Detailhandlere, Lær Disse 4 Lektioner Før I Gør Jeres 2025 GenAI-Investeringer

Forrester forudser, at en ud af fem US- og EMEA-detailhandlere vil lancere kundeorienterede GenAI-applikationer i 2025. Forbedret produkt­søgning, personlige anbefalinger og forbedret kategorinavigation er top-brugs­tilfælde. Hvorfor fik automatiserede interaktioner så den amerikanske kunde­oplevelses-score til at falde med 5% i 2023 – det laveste siden 2015 – og hvad kan detailhandlere lære af dette, før de gør deres GenAI-investeringer?

2023 KPMG-rapporten fremhæver manglende opfyldelse af kundernes forventninger som årsag til faldet, med over­anvendelse af teknologi, der manglede strategisk fordel for kunderne. Af 50 CIO’er og CTO’er i Fortune 500-virksomheder, der blev spurgt om deres GenAI-projekter, fandt de fleste, at deres pilot-teknologi behandlede det forkerte forretningsbehov.

Da vi går ind i 2025, skal detailhandlere prioritere kundeorienterede GenAI-strategier. I stedet for at antage den seneste teknologi som en nice-to-have, skal man se på forretningsbehovene. Detailhandlere skal gennemgå deres kunde­rejser, identificere områderne for forbedring og bygge eller antage løsninger, der passer til deres brugs­tilfælde, og ikke omvendt. Her er fire lektioner for detailhandlere at overveje på deres rejse for at forhøje bruger­oplevelsen (UX) med GenAI.

Sikr Erhverv-Data-AI-Synergi

RAND-forskere fandt i 2024, at 80% af AI-projekter fejler på grund af fem nøgleområder: mis­ligende mål, data-mangel, tech-first-tilgang, infrastruktur­lækker og over­ambitiøse AI.

Detailhandlere kræver en solid data­grundlag og ekspertise for at bygge de nødvendige algoritmer og lykkes med deres GenAI-investeringer. De skal spørge sig selv: “Hvordan kan vi sikre tilstrækkelig data­tilgængelighed for at opfylde løsningens krav? Og hvor meget af denne data er ejendoms­retligt beskyttet?” Succesfulde GenAI-projekter afhænger af høj­kvalitets-, relevante oplysninger. Jo mere unikke data­formater organisationen har, jo mere tilpasset skal løsningen være.

En tredje spørgsmål at stille er: “Hvilke specifikke talent­pulje- og drifts­struktur­ændringer er nødvendige for at udnytte GenAI effektivt?” At forstå niveauet for op­skoling, samt motivation, omkostninger og tid, vil hjælpe detailhandlere med at beslutte om afkastet på investeringen (ROI) for at bygge, tilpasse eller administrere løsninger internt.

I dag kan ikke-tekniske eksperter arbejde med no-code-værktøjer eller hyre en lang­sigtet AI-partner for at udnytte fordelene. Når man vælger tredjeparts GenAI-løsninger, skal e-handelschefer prioritere faktorer ud over pris og ROI, såsom skalerbarhed, ydeevne, data­sikkerhed, leverandør­ekspertise og teknologi­sam­menhæng. En klar forretnings­tilfælde og forventede resultater er afgørende, før man binder sig til en ny integration.

Tag En Inkremental Tilgang

I 2024 evaluerede BCG Group antagelsen af top e-handels GenAI-brugs­tilfælde; navnlig indhold­s­skabelse såsom blogs, produkt­beskrivelser og produkt­billede-supplerende. Mere avancerede brugs­tilfælde omfatter personlige produkt­anbefalinger, dynamisk pris­sætning og konkurrent­analyse. Gør team­medlemmerne bekendt med systematiske tjenester, før man prøver sin hånd på mere komplekse opgaver for at tilpasse sig nye processer uden problemer.

Detailhandlere skal opmuntre deres e-handels­team til at udnytte GenAI-værktøjer udenfor kassen for at bekende sig med værktøjets muligheder. Enkle brugs­tilfælde og no-to-low-code-løsninger såsom produkt­beskrivelser og billed­skabelse er fremragende start­punkter, da de viser team­medlemmerne de mulige tidss­besparelser samt hjælper dem med at tilpasse deres drift til at inkludere hyppige validerings­tjek.

Da team­medlemmerne bliver mere fortrolige, kan detailhandlere introducere nye brugs­tilfælde. Ingeniører kan strømlinje­udvikle med AI-kode­fuld­endelse. Markeds­førere kan introducere AI-drevne personlige op­sætning og cross-selling-anbefalinger, og loyalitets­chefer kan bygge adaptive loyalitets­kampagner baseret på kunde­engagement­niveau.

Opret En Sikkerheds-Først-Kultur

Frakoblet systemer er svage punkter, der kan føre til sikkerheds­sårbarheder, og GenAI har potentialet for at sænke adgangs­barrieren for lav­kompetente trusler. Cyberkriminelle kan bruge GenAI til at bygge scripts, der kunne være funktionelt skadelige, hvis de blev brugt korrekt, og automatisere angreb og målrette bestemte sårbarheder. Detailhandlere skal stræbe efter et solidt data­grundlag, strømlinje­drift og en vel­sam­menhængende netværk af applikationer for at holde deres systemer sikre og lette at overvåge.

Cyberkriminelle kan også bruge GenAI til at manipulere forbrugere gennem overbevisende falsk indhold (f.eks. social engineering og phishing). Derfor vil identitets­validering være endnu mere kritisk i 2025. Multi­faktor­autentificering, såsom at sende tids­sensitive koder til brugeres enheder via SMS, e-mail eller en dedikeret autentificerings­app, vil hjælpe med at sikre kunde­loyalitets­programmer og shopping­platforme – især hvor finansielle oplysninger er gemt.

Derudover skal detailhandlere sikre, at udviklere regelmæssigt opdaterer software, software­biblioteker og systemer for at afhjælpe sårbarheder og minimere angrebs­overflader. Denne sikkerheds­bevidste, valider­først-mentalitet skal filtreres gennem hele organisationen. Ved at gennemføre regelmæssige sikkerheds­bevidstheds­træning og simulationer og opmuntre medarbejdere til at rapportere mistænkelige aktiviteter prompt, kan detailhandlere bygge en sikkerheds­fokuseret kultur.

AI-drevne overvågnings- og alarm­systemer, såsom avancerede endpoint­detektion og respons­løsninger (EDR), kan også hjælpe detailhandlere med at opdage og afværge trusler i real­tid. Alligevel er det vigtigt, at alle medarbejdere er i vanen med at validerer, at systemer, især cybersikkerheds­software, fungerer, som de skal.

Vær Empatisk Ved Design

Den største årsag til AI-mistanke er dets brug i kunde­support­kanaler. Nogle 53% af kunderne ville overveje at skifte til en konkurrent, hvis de fandt ud af, at et firma ville bruge AI til kunde­service.

Kunder frygter, at GenAI vil bygge en bredere kløft mellem dem og support­agenter. De ønsker ro i sindet om, at deres problemer vil blive forstået og løst på bedst mulig vis, ideelt med chefer, der har myndighed til at tilbyde komplementære gaver for deres besvær. Men detailhandlere kan bygge disse skridt ind i deres automatiserede tjenester. Det er dog vigtigt at starte med simple opgaver først. At gøre FAQs og online­information mere tilgængelige via konversational chatbots er nyttige brugs­tilfælde.

I begyndelsen vil der være mere hånd­ter­behov for at svare på kunde­feedback, forvirring eller spørgsmål som en proaktiv og velkommen buffert, mens detailhandlere til­passer sig GenAI’s muligheder. Real­tids­feedback fra support­hold vil hjælpe detailhandlere med at forestille sig alle scenarier, hvor opgaver er for komplekse for GenAI-værktøjer. I disse scenarier skal chatbots dirigere kunderne til en agent med en ventende besked, såsom: “Tilbud ikke hjælpsomt? Kontakt en agent”­knappen. Analyser denne feedback dagligt, indtil alle mulige fælles spørgsmål er besvaret enkelt og automatisk.

Det er afgørende, at alle opgaver, GenAI-værktøjer påtager sig, ubemærket transformerer til en agent­chat, der tager over, hvor chatboten slap, hvis nødvendigt. Det er også kritisk, at kunde­service­agenter forbliver en nøgle­del af bruger­oplevelsen, ved at spare dem for højt­værdi­opgaver såsom at overvåge data og identificere under­liggende årsager til gentagne kunde­problemer. På denne måde har detailhandlere en basis for at foreslå løsninger og forhindre fremtidige problemer med automatiserede respons­kanaler.

Uanset om detailhandlere vælger at antage GenAI eller ej, vil konkurrenter, kunder og ondsindede aktører gøre det. At forberede team­medlemmerne med simple brugs­tilfælde vil hjælpe dem med at tilpasse sig nye måder at arbejde på og bedre forstå det nye trus­lands­kab. Detailhandlere kan udnytte værktøjer udenfor kassen og afprøve GenAI-projekter i en fase­vis tilgang, bygge på deres teams’ viden og ekspertise med mere avancerede algoritmer hver gang et projekt er fuldført succesfuldt. Ved at automatisere de transaktions­opgaver og fastholde et ekspert­team af menneskelige agenter, kan kunderne nyde hurtigere adgang til ønskede produkter og føle sig trygge ved, at der er en agent et opkald væk, hvis de har brug for dem.