Pedagang Eceran, Pelajari 4 Pelajaran Ini Sebelum Membuat Investasi GenAI 2025

Forrester memprediksi satu dari lima pedagang eceran AS dan EMEA akan meluncurkan aplikasi GenAI yang menghadap pelanggan pada 2025. Pencarian produk yang ditingkatkan, rekomendasi yang dipersonalisasi, dan navigasi kategori yang diperbaiki adalah kasus penggunaan teratas. Jadi, mengapa interaksi yang diotomatisasi menyebabkan skor pengalaman pelanggan AS menurun 5% pada 2023—yang terendah sejak 2015—dan apa yang dapat pedagang eceran pelajari dari ini sebelum membuat investasi GenAI mereka?

Laporan KPMG 2023 menyoroti kegagalan memenuhi harapan pelanggan sebagai penyebab penurunan, dengan penggunaan teknologi yang berlebihan yang tidak memiliki manfaat strategis bagi pembeli. Dari 50 CIO dan CTO di perusahaan Fortune 500 yang ditanya tentang proyek GenAI mereka, sebagian besar menemukan bahwa teknologi pilot mereka mengatasi kebutuhan bisnis yang salah.

Ketika kita memasuki 2025, pedagang eceran harus memprioritaskan strategi GenAI yang berfokus pada pelanggan. Alih-alih mengadopsi teknologi terbaru sebagai yang diinginkan, lihat kebutuhan bisnis. Pedagang eceran harus meninjau perjalanan pelanggan mereka, mengidentifikasi ruang untuk perbaikan, dan membangun atau mengadopsi solusi yang sesuai dengan kasus penggunaan mereka, bukan sebaliknya. Berikut adalah empat pelajaran untuk pedagang eceran pertimbangkan dalam perjalanan mereka untuk meningkatkan pengalaman pengguna (UX) dengan GenAI.

Pastikan Sinergi Bisnis-Data-AI

Peneliti RAND menemukan pada 2024 bahwa 80% proyek AI gagal karena lima area kunci: tujuan yang tidak sejalan, kekurangan data, pendekatan teknologi pertama, celah infrastruktur, dan AI yang terlalu ambisius.

Pedagang eceran memerlukan fondasi data yang solid dan keahlian untuk membangun algoritma yang diperlukan dan sukses dengan investasi GenAI mereka. Mereka harus bertanya pada diri sendiri, “Bagaimana kita dapat memastikan ketersediaan data yang cukup untuk memenuhi persyaratan solusi? Dan berapa banyak dari data ini yang bersifat milik?” Proyek GenAI yang sukses bergantung pada informasi yang berkualitas tinggi dan relevan. Semakin unik format data yang dimiliki organisasi, semakin dapat disesuaikan solusinya.

Pertanyaan ketiga yang harus ditanyakan adalah, “Apa talenta dan perubahan struktur operasional yang diperlukan untuk memanfaatkan GenAI secara efektif?” Memahami tingkat peningkatan keterampilan, bersama dengan motivasi, biaya, dan waktu, akan membantu pedagang eceran memutuskan return on investment (ROI) untuk membangun, mengkustomisasi, atau mengelola solusi di dalam perusahaan.

Saat ini, ahli non-teknis dapat bekerja dengan alat no-code atau menyewa mitra AI jangka panjang untuk memanfaatkan keuntungan. Ketika memilih solusi GenAI pihak ketiga, eksekutif eceran harus memprioritaskan faktor-faktor di luar harga dan ROI, seperti skalabilitas, kinerja, keamanan data, keahlian vendor, dan kompatibilitas teknologi. Kasus bisnis yang jelas dan hasil yang diharapkan sangat penting sebelum berkomitmen pada integrasi baru.

Ambil Pendekatan Inkremental

Pada 2024, BCG Group mengevaluasi tingkat adopsi kasus penggunaan GenAI eceran teratas; yaitu, pembuatan konten seperti blog, deskripsi produk, dan pelengkapan gambar produk. Kasus penggunaan yang lebih maju termasuk rekomendasi produk yang dipersonalisasi, harga dinamis, dan analitik kompetitor. Kenalkan anggota tim dengan layanan sistematis sebelum mencoba tugas yang lebih kompleks untuk menyesuaikan diri dengan proses baru secara lancar.

Pedagang eceran harus mendorong tim eceran mereka untuk memanfaatkan alat GenAI out-of-the-box untuk mengenal kemampuan alat tersebut. Kasus penggunaan sederhana dan solusi no-to-low-code seperti deskripsi produk dan pembuatan gambar adalah titik awal yang sangat baik karena menunjukkan kepada anggota tim waktu yang dapat disimpan, serta membantu mereka menyesuaikan operasi mereka untuk memasukkan pemeriksaan validasi yang sering. Perkenalkan tinjauan mingguan atau dwimingguan di tahap awal untuk mengukur kemajuan alat dan menyesuaikan pendekatan sepanjang jalan. Umpan balik tim dan partisipasi akan menjadi kunci keberhasilan.

Ketika anggota tim menjadi lebih familiar, pedagang eceran dapat memperkenalkan kasus penggunaan baru. Insinyur dapat menyederhanakan pengembangan dengan bantuan penyelesaian kode AI. Pemasar dapat memperkenalkan rekomendasi upselling dan cross-selling yang dipimpin AI, dan manajer loyalitas dapat membangun kampanye loyalitas adaptif berdasarkan tingkat keterlibatan pelanggan.

Buat Budaya Keamanan Pertama

Sistem yang terputus adalah tautan lemah yang dapat menyebabkan kerentanan keamanan, dan GenAI memiliki potensi untuk menurunkan hambatan masuk untuk ancaman dengan keterampilan rendah. Penjahat cyber dapat menggunakan GenAI untuk membangun skrip yang dapat berfungsi sebagai malicious jika digunakan dengan benar, mengotomatisasi serangan dan menargetkan kerentanan tertentu. Pedagang eceran harus bertujuan untuk fondasi data yang solid, alur kerja yang terstruktur, dan jaringan aplikasi yang terhubung dengan baik untuk menjaga sistem mereka aman dan mudah dipantau.

Penjahat cyber juga dapat menggunakan GenAI untuk memanipulasi konsumen melalui konten palsu yang sangat meyakinkan (yaitu, teknik sosial dan phishing). Oleh karena itu, verifikasi identitas akan menjadi lebih kritis pada 2025. Autentikasi multifaktor seperti mengirim kode waktu-sensitif ke perangkat pengguna melalui SMS, email, atau aplikasi autentikasi khusus, akan membantu mengamankan program loyalitas pelanggan dan platform belanja—terutama di mana informasi keuangan disimpan.

Selain itu, pedagang eceran harus memastikan pengembang secara teratur memperbarui perangkat lunak, perpustakaan perangkat lunak, dan sistem untuk mengatasi kerentanan dan meminimalkan permukaan serangan. Sikap kesadaran keamanan ini harus disaring melalui seluruh organisasi. Dengan melakukan pelatihan kesadaran keamanan dan simulasi secara teratur dan mendorong karyawan untuk melaporkan kegiatan mencurigakan segera, pedagang eceran dapat membangun budaya yang berfokus pada keamanan.

Sistem pemantauan dan peringatan yang dipimpin AI, seperti solusi deteksi dan respons titik akhir yang canggih, juga dapat membantu pedagang eceran mendeteksi dan memitigasi ancaman secara real-time. Namun, sangat penting bahwa semua karyawan memiliki kebiasaan memverifikasi bahwa sistem, terutama perangkat lunak keamanan, berfungsi sebagaimana mestinya.

Bersikap Empatik Secara Desain

Penyebab terbesar ketidakpercayaan AI adalah penggunaannya di saluran dukungan pelanggan. Beberapa 53% pelanggan akan mempertimbangkan untuk beralih ke kompetitor jika mereka mengetahui bahwa perusahaan akan menggunakan AI untuk layanan pelanggan.

Pelanggan khawatir bahwa GenAI akan memperlebar kesenjangan antara mereka dan agen dukungan. Mereka ingin memiliki ketenangan pikiran bahwa masalah mereka akan dipahami dan diselesaikan dengan cara terbaik, idealnya dengan manajer yang memiliki wewenang untuk menawarkan hadiah komplementer untuk kesulitan mereka. Namun, pedagang eceran dapat memasukkan langkah-langkah ini ke dalam layanan otomatis mereka. Tetapi masih penting untuk memulai dengan tugas sederhana terlebih dahulu. Membuat FAQ dan informasi online lebih mudah diakses melalui chatbot konversasional adalah kasus penggunaan yang bermanfaat.

Pada awalnya, lebih banyak orang di atas kapal untuk menanggapi umpan balik pelanggan, kebingungan, atau pertanyaan akan menjadi bantalan proaktif dan disambut saat pedagang eceran beradaptasi dengan kemampuan GenAI. Umpan balik waktu nyata dari tim dukungan akan membantu pedagang eceran membayangkan semua skenario di mana tugas terlalu kompleks untuk alat GenAI. Dalam skenario ini, chatbot harus mengarahkan pelanggan ke agen dengan pesan tahan, seperti: “Tawaran tidak berguna? Hubungi agen” tombol. Analisis umpan balik ini setiap hari sampai semua pertanyaan umum yang mungkin terjawab secara sederhana dan otomatis.

Sangat penting bahwa semua tugas yang diambil alih oleh alat GenAI bertransformasi secara lancar menjadi obrolan agen yang melanjutkan di mana chatbot berhenti jika diperlukan. Ini juga sangat penting bahwa agen layanan pelanggan tetap menjadi bagian penting dari perjalanan pengguna, menyelamatkan mereka untuk tugas berharga seperti memantau data dan mengidentifikasi penyebab utama masalah pelanggan yang berulang. Dengan cara ini, pedagang eceran memiliki dasar untuk mengusulkan solusi dan mencegah masalah di masa depan dengan saluran respons otomatis.

Apakah pedagang eceran memilih untuk mengadopsi GenAI atau tidak, kompetitor, pelanggan, dan aktor jahat akan melakukannya. Mempersiapkan anggota tim dengan kasus penggunaan sederhana akan membantu mereka menyesuaikan diri dengan cara kerja baru dan memahami lebih baik lanskap ancaman baru. Pedagang eceran dapat memanfaatkan alat out-of-the-box dan mencoba proyek GenAI dengan pendekatan bertahap, membangun pada pengetahuan dan keahlian tim mereka dengan algoritma yang lebih maju setiap kali proyek selesai dengan sukses. Dengan mengotomatisasi tugas transaksional dan menjaga tim agen manusia yang ahli, pelanggan dapat menikmati akses lebih cepat ke produk yang diinginkan dan merasa tenang bahwa ada agen yang hanya satu panggilan jika mereka membutuhkannya.