Roadmap AI per il retail: dai dati puliti agli agenti AI

Il Suo sito dice che il maglione blu navy in taglia M è disponibile. La cliente arriva in auto e lo scaffale è vuoto.

È su questo scarto che cade la maggior parte dei piani AI nel retail. Per questo una roadmap AI per il retail deve partire dai dati prima di avvicinarsi a un modello.

La pianifico in quattro fasi. Prima, un'unica vista affidabile di prodotto, scorte e cliente. Poi un livello governato che dà a ogni report e a ogni strumento di AI lo stesso linguaggio di business.

Dopo arrivano gli agenti che prevedono, riordinano, fissano i prezzi e servono i clienti. Infine l'AI entra nel modo in cui merchandising, supply chain e negozi lavorano ogni giorno.

Il retail produce più dati di quasi ogni altro settore. Eppure negozi, e-commerce, magazzino e finanza spesso riportano scorte e vendite diverse per lo stesso giorno.

Questo piano funziona qualunque siano le Sue piattaforme ERP, punto vendita, gestione ordini ed e-commerce. Per due programmi retail e FMCG che ho raccontato, legga il mio caso di studio sulla migrazione di un retailer in Medio Oriente e il recupero della reportistica in un'azienda FMCG.

Ogni fase richiede che quella precedente sia in condizioni accettabili.

Tre anni, quattro fasi

1. 01

   Oggi: fondamenta dei dati

   Dati su prodotti, scorte, vendite e clienti da negozi e online in un'unica piattaforma governata.

2. 02

   Anno 1: intelligenza governata

   Un unico linguaggio di business per prodotti, punti vendita, scorte e clienti, governance dell'AI e i primi risultati rapidi.

3. 03

   Anno 2: scalare gli agenti AI

   Agenti per previsioni, riassortimento, prezzi, operations di negozio e servizio clienti.

4. 04

   Anno 3: AI integrata su larga scala

   L'AI in merchandising, supply chain e negozi, con fornitori e partner collegati.

Prima di qualunque AI serve un unico posto in cui tutti i Suoi dati retail arrivano e coincidono. Significa collegare sistemi nati separati: l'ERP, le casse, l'e-commerce, la gestione ordini, il magazzino, la fidelizzazione e il portale fornitori.

Ecco cosa metterei in piedi nei primi mesi:

1. Una piattaforma dati moderna, spesso un lakehouse, cioè un unico archivio per dati grezzi e puliti. Riceve dati su vendite, scorte, ordini, resi e fidelizzazione da ogni canale, quasi in tempo reale dove serve.
2. Responsabili e regole di qualità per i dati di prodotto, punto vendita e cliente, più un catalogo che mostra da dove viene ogni numero. I dati delle carte restano fuori dalla piattaforma e dentro i Suoi controlli PCI DSS, lo standard di sicurezza del settore delle carte.
3. Reportistica self-service, così buyer, pianificatori e responsabili di negozio vedono gli stessi dati di vendite e scorte della finanza.

L'anagrafica prodotti è di solito la parte più difficile. È il record di ogni articolo che vende, con taglia, colore, confezione, fornitore e attributi.

Prenda un retailer di moda con 40 negozi e un sito. Il sito elenca un abito in «Navy» nelle taglie dalla 8 alla 16. Il sistema dei negozi lo registra come «NVY» in S, M e L, con un codice articolo diverso proveniente da un altro file di acquisto.

Chieda a qualunque strumento di AI come sta vendendo quell'abito e vedrà due prodotti, ciascuno con la metà delle vendite di quello reale. La soluzione è un lavoro noioso. Qualcuno mappa i codici, concorda un'unica lista di colori e un'unica scala taglie, e rende il team acquisti responsabile di ogni nuovo articolo fin dal primo giorno.

Ora immagini un supermercato che vende l'acqua in bottiglia singola, in confezione da sei e in cassa da 24. Le casse contano bottiglie, il magazzino conta casse e il sito conta confezioni. Finché le conversioni non sono pulite, le scorte dello stesso prodotto non coincideranno mai, e qualunque strumento di riassortimento costruito sopra ordinerà la quantità sbagliata.

Quindi, quando si può dire finito? Quando il responsabile dei negozi e il responsabile dell'e-commerce estraggono le vendite di ieri per lo stesso negozio e ottengono lo stesso numero. Dedicherei volentieri tre mesi a questo per evitare un anno di discussioni sul perché la previsione è sbagliata.

1. 01Punto venditaOgni scontrino e ogni reso, per negozio
2. 02E-commerce e ordiniOrdini, clic e consegne
3. 03Magazzino e scorteScorte per punto vendita e in transito
4. 04Area di atterraggioCopie grezze con tracciabilità
5. 05Un'unica anagrafica prodottiUn codice, un colore, una confezione
6. 06ReportVendite e scorte che coincidono con la finanza

Un'unica vista di prodotto, scorte e cliente su ogni canale

Il cuore del primo anno è un livello semantico. È un dizionario condiviso. Dice a ogni report e a ogni strumento di AI cosa significano prodotto, negozio, scorta, promozione e cliente, e come si calcolano.

Un direttore commerciale chiede la «disponibilità nei primi 50 negozi». Disponibilità significa a scaffale, in retro negozio o a sistema?

I primi 50 sono classificati per vendite di quest'anno o dell'anno scorso? Se un copilota risponde con una sua ipotesi, Lei ottiene un numero sicuro di sé che nessuno sa difendere nella riunione commerciale del lunedì. Il livello semantico lo stabilisce una volta, e il copilota usa poi la stessa regola del report del direttore commerciale.

La governance dell'AI parte nello stesso anno. Personalizzazione e prezzi usano dati dei clienti, quindi le regole su consenso e protezione dei dati fissano i limiti.

Terrei un unico registro dei casi d'uso AI. Ciascuno ha un responsabile, una valutazione del rischio, i risultati dei test e una nota su dove una persona controlla l'output.

Sia chiaro su quali decisioni vedono i clienti. Una descrizione di prodotto è a basso rischio. Un prezzo che qualcuno paga, o un'offerta che un cliente riceve e un altro no, richiede molta più attenzione.

Poi porti a casa risultati rapidi. Mi piacciono questi perché i dati dietro di loro sono di solito in condizioni ragionevoli:

1. Contenuti di prodotto: descrizioni, attributi e traduzioni preparati dall'anagrafica prodotti e verificati da una persona.
2. Copiloti per i negozi: il personale chiede in linguaggio semplice di scorte, consegne, promozioni e procedure.
3. Sintesi per il servizio clienti: storico dei contatti e stato dell'ordine raccolti in una breve nota per l'operatore.

Prenda un retailer di elettronica che aggiunge qualche centinaio di nuovi articoli al mese. Ognuno ha bisogno di una descrizione, di una tabella di specifiche e spesso di una seconda lingua. Il copilota legge la scheda tecnica del fornitore, prepara la pagina e segnala le lacune, come un portatile senza durata della batteria indicata.

Un merchandiser verifica ogni affermazione e decide cosa va online. La scheda del fornitore resta l'unica fonte dei fatti, e questa regola conta più del modello che sceglie.

Ora immagini una responsabile di negozio alle 7 di un giovedì mattina. Una promozione sui cereali è partita lunedì e lo scaffale è quasi vuoto. Chiede al copilota quando arriva la prossima consegna di cereali e quante casse contiene.

Il copilota controlla il calendario delle consegne e gli ordini aperti. Le dice che domani alle 6 arrivano 12 casse, che non basteranno per il fine settimana al ritmo di vendita di questa settimana. Lei decide se chiamare il team regionale o prendere merce dal retro negozio.

1. 01La responsabile di negozio chiedePerché giovedì i cereali sono di nuovo finiti?
2. 02Livello semanticoRegole su negozio, prodotto, promozione e disponibilità
3. 03Dati governatiVendite, scorte, consegne e promozioni
4. 04Il copilota rispondeCon la causa e la fonte di ogni numero
5. 05La responsabile agisceModifica l'ordine o segnala la promozione

La risposta che darebbe il direttore commerciale

Valore di businessAltoMedioBasso

• Prezzi dinamici
• Personalizzazione

• Previsione della domanda

• Copiloti per i negozi

• Contenuti di prodotto
• Sintesi per il servizio

BassaMediaAltaMaturità dei dati

• Più avanti
• Pianificare
• Partire subito

Il secondo anno si passa dai copiloti, che rispondono alle domande, agli agenti, che compiono azioni entro limiti fissati da Lei. Nel retail questi sono di solito i primi a ripagarsi:

1. Previsioni e riassortimento. L'agente prevede per negozio e per giorno, propone ordini e sposta scorte tra negozi prima che gli scaffali si svuotino.
2. Prezzi e ribassi. Propone ribassi per gli articoli a bassa rotazione e variazioni di prezzo entro le regole fissate dal team commerciale.
3. Operations di negozio. Telecamere a scaffale o tag RFID (etichette radio contate senza scansionare ogni articolo) segnalano i vuoti, e l'agente crea un'attività per il personale del negozio.
4. Servizio clienti. Gestisce tracciamento degli ordini, resi e reclami semplici, e passa i casi complessi a una persona con il contesto già pronto.

Ecco come lavora un agente di riassortimento per un supermercato prima di un fine settimana caldo:

1. Il giovedì mattina legge le previsioni meteo, le vendite di fine settimana simili dell'anno scorso e le scorte attuali in ogni negozio.
2. Vede che un gruppo di negozi finirà acqua in bottiglia e ghiaccio entro sabato a pranzo.
3. Propone ordini aggiuntivi dal deposito e un trasferimento di scorte da due negozi dove le vendite sono lente.
4. Gli ordini entro i limiti concordati passano direttamente. Tutto ciò che è più grande, e ogni trasferimento tra negozi, aspetta un pianificatore.
5. Il pianificatore respinge un trasferimento perché in quel negozio c'è una partita di calcio locale, e approva il resto.

I prezzi funzionano allo stesso modo. Immagini una catena di moda a fine estate con centinaia di linee a bassa rotazione.

L'agente sceglie quelle che hanno bisogno di un ribasso per essere smaltite entro agosto. Propone sconti del 20 o del 30 per cento, sopra i prezzi minimi fissati dal team commerciale.

Lascia stare l'assortimento continuativo e non scende mai sotto il costo. Il merchandiser tiene da parte i costumi da bagno, che vendono ancora nei fine settimana festivi, e approva il resto.

Il lusso richiede un tocco più leggero. Chi chiede la riparazione di una borsa da migliaia di euro dovrebbe sentire una persona. Lì l'agente recupera lo storico di acquisto e di riparazione e prepara una risposta, e un client adviser la invia con parole sue.

Ogni agente ha bisogno di un responsabile nel business. Il direttore commerciale è responsabile dell'agente prezzi, e il responsabile della supply chain del riassortimento. L'IT gestisce la piattaforma, e il business è titolare delle decisioni.

1. 01PrevedeDomanda per negozio e per giorno, con meteo e promozioni
2. 02ConfrontaRispetto alle scorte a disposizione e in transito
3. 03ProponeOrdini e trasferimenti tra negozi
4. 04ApprovaIl pianificatore controlla tutto ciò che supera il limite
5. 05OrdinaOrdini inviati a fornitori e magazzino
6. 06ImparaLe vendite effettive affinano la previsione successiva

Un responsabile di business per ogni agente

Al terzo anno l'AI sta dentro merchandising, supply chain, negozi e relazione con i clienti. Buyer, pianificatori e personale di negozio lavorano ogni giorno con gli agenti, e tutta la catena segue la stessa governance.

Condividere i dati con i fornitori cambia l'economia del business.

Prenda un retailer di elettronica che condivide il sell-through settimanale e una previsione a 12 settimane sulle cuffie con il marchio che le produce. Il fornitore pianifica la produzione sulla domanda reale. Il retailer ha più probabilità di avere merce prima del Black Friday e meno avanzi a gennaio.

Il retail media segue lo stesso schema. Un supermercato permette a un marchio di bevande di proporre offerte nella sua app ai clienti che hanno accettato di riceverle, usando lo stesso livello governato dei dati cliente. Il marchio vede i risultati per gruppi di clienti, e i record individuali restano al supermercato.

È questo l'anno della personalizzazione su larga scala nella Sua roadmap AI per il retail? Sì, se l'anagrafica prodotti e i registri dei consensi hanno tenuto durante il primo e il secondo anno.

1. Chief operating officerResponsabile del portafoglio di agenti e dei risultati
   Governance dell'AIRegistro, test e un interruttore di arresto
2. Direttori commerciale e supply chainResponsabili degli agenti nella propria area

• Agente di previsioneIn capo al responsabile della pianificazione
• Agente prezziIn capo al direttore commerciale
• Agente operations di negozioIn capo al responsabile dei negozi
• Agente di servizioIn capo al responsabile del servizio clienti

1. 04Agenti e copiloti AIAgenti per previsioni, riassortimento, prezzi, negozi e servizio, con responsabili di business
2. 03Livello di intelligenza governatoModello semantico di prodotti, punti vendita, scorte e clienti, più il registro dell'AI
3. 02Fondamenta dei datiLakehouse con dati su vendite, scorte, ordini e fidelizzazione, catalogo e tracciabilità
4. 01Sistemi retailERP, punto vendita, e-commerce, gestione ordini, magazzino e fidelizzazione

Alcuni aspetti valgono dal primo all'ultimo mese:

1. Consenso e privacy dei clienti. La personalizzazione funziona solo se i clienti se ne fidano. Usi i dati che hanno accettato di condividere, e tenga i dati delle carte dentro i controlli PCI DSS.
2. Un'impostazione aperta e multipiattaforma. La tecnologia retail cambia in fretta. Mantenga la libertà di cambiare modelli, piattaforme e partner.
3. Una governance proporzionata al rischio. Controlli leggeri per contenuti e copiloti, e più forti per i prezzi e per tutto ciò che vedono i clienti.
4. Le Sue persone formate. Sono il personale di negozio e i buyer a decidere se gli agenti vengono usati. Li formi presto e li ascolti.

La formazione si sottovaluta facilmente. Una responsabile di negozio che nella prima settimana riceve dieci attività sbagliate da una telecamera a scaffale ignorerà l'undicesima.

L'errore più comune è comprare un motore di personalizzazione o di pricing prima che i dati su prodotti e scorte possano sostenerlo. Il motore consiglia un televisore esaurito, o calcola un ribasso sul costo dell'anno scorso. La fiducia si perde in poche settimane e serve un anno per ricostruirla, ed è per questo che diffido di qualunque piano che parta dal motore.

Il secondo errore è gestire l'AI come un progetto della sede centrale. I negozi vedono gli agenti come lavoro in più, a meno che le attività che creano siano giuste. Faccia un pilota in una manciata di negozi con veri responsabili di negozio, sistemi ciò che Le segnalano, e solo dopo estenda.

Supponiamo che un pilota di rilevamento dei vuoti segnali uno scaffale di patatine vuoto. Le patatine erano state spostate in una testata di gondola per una promozione.

Nessuno aveva aggiornato il planogramma, lo schema di cosa sta dove. L'agente ha ragione secondo le sue regole e torto nel negozio. Solo la responsabile di negozio se ne sarebbe accorta.

Come va stortaCosa funziona

1. 01Come va storta: Un motore di pricing o personalizzazione comprato per primo→Cosa funziona: Prima si sistemano anagrafica prodotti e dati sulle scorte
2. 02Come va storta: Dati su prodotti e scorte di cui nessuno si fida→Cosa funziona: Un'unica vista affidabile su negozi e online
3. 03Come va storta: Un progetto della sede centrale che i negozi non hanno mai chiesto→Cosa funziona: Pilota condotti con veri responsabili di negozio
4. 04Come va storta: Nessun responsabile per le decisioni degli agenti→Cosa funziona: Un responsabile di business per ogni agente

Sta cercando di capire da dove dovrebbe partire la Sua azienda? Prenoti una call e porti una domanda reale, per esempio se la Sua anagrafica prodotti è pronta per le previsioni. La affronteremo insieme.

Che cos'è una roadmap AI per il retail?

È un piano per fasi per usare l'AI in un'azienda retail. Parte da un'unica vista affidabile di prodotto, scorte e cliente. Poi aggiunge AI governata e agenti, e si conclude con l'AI integrata nel lavoro quotidiano del retail.

Da dove dovrebbe partire con l'AI un retailer?

Dal portare i dati su prodotti, scorte e vendite di ogni canale in un'unica piattaforma governata, e dal sistemare l'anagrafica prodotti. Poi porti a casa risultati rapidi come contenuti di prodotto, copiloti per i negozi e sintesi per il servizio clienti.

Quali casi d'uso AI nel retail si ripagano per primi?

Contenuti di prodotto e sintesi per il servizio si realizzano in fretta. Previsione della domanda e riassortimento di solito portano il valore maggiore quando i dati sono pronti, con prezzi e ribassi subito dietro.

I retailer hanno bisogno di un nuovo ERP prima di usare l'AI?

No. L'AI si appoggia ai sistemi attuali attraverso le fondamenta dei dati. Conta che i dati su prodotti, scorte e vendite siano gli stessi nei negozi, online e in finanza.

Quanto tempo richiede una roadmap AI per il retail?

La pianifico su tre anni, una volta avviate le fondamenta dei dati. Il primo anno costruisce il livello governato, il secondo scala gli agenti e il terzo integra l'AI. I risultati rapidi dovrebbero mostrare valore nel primo anno.