AI e IoT per innovare la GDO

Le tecnologie basate sull’AI stanno portando a una trasformazione radicale nel modo in cui le aziende della GDO interpretano i dati, interagiscono con i clienti e gestiscono la catena di approvvigionamento. Come emerge dal recentissimo studio di Largo Consumo condotto su 45 manager e decision-leader della GDO italiana, l’analisi predittiva e l’esplorazione dei dati emergono come due dei temi più promettenti, offrendo alle aziende la possibilità di anticipare le tendenze di mercato, ottimizzare gli stock e personalizzare le offerte in base alle preferenze dei consumatori. 

La predictive analysis, in particolare, permette alle aziende di prevedere la domanda con un grado di precisione senza precedenti, minimizzando gli sprechi e garantendo che i prodotti più desiderati siano sempre disponibili per i consumatori; la data discovery permette poi di individuare tempestivamente trend e valori anomali: questo non solo migliora l’efficienza operativa ma contribuisce significativamente anche alla soddisfazione del cliente.

Nonostante il vasto potenziale offerto dall’AI, i player del settore GDO, o più in generale del Retail, non sono esenti da perplessità e criticità, sia di tipo operativo che culturale. Una delle principali riguarda la sicurezza e la privacy dei dati: con l’aumento dell’uso dell’AI, cresce anche il rischio di violazioni che potrebbero esporre le info sensibili dei consumatori (Info Tech Research Group). 

Inoltre, l’integrazione dell’AI richiede un investimento significativo in termini di risorse e competenze tecniche, configurandosi come un’ulteriore sfida per le aziende che si trovano già a navigare in un contesto economico incerto.

Dal punto di vista culturale, esiste poi, all’interno delle organizzazioni, una certa resistenza al cambiamento. La trasformazione digitale spinta dall’AI richiede un cambiamento nei modelli operativi tradizionali e non tutti i collaboratori sono pronti ad accogliere questa evoluzione. Nonostante le evidenze suggeriscano che l’AI tenda più a creare nuove opportunità di lavoro che a eliminarle (World Economic Forum), la paura che l’AI possa sostituire il lavoro umano è un’altra questione critica; infine, non dimentichiamo la preoccupazione relativa alla possibilità dell’AI di commettere errori.

Queste sfide richiedono un approccio olistico all’adozione dell’AI, che comprenda politiche di governance dei dati robuste, formazione continua per i dipendenti e una chiara comunicazione dei benefici dell’AI per superare le resistenze interne.

La nostra tecnologia permette di migliorare diversi aspetti legati alla gestione del punto vendita. Faccio alcuni esempi concreti.

Un nostro cliente ha avuto la necessità di ottimizzare la barriera casse, permettendo una gestione operativa più snella e commisurata al flusso di Clienti in ingresso al punto vendita. Dalla combinazione del flusso dei clienti in ingresso e il numero in tempo reale di clienti in coda, è stato possibile prevedere (e di conseguenza prevenire) picchi di persone in coda, riducendo il numero medio di clienti nelle ore di punta del 30%: questo ha favorito sia una migliore esperienza di acquisto dei clienti sia un migliore utilizzo del personale di negozio, che poteva essere assegnato alle casse solo nei momenti di reale bisogno e non secondo una pianificazione statica.

Un altro esempio ha riguardato la scelta di un nuovo modello di carrelli, scelta che avrebbe dovuto riflettersi potenzialmente sull’intera catena. La domanda era se un carrello più leggero a maneggevole, ma anche più costoso, avrebbe dato dei riscontri sulle vendite e sullo scontrino medio. A fronte di un’analisi di dettaglio, si è ottenuta una risposta negativa e si è deciso di non introdurre questo nuovo carrello con importanti risparmi già nel breve termine.

Ancora, uno dei nostri casi di maggior successo è stato il lavoro svolto con la più grossa catena di supermercati in Nord America, che aveva l’obiettivo di implementare offline un modello tipico dell’online, il cosiddetto A/B testing. Nel mondo online questo significa mostrare, nello stesso momento, “stimoli” digitali diversi a utenti diversi, per individuare la via più efficace e di conseguenza adattare il servizio; ovviamente questo risulta molto più complicato in un negozio fisico, dove i cambiamenti sono più difficili da implementare. Questo cliente ha però deciso di implementare un approccio simile, utilizzando la nostra tecnologia in più negozi, dove uno veniva utilizzato per implementare delle modifiche (ad esempio di layout, piuttosto che della tipologia di carrello), mentre l’altro veniva utilizzato come base di confronto. Il risultato è stato quello di poter sperimentare nel mondo fisico, ottenendo rapidamente insight da estendere poi alla catena con importanti ricadute in termini economici e di impatto.

Il filo conduttore rimane quasi sempre lo stesso: supportare la GDO nelle decisioni strategiche con evidenze basate sui dati e non sulla semplice intuizione che, per quanto spesso frutto di anni di esperienza, non è supportata dalle necessarie evidenze.