Mengapa AI Belum Menghasilkan Pendapatan di Ritel – Belum

AI telah menjadi kata kunci di ritel dan untuk alasan yang baik. Ini memprediksi perilaku, menyesuaikan penawaran, dan membantu merek merasa lebih responsif dari sebelumnya. Hampir 90% dari pengecer mengatakan bahwa AI telah meningkatkan kepuasan pelanggan..

Namun, kepuasan tidak selalu sama dengan penjualan. Faktanya, kurang dari setengah mengatakan bahwa itu telah memindahkan jarum pada pendapatan.

Apa yang kurang?

Seringkali, itu bukan teknologi. Ini adalah strategi. Pengecer paling sukses menggunakan AI untuk membangun koneksi nyata dan menyempurnakan strategi di sekitar apa yang benar-benar menghasilkan pembelian. Mereka memahami bahwa pelanggan saat ini tidak terkesan dengan otomatisasi; mereka ingin merasa dilihat, dipahami, dan benar-benar dibantu.

Berikut adalah apa yang berhasil, apa yang tidak, dan bagaimana pengecer dapat mengubah AI dari alat yang menjanjikan menjadi penggerak pertumbuhan yang sebenarnya.

Mengubah Koneksi Pelanggan

AI dapat melakukan banyak hal: itu dapat membaca wajah, memprediksi perilaku, dan menghasilkan saran yang disesuaikan dengan skala. Namun, bahkan dengan semua kekuatan ini, banyak strategi yang didorong oleh AI masih belum mencapai tujuan akhir: konversi.

Contohnya, emotion AI. Beberapa pengecer menggunakan kamera dan mikrofon untuk menganalisis ekspresi dan nada, mencari petunjuk seperti kebingungan, frustrasi, atau minat. Ini memungkinkan staf untuk mengintervensi pada saat yang tepat atau secara otomatis menyesuaikan penawaran secara real-time. Namun, jika intervensi tersebut tidak tepat waktu dan tidak benar-benar membantu, mereka berisiko terasa mengganggu atau kikuk daripada persuasif.

Yang lain menggunakan AI untuk mensimulasikan perjalanan belanja sebelum mereka terjadi, memodelkan bagaimana orang mungkin merespons terhadap tata letak baru, produk, atau promosi. Wawasan prediktif semacam ini dapat kuat – tetapi hanya jika pengecer bertindak atas data dalam cara yang selaras dengan motivasi pelanggan yang sebenarnya, bukan hanya perilaku hipotetis.

Pendekatan yang lebih langsung muncul melalui data zero-party, di mana pelanggan secara sukarela berbagi preferensi melalui chatbot, asisten virtual, atau survei halaman produk. Metode ini lebih transparan dan memiliki potensi untuk membangun kepercayaan – tetapi hanya jika tindak lanjutnya terasa relevan. Jika pelanggan mengatakan bahwa mereka menyukai dekorasi rumah minimalis, tetapi situs web membanjiri mereka dengan pola yang keras dan tidak tren, kepercayaan itu akan hilang dengan cepat.

Contoh-contoh ini menunjukkan bahwa pengecer tidak kekurangan alat. Apa yang kurang, dalam banyak kasus, adalah terjemahan dari alat-alat tersebut menjadi momen pelanggan yang sebenarnya menghasilkan konversi – di mana relevansi, waktu, dan nada semua sejalan untuk menghasilkan penjualan.

Apa yang Menghambat Ritel?

Meskipun investasi besar di AI, banyak pengecer masih bergelut dengan data yang berantakan, interaksi yang tidak personal, dan mengukur metrik kinerja yang salah. Tanpa memperbaiki masalah-masalah ini, bahkan alat yang paling canggih tidak akan memindahkan jarum pada pendapatan.

1. Data yang Berantakan dan Ketinggalan Zaman

Pengecer mengumpulkan sejumlah besar data pelanggan, tetapi banyak di antaranya tidak lengkap, ketinggalan zaman, atau tersebar di berbagai sistem. Ini membuatnya sulit bagi AI untuk mengidentifikasi pola yang bermakna atau menghasilkan rekomendasi yang dapat diandalkan. Jika profil pelanggan kekurangan informasi kunci – seperti pembelian terbaru, titik harga yang disukai, atau preferensi kontak – sistem mungkin menyarankan produk yang tidak relevan atau mengirimkan penawaran yang tidak tepat waktu yang lebih banyak membahayakan daripada membantu.

Untuk memperbaiki ini, pengecer perlu membersihkan data mereka secara teratur dan mengkonsolidasikannya dalam satu tempat. Platform data pelanggan (CDP) dapat membantu dengan menarik informasi dari email, register penjualan, program loyalitas, dan media sosial ke dalam satu tampilan yang mutakhir. Dengan data yang lebih baik, AI dapat lebih akurat menafsirkan perilaku, menyesuaikan saran, dan mendukung pengalaman yang mengarah pada konversi yang lebih kuat dan loyalitas jangka panjang.

2. Interaksi AI yang Terlalu Robotis

Bahkan dengan data yang bersih, AI dapat gagal jika personalisasi tidak terasa cukup personal. Terlalu sering, pengecer menetap pada upaya permukaan seperti menggunakan nama depan pelanggan dalam email penjualan generik atau menampilkan rekomendasi produk yang sama kepada semua orang yang menelusuri kategori produk tertentu. Pendekatan satu-ukuran-untuk-semua ini dapat terasa robotis dan jarang menghasilkan penjualan yang lebih banyak.

Sebagai gantinya, pengecer harus menggunakan AI untuk melampaui informasi dasar dan mempertimbangkan hal-hal seperti apa yang baru saja dilihat pelanggan, berapa lama mereka menghabiskan waktu di halaman produk, atau apakah mereka meninggalkan item di keranjang belanja mereka. Misalnya, seseorang yang melihat sepatu mewah dan tidak membeli mungkin merespons lebih baik terhadap diskon pada pasangan yang sama atau pasangan yang lebih murah dengan atribut serupa, bukan promosi generik pada sepatu. Ketika penawaran dan pesan terasa tepat waktu dan relevan, pelanggan lebih mungkin untuk mengklik, membeli, dan kembali.

3. Menggunakan KPI yang Salah

Jika pengecer ingin AI menghasilkan penjualan, mereka perlu mengukur hasil yang tepat. Mengikuti waktu layanan yang lebih cepat atau biaya pemasaran yang lebih rendah berguna – tetapi itu tidak menunjukkan apakah AI sebenarnya meningkatkan penjualan. Sebagai gantinya, pengecer harus fokus pada metrik yang terkait langsung dengan perjalanan pelanggan: seberapa sering pelanggan menyelesaikan pembelian setelah menerima penawaran yang disesuaikan, berapa banyak mereka menghabiskan, apakah mereka kembali, dan seberapa sering keranjang belanja ditinggalkan. Menggeser fokus ke metrik yang menghasilkan pendapatan membuatnya lebih mudah untuk melihat apa yang berhasil – dan untuk terus menyempurnakan bagaimana AI digunakan.

Maju dengan AI Ritel

Jika satu hal yang sekarang jelas, itu harus bahwa pengecer tidak perlu alat AI tambahan. Mereka perlu menggunakan teknologi yang ada dengan lebih baik. Dengan memperbaiki masalah kualitas data, membuat personalisasi yang bermakna, dan fokus pada KPI yang tepat, mereka dapat mengubah AI dari tambahan yang mengkilap menjadi mesin pertumbuhan yang sebenarnya. Tujuan haruslah hubungan pelanggan yang lebih kuat yang menghasilkan penjualan.