Maloobchodníci, naučte se tyto 4 lekce, než budete investovat do GenAI v roce 2025

Forrester předpovídá, že jedna z pěti maloobchodníků v USA a EMEA spustí zákaznicky orientované GenAI aplikace v roce 2025. Vylepšená produktová hledání, personalizovaná doporučení a zlepšená kategorizace jsou hlavní použití. Proč tedy automatizované interakce způsobily, že skóre zákaznické zkušenosti v USA pokleslo o 5% v roce 2023 – nejnižší od roku 2015 – a co mohou maloobchodníci naučit z tohoto, než investují do svých GenAI investic?

Zpráva KPMG z roku 2023 zdůrazňuje, že selhání ve splnění očekávání zákazníků je příčinou poklesu, a to kvůli nadměrnému využití technologií, které postrádají strategický přínos pro zákazníky. Z 50 CIO a CTO z podniků Fortune 500, kteří byli dotázáni na své GenAI projekty, většina z nich zjistila, že jejich pilotní technologie řešila nesprávnou obchodní potřebu.

Když vstoupíme do roku 2025, maloobchodníci musí priorizovat zákaznicky orientované GenAI strategie. Místo přijetí nejnovější technologie jako něco příjemného, je třeba se zaměřit na obchodní potřeby. Maloobchodníci by měli prozkoumat své zákaznické cesty, identifikovat prostor pro zlepšení a vyvinout nebo přijmout řešení, která odpovídají jejich použití, a ne naopak. Zde jsou čtyři lekce pro maloobchodníky, které je třeba zvážit na jejich cestě ke zvýšení uživatelské zkušenosti (UX) s GenAI.

Zajistěte synergii mezi obchodními daty a umělou inteligencí

Výzkumníci z RAND zjistili v roce 2024, že 80% projektů AI selhává kvůli pěti klíčovým oblastem: nesoulad cíle, nedostatek dat, technologie jako první, mezery v infrastruktuře a přehnané ambice AI.

Maloobchodníci vyžadují pevný základ dat a odborné znalosti, aby mohli vybudovat požadované algoritmy a uspět se svými GenAI investicemi. Měli by se sami sebe zeptat: “Jak můžeme zajistit dostatečnou dostupnost dat, aby splnily požadavky řešení? A kolik z těchto dat je proprietárních?” Úspěšné GenAI projekty závisí na vysoké kvalitě relevantních informací. Čím více unikátních formátů dat má organizace, tím více přizpůsobitelné musí být řešení.

Třetí otázka, kterou je třeba položit, je: “Jaké konkrétní změny talenčního fondu a operační struktury jsou potřebné k efektivnímu využití GenAI?” Porozumění úrovni dalšího vzdělávání, motivace, nákladů a času pomůže maloobchodníkům rozhodnout o návratnosti investic (ROI) do budování, přizpůsobování nebo správy řešení interně.

Dnes mohou netechničtí odborníci pracovat s nástroji bez kódu nebo najmout dlouhodobého partnera AI, aby využili jeho výhod. Při výběru třetích stran GenAI řešení by e-commerce manažeři měli priorizovat faktory nad rámec ceny a ROI, jako je škálovatelnost, výkon, bezpečnost dat, odborné znalosti dodavatele a kompatibilita technologií. Jasný obchodní případ a očekávané výsledky jsou zásadní před závazkem jakékoli nové integrace.

Použijte postupný přístup

V roce 2024 BCG Group vyhodnotil míru přijetí top e-commerce GenAI použití; konkrétně tvorbu obsahu, jako jsou blogy, produktové popisy a doplňky produktových obrázků. Pokročilejší použití zahrnují personalizovaná produktová doporučení, dynamické ceny a analýzu konkurence. Seznámení členů týmu se systematickými službami před pokusem o složitější úkoly, aby se mohli přizpůsobit novým procesům bezproblémově.

Maloobchodníci by měli povzbudit své e-commerce týmy, aby využívaly GenAI nástroje s otevřeným kódem, aby se seznámili s jejich schopnostmi. Jednoduchá použití a řešení s nízkou nebo žádnou kódovou náročností, jako jsou produktové popisy a tvorba obrázků, jsou vynikajícími výchozími body, protože ukazují členům týmu možné úspory času a pomáhají jim přizpůsobit své operace zahrnutím častých validačních kontrol. Zavedení týdenních nebo dvoutýdenních kontrol v raných fázích pomůže měřit pokrok nástroje a upravit přístupy během cesty. Záporná zpětná vazba a účast týmu budou klíčem k úspěchu.

Jakmile se členové týmu seznámí, maloobchodníci mohou zavést nová použití. Inženýři mohou zefektivnit vývoj pomocí asistence AI pro dokončení kódu. Marketéři mohou zavést AI poháněná personalizovaná upselling a cross-selling doporučení, a manažeři loajality mohou vybudovat adaptivní kampaně loajality na základě úrovně zákaznické angažovanosti.

Vytvořte bezpečnostní kulturu

Oddělené systémy jsou slabými místy, která mohou vést k bezpečnostním zranitelnostem, a GenAI má potenciál snížit vstupní bariéru pro nízkoškolské hrozby. Kyberzločinci mohou použít GenAI k vytvoření skriptů, které by mohly být funkčně škodlivé, pokud by byly použity správně, automatizují útoky a cílí na konkrétní zranitelnosti. Maloobchodníci by měli usilovat o pevný základ dat, streamované pracovní postupy a dobře propojenou síť aplikací, aby udrželi své systémy v bezpečí a snadno kontrolovatelné.

Kyberzločinci mohou také použít GenAI k manipulaci spotřebitelů prostřednictvím vysoce přesvědčivého falešného obsahu (tj. sociálního inženýrství a phishingu). Proto bude ověření identity ještě důležitější v roce 2025. Vícefaktorová autentizace, jako je odesílání časově citlivých kódů na zařízení uživatelů prostřednictvím SMS, e-mailu nebo specializované autentizační aplikace, pomůže zabezpečit programy zákaznické loajality a nákupní platformy – zejména tam, kde jsou uloženy finanční informace.

Kromě toho musí maloobchodníci zajistit, aby vývojáři pravidelně aktualizovali software, knihovny a systémy, aby řešili zranitelnosti a minimalizovali útočné plochy. Tento bezpečnostně vědomý, ověřovací přístup by měl být filtrován skrze celou organizaci. Pravidelným bezpečnostním školením a simulacemi a povzbuzováním zaměstnanců, aby hlásili podezřelé činnosti včas, maloobchodníci mohou vybudovat bezpečnostně zaměřenou kulturu.

AI poháněné monitorovací a výstražné systémy, jako jsou pokročilá řešení pro detekci a reakci na koncové body (EDR), mohou také pomoci maloobchodníkům detekovat a zmírnit hrozby v reálném čase. Přesto je důležité, aby všichni zaměstnanci byli zvyklí ověřovat, zda systémy, zejména bezpečnostní software, fungují tak, jak by měly.

Buďte empatictí podle designu

Největší příčinou nedůvěry v AI je jeho použití v kanálech zákaznické podpory. Některým 53% zákazníků by se chtělo přejít k konkurenci, kdyby zjistili, že společnost bude používat AI pro zákaznickou podporu.

Zákazníci se obávají, že GenAI vytvoří širší propast mezi nimi a podpůrnými agenty. Chtějí mít jistotu, že jejich problémy budou pochopeny a vyřešeny co nejlépe, ideálně s manažery, kteří mají pravomoc nabízet komplementární dárky za jejich potíže. Nicméně maloobchodníci mohou tyto kroky zahrnout do svých automatizovaných služeb. Je však stále důležité začít s jednoduchými úkoly. Učinění FAQ a online informací více přístupných prostřednictvím konverzačních chatbotů jsou užitečná použití.

Na začátku bude více rukou na palubě, aby reagovaly na zpětnou vazbu zákazníků, zmatení nebo dotazy, bude proaktivní a vítanou pojistkou, zatímco maloobchodníci se přizpůsobují schopnostem GenAI. Reálná zpětná vazba od podpůrných týmů pomůže maloobchodníkům představit si všechny scénáře, ve kterých jsou úkoly příliš složité pro GenAI nástroje. V těchto scénářích musí chatboty směrovat zákazníky na agenta s držením zprávy, jako je tlačítko “Nabídka nebyla nápomocná? Kontaktujte agenta”. Analyzujte tuto zpětnou vazbu denně, dokud nebudou všechny možné běžné dotazy zodpovězeny jednoduše a automaticky.

Je zásadní, aby všechny úkoly, které GenAI nástroje plní, se transformovaly do agenta chatu, který naváže tam, kde chatbot skončil, pokud je to potřeba. Je také kritické, aby zákaznická podpůrná agenti zůstali klíčovou součástí uživatelské cesty, šetří je pro úkoly s vysokou hodnotou, jako je sledování dat a identifikace základních příčin opakujících se zákaznických problémů. Tímto způsobem maloobchodníci mají základ pro návrh řešení a prevenci budoucích problémů s automatizovanými odpověďmi.

Bez ohledu na to, zda maloobchodníci přijmou GenAI nebo ne, konkurenti, zákazníci a škodlivé aktéři ano. Příprava členů týmu s jednoduchými použitími jim pomůže přizpůsobit se novým způsobům práce a lépe pochopit novou hrozbu. Maloobchodníci mohou využít nástroje s otevřeným kódem a vyzkoušet GenAI projekty ve fázích, budovat na znalostech a odbornosti svých týmů s pokročilejšími algoritmy pokaždé, když je projekt úspěšně dokončen. Automatizací transakčních úkolů a udržením odborného týmu lidských agentů mohou zákazníci využívat rychlejší přístup k požadovaným produktům a cítit se ujištěni, že je agent na dosah, pokud jej potřebují.