन।

3. 03

   साल 2: AI एजेंट्स का विस्तार

   फ़ोरकास्टिंग, रीप्लेनिशमेंट, प्राइसिंग, स्टोर ऑपरेशंस और कस्टमर सर्विस के एजेंट।

4. 04

   साल 3: बड़े पैमाने पर AI

   मर्चेंडाइज़िंग, सप्लाई चेन और स्टोर में AI, सप्लायर और पार्टनर के साथ जुड़ा हुआ।

किसी भी AI से पहले आपको एक ऐसी जगह चाहिए जहाँ आपका सारा रिटेल डेटा पहुँचे और आपस में मेल खाए। इसका मतलब है उन सिस्टम को जोड़ना जो अलग-अलग पनपे: ERP, बिलिंग काउंटर, ई-कॉमर्स, ऑर्डर मैनेजमेंट, वेयरहाउस, लॉयल्टी और सप्लायर पोर्टल।

पहले कुछ महीनों में मैं यह लागू करूँगा:

1. एक आधुनिक डेटा प्लेटफ़ॉर्म, अक्सर एक लेकहाउस, यानी कच्चे और साफ़ किए गए डेटा का एक ही स्टोर। यह हर चैनल से बिक्री, स्टॉक, ऑर्डर, रिटर्न और लॉयल्टी डेटा लेता है, और जहाँ ज़रूरी हो वहाँ लगभग रियल टाइम में।
2. प्रोडक्ट, लोकेशन और कस्टमर डेटा के लिए ओनर और क्वालिटी नियम, साथ में एक कैटलॉग जो दिखाए कि हर आँकड़ा कहाँ से आया। कार्ड डेटा प्लेटफ़ॉर्म से बाहर और आपके PCI DSS कंट्रोल के भीतर रहता है, जो कार्ड उद्योग का सिक्योरिटी स्टैंडर्ड है।
3. सेल्फ़-सर्विस रिपोर्टिंग, ताकि बायर, प्लानर और स्टोर मैनेजर बिक्री और स्टॉक के वही आँकड़े देखें जो फ़ाइनेंस देखता है।

प्रोडक्ट मास्टर आमतौर पर सबसे कठिन हिस्सा होता है। यह आपके बेचे जाने वाले हर आइटम का रिकॉर्ड है, उसके साइज़, रंग, पैक, सप्लायर और एट्रिब्यूट के साथ।

40 स्टोर और एक वेबसाइट वाले एक फ़ैशन रिटेलर को लीजिए। वेबसाइट एक ड्रेस को "Navy" रंग में 8 से 16 साइज़ में दिखाती है। स्टोर सिस्टम उसे "NVY" के रूप में S, M और L में रखता है, एक दूसरी बाइंग फ़ाइल से आए अलग आइटम कोड के तहत।

किसी भी AI टूल से पूछिए कि वह ड्रेस कैसी बिक रही है, तो उसे दो प्रोडक्ट दिखते हैं, और हर एक असली प्रोडक्ट से आधा ही बिकता दिखता है। इसका हल उबाऊ काम है। कोई कोड मैप करता है, एक रंग सूची और एक साइज़ स्केल तय करता है, और बाइंग टीम को पहले दिन से हर नए आइटम का ओनर बनाता है।

अब एक ग्रोसर सोचिए जो पानी एक बोतल, छह बोतलों के पैक और 24 बोतलों के केस में बेचता है। बिलिंग काउंटर बोतलें गिनते हैं, वेयरहाउस केस गिनता है और वेबसाइट पैक गिनती है। जब तक ये ठीक से कन्वर्ट नहीं होते, एक ही प्रोडक्ट का स्टॉक कभी मेल नहीं खाएगा, और उसके ऊपर बना कोई भी रीप्लेनिशमेंट टूल ग़लत मात्रा ऑर्डर करेगा।

तो काम पूरा होने का मतलब क्या है? जब हेड ऑफ़ स्टोर्स और हेड ऑफ़ ई-कॉमर्स एक ही स्टोर की कल की बिक्री निकालते हैं, तो उन्हें एक ही संख्या मिलती है। फ़ोरकास्ट ग़लत क्यों है, इस पर एक साल की बहस से बचने के लिए मैं इस पर ख़ुशी से तीन महीने लगाऊँगा।

1. 01पॉइंट ऑफ़ सेलहर बास्केट और रिटर्न, स्टोर के हिसाब से
2. 02ई-कॉमर्स और ऑर्डरऑर्डर, क्लिक और डिलीवरी
3. 03वेयरहाउस और स्टॉकलोकेशन के हिसाब से और रास्ते में स्टॉक
4. 04लैंडिंग ज़ोनलीनिएज के साथ कच्ची कॉपी
5. 05एक प्रोडक्ट मास्टरएक कोड, एक रंग, एक पैक साइज़
6. 06रिपोर्टफ़ाइनेंस से मेल खाती बिक्री और स्टॉक

हर चैनल में प्रोडक्ट, स्टॉक और कस्टमर का एक व्यू

पहले साल का केंद्र एक सिमेंटिक लेयर है। यह एक साझा शब्दकोश है। यह हर रिपोर्ट और हर AI टूल को बताता है कि प्रोडक्ट, स्टोर, स्टॉक, प्रमोशन और कस्टमर का मतलब क्या है, और उनकी गणना कैसे करनी है।

एक ट्रेडिंग डायरेक्टर "टॉप 50 स्टोर में उपलब्धता" माँगता है। उपलब्धता का मतलब शेल्फ़ पर है, बैक रूम में है या सिस्टम में?

टॉप 50 इस साल की बिक्री से रैंक हुए हैं या पिछले साल की? अगर कोई कोपायलट अपने अंदाज़े से जवाब देता है, तो आपको पूरे भरोसे वाली एक संख्या मिलती है जिसका बचाव सोमवार की ट्रेडिंग मीटिंग में कोई नहीं कर सकता। सिमेंटिक लेयर इसे एक बार तय कर देती है, और फिर कोपायलट वही नियम इस्तेमाल करता है जो ट्रेडिंग डायरेक्टर की अपनी रिपोर्ट में है।

AI गवर्नेंस उसी साल शुरू होती है। पर्सनलाइज़ेशन और प्राइसिंग कस्टमर डेटा इस्तेमाल करते हैं, इसलिए सहमति और डेटा प्रोटेक्शन के नियम सीमाएँ तय करते हैं।

मैं AI यूज़ केस का एक ही रजिस्टर रखूँगा। हर एक को एक ओनर, एक रिस्क रेटिंग, टेस्ट के नतीजे और यह नोट मिलता है कि कोई व्यक्ति आउटपुट कहाँ जाँचता है।

यह साफ़ रखिए कि कौन-से फ़ैसले कस्टमर को दिखते हैं। प्रोडक्ट डिस्क्रिप्शन कम रिस्क वाला है। कोई जो क़ीमत चुकाता है, या ऐसा ऑफ़र जो एक ख़रीदार को मिले और दूसरे को न मिले, उसमें कहीं ज़्यादा सावधानी चाहिए।

फिर क्विक विन डिलीवर कीजिए। मुझे ये पसंद हैं, क्योंकि इनके पीछे का डेटा आमतौर पर ठीक-ठाक हालत में होता है:

1. प्रोडक्ट कंटेंट: प्रोडक्ट मास्टर से तैयार किए गए डिस्क्रिप्शन, एट्रिब्यूट और अनुवाद, जिन्हें कोई व्यक्ति जाँचता है।
2. स्टोर कोपायलट: स्टोर टीमें स्टॉक, डिलीवरी, प्रमोशन और प्रक्रियाओं के बारे में सीधी भाषा में पूछती हैं।
3. कस्टमर सर्विस सारांश: संपर्क का इतिहास और ऑर्डर का स्टेटस सर्विस एजेंट के लिए एक छोटे नोट में।

हर महीने कुछ सौ नए आइटम जोड़ने वाले एक इलेक्ट्रॉनिक्स रिटेलर को लीजिए। हर आइटम को एक डिस्क्रिप्शन, एक स्पेसिफ़िकेशन टेबल और अक्सर एक दूसरी भाषा चाहिए। कोपायलट सप्लायर की स्पेक शीट पढ़ता है, पेज का ड्राफ़्ट बनाता है और कमियाँ फ़्लैग करता है, जैसे ऐसा लैपटॉप जिसकी बैटरी लाइफ़ दर्ज नहीं है।

एक मर्चेंडाइज़र हर दावे को जाँचता है और तय करता है कि क्या लाइव होगा। तथ्यों का अकेला स्रोत सप्लायर की शीट रहती है, और यह नियम आपके चुने मॉडल से ज़्यादा मायने रखता है।

अब गुरुवार सुबह 7 बजे एक स्टोर मैनेजर की कल्पना कीजिए। सोमवार को एक सीरियल प्रमोशन शुरू हुआ था और शेल्फ़ लगभग ख़ाली है। वह कोपायलट से पूछती है कि सीरियल की अगली डिलीवरी कब आएगी और उसमें कितने केस हैं।

कोपायलट डिलीवरी शेड्यूल और खुले ऑर्डर जाँचता है। वह बताता है कि कल सुबह 6 बजे 12 केस आएँगे, जो इस हफ़्ते की बिक्री की रफ़्तार पर वीकेंड तक नहीं चलेंगे। वह तय करती है कि रीजनल टीम को फ़ोन करना है या बैक रूम से स्टॉक निकालना है।

1. 01स्टोर मैनेजर पूछता हैगुरुवार को सीरियल फिर से ख़त्म क्यों है?
2. 02सिमेंटिक लेयरस्टोर, प्रोडक्ट, प्रमोशन और उपलब्धता के नियम
3. 03गवर्न्ड डेटाबिक्री, स्टॉक, डिलीवरी और प्रमोशन
4. 04कोपायलट जवाब देता हैवजह और हर आँकड़े के स्रोत के साथ
5. 05मैनेजर कार्रवाई करता हैऑर्डर बदलता है या प्रमोशन फ़्लैग करता है

वही जवाब जो ट्रेडिंग डायरेक्टर देता

बिज़नेस वैल्यूऊँचीमध्यमकम

• डायनेमिक प्राइसिंग
• पर्सनलाइज़ेशन

• डिमांड फ़ोरकास्टिंग

• स्टोर कोपायलट

• प्रोडक्ट कंटेंट
• सर्विस सारांश

कममध्यमऊँचीडेटा की तैयारी

• बाद में
• योजना बनाइए
• अभी शुरू कीजिए

दूसरे साल में सवालों के जवाब देने वाले कोपायलट से आगे बढ़कर ऐसे एजेंट आते हैं जो आपकी तय सीमाओं के भीतर कार्रवाई करते हैं। रिटेल में आमतौर पर ये सबसे पहले फ़ायदा देते हैं:

1. फ़ोरकास्टिंग और रीप्लेनिशमेंट। एजेंट स्टोर और दिन के हिसाब से फ़ोरकास्ट करता है, ऑर्डर प्रस्तावित करता है और शेल्फ़ ख़ाली होने से पहले स्टोर के बीच स्टॉक खिसकाता है।
2. प्राइसिंग और मार्कडाउन। यह धीमे बिकने वाले आइटम के लिए मार्कडाउन और कमर्शियल टीम के तय नियमों के भीतर क़ीमत में बदलाव प्रस्तावित करता है।
3. स्टोर ऑपरेशंस। शेल्फ़ कैमरे या RFID टैग (रेडियो टैग जो हर आइटम को स्कैन किए बिना गिने जाते हैं) ख़ाली जगहें फ़्लैग करते हैं, और एजेंट स्टोर टीम के लिए एक टास्क बनाता है।
4. कस्टमर सर्विस। यह ऑर्डर ट्रैकिंग, रिटर्न और सरल शिकायतें संभालता है, और जटिल मामलों को तैयार संदर्भ के साथ किसी व्यक्ति को सौंपता है।

गर्म वीकेंड से पहले एक ग्रोसर के लिए रीप्लेनिशमेंट एजेंट ऐसे काम करता है:

1. गुरुवार सुबह वह मौसम का पूर्वानुमान, पिछले साल के मिलते-जुलते वीकेंड की बिक्री और हर स्टोर का मौजूदा स्टॉक पढ़ता है।
2. उसे दिखता है कि स्टोर के एक समूह में शनिवार दोपहर तक बोतलबंद पानी और बर्फ़ ख़त्म हो जाएँगे।
3. वह डिपो से अतिरिक्त ऑर्डर और उन दो स्टोर से स्टॉक ट्रांसफ़र प्रस्तावित करता है जहाँ बिक्री धीमी है।
4. तय सीमाओं के भीतर के ऑर्डर सीधे आगे चले जाते हैं। इससे बड़ा कुछ भी, और हर स्टोर-से-स्टोर ट्रांसफ़र, प्लानर का इंतज़ार करता है।
5. प्लानर एक ट्रांसफ़र अस्वीकार करता है क्योंकि उस स्टोर के पास एक लोकल फ़ुटबॉल मैच है, और बाक़ी मंज़ूर कर देता है।

प्राइसिंग भी इसी तरह काम करती है। गर्मियों के अंत में सैकड़ों धीमी लाइनों वाली एक फ़ैशन चेन सोचिए।

एजेंट उन लाइनों को चुनता है जिन्हें अगस्त तक निकालने के लिए मार्कडाउन चाहिए। वह 20 या 30 प्रतिशत छूट प्रस्तावित करता है, कमर्शियल टीम की तय न्यूनतम क़ीमतों से ऊपर।

वह कोर रेंज को नहीं छूता और कभी लागत से नीचे क़ीमत नहीं रखता। मर्चेंडाइज़र स्विमवियर को रोक लेता है जो छुट्टियों वाले वीकेंड पर अब भी बिकता है, और बाक़ी पर मंज़ूरी दे देता है।

लग्ज़री में हल्के हाथ की ज़रूरत है। हज़ारों की क़ीमत वाले हैंडबैग की मरम्मत के बारे में पूछने वाले व्यक्ति को जवाब किसी इंसान से मिलना चाहिए। वहाँ एजेंट ख़रीद का रिकॉर्ड और मरम्मत का इतिहास निकालता है और जवाब का ड्राफ़्ट बनाता है, और एक क्लाइंट एडवाइज़र उसे अपने शब्दों में भेजता है।

हर एजेंट का बिज़नेस में एक ओनर होना चाहिए। प्राइसिंग एजेंट के ओनर कमर्शियल डायरेक्टर हैं, और रीप्लेनिशमेंट के ओनर हेड ऑफ़ सप्लाई चेन। IT प्लेटफ़ॉर्म चलाता है, और फ़ैसलों का ओनर बिज़नेस है।

1. 01फ़ोरकास्टस्टोर और दिन के हिसाब से माँग, मौसम और प्रमोशन के साथ
2. 02तुलनामौजूदा और रास्ते में स्टॉक के मुक़ाबले
3. 03प्रस्तावऑर्डर और स्टोर के बीच ट्रांसफ़र
4. 04मंज़ूरीसीमा से ऊपर की हर चीज़ प्लानर जाँचता है
5. 05ऑर्डरऑर्डर सप्लायर और वेयरहाउस को भेजे जाते हैं
6. 06सीखनाअसली बिक्री अगले फ़ोरकास्ट को बेहतर करती है

हर एजेंट का एक बिज़नेस ओनर

तीसरे साल तक AI मर्चेंडाइज़िंग, सप्लाई चेन, स्टोर और कस्टमर एंगेजमेंट के भीतर बैठा होता है। बायर, प्लानर और स्टोर टीमें हर दिन एजेंट्स के साथ काम करती हैं, और पूरी चेन एक ही गवर्नेंस के तहत चलती है।

सप्लायर के साथ डेटा साझा करने से अर्थशास्त्र बदल जाता है।

एक इलेक्ट्रॉनिक्स रिटेलर को लीजिए जो हेडफ़ोन बनाने वाले ब्रांड के साथ हर हफ़्ते का सेल-थ्रू और 12 हफ़्ते का हेडफ़ोन फ़ोरकास्ट साझा करता है। सप्लायर असली माँग के हिसाब से प्रोडक्शन प्लान करता है। रिटेलर के पास Black Friday से पहले स्टॉक होने की बेहतर संभावना रहती है और जनवरी में कम माल बचता है।

रिटेल मीडिया भी इसी पैटर्न पर चलता है। एक ग्रोसर एक ड्रिंक्स ब्रांड को अपने ऐप में उन ख़रीदारों को ऑफ़र दिखाने देता है जिन्होंने उन्हें पाने की सहमति दी है, उसी गवर्न्ड कस्टमर लेयर के ज़रिए। ब्रांड को ख़रीदारों के समूहों के नतीजे दिखते हैं, और व्यक्तिगत रिकॉर्ड ग्रोसर के पास रहते हैं।

क्या आपके रिटेल AI रोडमैप में यह बड़े पैमाने पर पर्सनलाइज़ेशन का साल है? हाँ, अगर प्रोडक्ट मास्टर और सहमति के रिकॉर्ड साल 1 और साल 2 में टिके रहे।

1. चीफ़ ऑपरेटिंग ऑफ़िसरएजेंट पोर्टफ़ोलियो और उसके नतीजों के ओनर
   AI गवर्नेंसरजिस्टर, टेस्टिंग और किल स्विच
2. कमर्शियल और सप्लाई चेन डायरेक्टरअपने क्षेत्र के एजेंट्स के ओनर

• फ़ोरकास्टिंग एजेंटओनर: हेड ऑफ़ प्लानिंग
• प्राइसिंग एजेंटओनर: कमर्शियल डायरेक्टर
• स्टोर ऑपरेशंस एजेंटओनर: हेड ऑफ़ स्टोर्स
• सर्विस एजेंटओनर: हेड ऑफ़ कस्टमर सर्विस

1. 04AI एजेंट और कोपायलटफ़ोरकास्टिंग, रीप्लेनिशमेंट, प्राइसिंग, स्टोर और सर्विस एजेंट, बिज़नेस ओनर के साथ
2. 03गवर्न्ड इंटेलिजेंस लेयरप्रोडक्ट, लोकेशन, स्टॉक और कस्टमर का सिमेंटिक मॉडल, साथ में AI रजिस्टर
3. 02डेटा फ़ाउंडेशनबिक्री, स्टॉक, ऑर्डर और लॉयल्टी डेटा वाला लेकहाउस, कैटलॉग और लीनिएज
4. 01रिटेल सिस्टमERP, पॉइंट ऑफ़ सेल, ई-कॉमर्स, ऑर्डर मैनेजमेंट, वेयरहाउस और लॉयल्टी

कुछ चीज़ें पहले महीने से आख़िरी महीने तक लागू होती हैं:

1. कस्टमर की सहमति और प्राइवेसी। पर्सनलाइज़ेशन तभी काम करता है जब कस्टमर उस पर भरोसा करें। वही डेटा इस्तेमाल कीजिए जिसे साझा करने की उन्होंने सहमति दी है, और कार्ड डेटा को PCI DSS कंट्रोल के भीतर रखिए।
2. खुला, मल्टी-प्लेटफ़ॉर्म सेटअप। रिटेल टेक्नोलॉजी तेज़ी से बदलती है। मॉडल, प्लेटफ़ॉर्म और पार्टनर बदलने की आज़ादी बनाए रखिए।
3. रिस्क के अनुरूप गवर्नेंस। कंटेंट और कोपायलट के लिए हल्के कंट्रोल, और प्राइसिंग और कस्टमर को दिखने वाली हर चीज़ के लिए मज़बूत कंट्रोल रखिए।
4. आपके लोगों की ट्रेनिंग। एजेंट इस्तेमाल होंगे या नहीं, यह स्टोर टीमें और बायर तय करते हैं। उन्हें जल्दी ट्रेनिंग दीजिए और उनकी बात सुनिए।

ट्रेनिंग को कम आँकना आसान है। जिस स्टोर मैनेजर को पहले हफ़्ते में शेल्फ़ कैमरे से दस ग़लत टास्क मिलें, वह ग्यारहवें टास्क को अनदेखा कर देगा।

सबसे आम ग़लती है प्रोडक्ट और स्टॉक डेटा के तैयार होने से पहले पर्सनलाइज़ेशन या प्राइसिंग इंजन ख़रीद लेना। इंजन ऐसे TV की सिफ़ारिश करता है जो स्टॉक में नहीं है, या पिछले साल की लागत पर मार्कडाउन तय करता है। भरोसा हफ़्तों में जाता है और दोबारा बनने में एक साल लेता है, इसीलिए इंजन से शुरू होने वाली किसी भी योजना से मैं सावधान रहता हूँ।

दूसरी ग़लती है AI को हेड-ऑफ़िस प्रोजेक्ट की तरह चलाना। स्टोर एजेंट्स को अतिरिक्त काम मानते हैं, जब तक उनके बनाए टास्क सही न हों। गिने-चुने स्टोर में असली स्टोर मैनेजरों के साथ पायलट कीजिए, वे जो बताएँ उसे ठीक कीजिए, और उसके बाद ही रोलआउट कीजिए।

मान लीजिए गैप पकड़ने वाला एक पायलट चिप्स की ख़ाली शेल्फ़ फ़्लैग करता है। चिप्स एक प्रमोशन के लिए गलियारे के आख़िर वाले डिस्प्ले पर चले गए थे।

किसी ने प्लानोग्राम, यानी कौन-सी चीज़ कहाँ रखी है इसका प्लान, अपडेट नहीं किया था। एजेंट अपने नियमों के हिसाब से सही है और स्टोर में ग़लत। यह सिर्फ़ स्टोर मैनेजर ही पकड़ पाता।

कैसे ग़लत होता हैक्या काम करता है

1. 01कैसे ग़लत होता है: सबसे पहले ख़रीदा गया प्राइसिंग या पर्सनलाइज़ेशन इंजन→क्या काम करता है: पहले प्रोडक्ट मास्टर और स्टॉक डेटा ठीक
2. 02कैसे ग़लत होता है: ऐसा प्रोडक्ट और स्टॉक डेटा जिस पर किसी को भरोसा नहीं→क्या काम करता है: स्टोर और ऑनलाइन में एक भरोसेमंद व्यू
3. 03कैसे ग़लत होता है: हेड-ऑफ़िस प्रोजेक्ट जिसे स्टोर ने कभी नहीं माँगा→क्या काम करता है: असली स्टोर मैनेजरों के साथ चलाए गए पायलट
4. 04कैसे ग़लत होता है: एजेंट्स के फ़ैसलों का कोई ओनर नहीं→क्या काम करता है: हर एजेंट का एक बिज़नेस ओनर

यह तय कर रहे हैं कि आपके अपने बिज़नेस को कहाँ से शुरू करना चाहिए? एक कॉल बुक कीजिए और एक असली सवाल लाइए, जैसे क्या आपका प्रोडक्ट मास्टर फ़ोरकास्टिंग के लिए तैयार है। हम मिलकर उस पर काम करेंगे।

रिटेल AI रोडमैप क्या है?

यह पूरे रिटेल बिज़नेस में AI इस्तेमाल करने की चरणबद्ध योजना है। यह प्रोडक्ट, स्टॉक और कस्टमर के एक भरोसेमंद व्यू से शुरू होती है। फिर इसमें गवर्न्ड AI और एजेंट जुड़ते हैं, और यह रोज़ के रिटेल काम में शामिल AI पर ख़त्म होती है।

किसी रिटेलर को AI की शुरुआत कहाँ से करनी चाहिए?

हर चैनल का प्रोडक्ट, स्टॉक और बिक्री डेटा एक गवर्न्ड प्लेटफ़ॉर्म पर लाकर शुरू कीजिए, और प्रोडक्ट मास्टर ठीक कीजिए। फिर प्रोडक्ट कंटेंट, स्टोर कोपायलट और कस्टमर सर्विस सारांश जैसे क्विक विन डिलीवर कीजिए।

रिटेल में कौन-से AI यूज़ केस सबसे पहले फ़ायदा देते हैं?

प्रोडक्ट कंटेंट और सर्विस सारांश जल्दी डिलीवर होते हैं। डेटा तैयार होने के बाद डिमांड फ़ोरकास्टिंग और रीप्लेनिशमेंट आमतौर पर सबसे ज़्यादा वैल्यू देते हैं, और प्राइसिंग और मार्कडाउन उनके ठीक पीछे रहते हैं।

क्या AI इस्तेमाल करने से पहले रिटेलरों को नया ERP चाहिए?

नहीं। AI डेटा फ़ाउंडेशन के ज़रिए आपके मौजूदा सिस्टम के ऊपर बैठता है। ज़रूरी यह है कि प्रोडक्ट, स्टॉक और बिक्री डेटा स्टोर, ऑनलाइन और फ़ाइनेंस में एक जैसा हो।

रिटेल AI रोडमैप में कितना समय लगता है?

डेटा फ़ाउंडेशन का काम शुरू होने के बाद मैं इसे तीन साल में प्लान करता हूँ। साल 1 में गवर्न्ड लेयर बनती है, साल 2 में एजेंट्स का विस्तार होता है और साल 3 में AI शामिल होता है। क्विक विन से पहले साल में वैल्यू दिखनी चाहिए।