Il comportamento anomalo dei consumatori legato alla diffusione della pandemia ha costretto il gigante dell’e-commerce cinese a rimodulare i suoi modelli di AI per affrontare la Guanggun Jie, la Giornata dei single.
di Karen Hao
Mentre gli Stati Uniti erano presi dalle loro elezioni, la Cina ha fatto acquisti. Dall’1 all’11 novembre, i principali giganti dell’e-commerce del paese, Alibaba e JD, hanno generato vendite per 115 miliardi di dollari durante lo shopping per il Singles’ Day. Alibaba, che ha iniziato a celebrare questa festività nel 2009, ha raggiunto i 74,1 miliardi di dollari di vendite, con un aumento del 26 per cento rispetto allo scorso anno. Per fare un confronto, le vendite di Amazon Prime Day in 48 ore hanno superato solo i 10 miliardi di dollari quest’anno.
La vastità dell’evento lo rende una sorta di miracolo logistico. Per portare a termine l’impresa, Alibaba e JD investono molto in modelli di intelligenza artificiale e altre infrastrutture tecnologiche per prevedere la domanda di acquisto, ottimizzare la distribuzione globale delle merci tra i magazzini e semplificare la consegna in tutto il mondo. I sistemi vengono solitamente testati e perfezionati durante tutto l’anno prima di essere portati al limite durante l’evento reale. Quest’anno, tuttavia, entrambe le aziende hanno dovuto affrontare una complicazione: tenere conto dei cambiamenti nel comportamento di acquisto dovuti alla pandemia.
Nelle prime settimane dopo l’epidemia di coronavirus, entrambe le aziende hanno visto i loro modelli di intelligenza artificiale entrare in difficoltà. Poiché la pandemia era dilagante durante il capodanno cinese, centinaia di milioni di persone che avrebbero fatto acquisti durante le festività hanno invece acquistato beni di prima necessità. Questo comportamento ha reso impossibile fare affidamento sui dati storici. “Tutte le nostre previsioni non erano più accurate”, afferma Andrew Huang, direttore generale della catena di approvvigionamento nazionale di Cainiao, la divisione logistica di Alibaba.
Le persone compravano seguendo motivazioni difficilmente prevedibili, spesso in contrasto con i consigli sui prodotti delle piattaforme. Per esempio, l’algoritmo di JD presumeva che le persone che compravano mascherine fossero malate e quindi consigliava medicine, quando avrebbe potuto avere più senso raccomandare un disinfettante per le mani.
La messa in discussione dei loro modelli ha costretto entrambe le aziende a diventare creative. Alibaba ha investito molto sulla sua strategia di previsione a breve termine. Invece di progettare modelli di acquisto basati sulla stagione, per esempio, Cainiao ha perfezionato i suoi modelli per tenere conto di variabili più immediate come la settimana precedente di vendite o dati come il numero di casi covid in ciascuna provincia, afferma Huang.
Mentre l’e-commerce in live streaming, con la visione di prodotti in tempo reale e le risposte alle domande degli acquirenti, è esploso in popolarità durante la quarantena, il braccio logistico dell’azienda ha anche creato un nuovo modello di previsione per fare delle proiezioni su cosa succede quando popolari influencer di live streaming commercializzano prodotti diversi. Anche JD ha riorganizzato i suoi algoritmi per prendere in considerazione più segnali di dati esterni e in tempo reale.
L’aggiunta di queste fonti di dati nei loro modelli sembra aver funzionato. Il nuovo modello AI di live streaming di Cainiao, per esempio, ha finito per giocare un ruolo importante nella previsione delle vendite dopo che Alibaba ha reso lo streaming live una parte fondamentale della sua strategia per il Singles’ Day. Per JD, i suoi aggiornamenti potrebbero aver aumentato le vendite complessive. L’azienda afferma di aver visto un aumento del 3 per cento della percentuale di clic sui suoi consigli d’acquisto dopo aver implementato il suo algoritmo.
Entrambe le aziende hanno imparato dall’esperienza. Per esempio, Huang afferma che il suo team ha appreso che ogni influencer del live streaming mobilita la propria base di fan per mostrare comportamenti di acquisto diversi, quindi continuerà a creare modelli di previsione su misura per ciascuno dei suoi principali influencer. JD sostiene di aver capito quanto le notizie e gli eventi attuali influenzino i modelli di e-commerce e continuerà a modificare di conseguenza il suo algoritmo di raccomandazione dei prodotti.
Immagine: VCG / Stringer
(rp)
