Detaljister, lær disse 4 leksjonene før du gjør dine GenAI-investeringer i 2025

Forrester spår en av fem detaljister i USA og EMEA vil lansere kunde-orienterte GenAI-applikasjoner i 2025. Forbedret produkt­søk, personlige anbefalinger og forbedret kategorinavigasjon er topp brukstilfeller. Så hvorfor førte automatiserte interaksjoner til at kundeservice­scoren i USA sinket med 5% i 2023 – det laveste siden 2015 – og hva kan detaljister lære av dette før de gjør sine GenAI-investeringer?

Rapporten fra KPMG i 2023 fremhever svikt i å møte kundenes forventninger som årsaken til nedgangen, med over­bruken av teknologi som manglet strategisk nytte for kjøperne. Av 50 CIOer og CTOer i Fortune 500-foretak som ble spurt om sine GenAI-prosjekter, fant de fleste at deres pilot­teknologi adresserte feil forretningsbehov.

Ettersom vi går inn i 2025, må detaljister prioritere kunde-orienterte GenAI-strategier. I stedet for å adoptere den nyeste teknologien som et hyggelig å ha, må de se på forretningsbehovene. Detaljister bør gjennomgå sine kunde­reiser, identifisere rom for forbedring og bygge eller adoptere løsninger som passer deres brukstilfelle, ikke motsatt.

Her er fire leksjoner for detaljister å vurdere på deres reise for å heve bruker­opplevelsen (UX) med GenAI.

Sikre forretnings-data-AI-sammenheng

RAND-forskerne fant i 2024 at 80% av AI-prosjektene feiler på grunn av fem nøkkelområder: mis­justerte mål, data­mangel, teknologi­først-tilnærming, infrastruktur­gap og over­ambisiøs AI.

Detaljister trenger en solid data­grunnlag og ekspertise for å bygge de nødvendige algoritmene og lykkes med sine GenAI-investeringer. De bør spørre seg selv: “Hvordan kan vi sikre tilstrekkelig data­tillgjengelighet for å møte løsningens krav? Og hvor mye av denne dataen er proprietær?” Suksessfulle GenAI-prosjekter henger av høy­kvalitets-, relevante informasjoner. Jo flere unike data­formater organisasjonen har, jo mer tilpasset må løsningen være.

En tredje spørsmål å stille er: “Hvilke spesifikke kompetanse­pulje- og operativ struktur­endringer er nødvendige for å utnytte GenAI effektivt?” Å forstå nivået av opplæring, samt motivasjon, kostnader og tid, vil hjelpe detaljister å avgjøre avkastningen på investeringen (ROI) for å bygge, tilpasse eller forvalte løsninger internt.

I dag kan ikke-tekniske eksperter arbeide med kode­frie verktøy eller leie en lang­siktig AI-partner for å utnytte fordelene. Når de velger tredjeparts GenAI-løsninger, bør e-handelsledere prioritere faktorer utover prising og ROI, som skalerbarhet, ytelse, data­sikkerhet, leverandør­ekspertise og teknisk stakkompatibilitet. En tydelig forretnings­tilfelle og forventede resultater er avgjørende før de committerer seg til noen ny integrering.

Ta en inkrementell tilnærming

I 2024 evaluerte BCG-gruppen adopsjons­raten for topp e-handels GenAI-brukstilfeller; nemlig innholdsskapelse som blogger, produkt­beskrivelser og produkt­bildegodkjenning. Mer avanserte brukstilfeller inkluderer personlige produkt­anbefalinger, dynamisk prising og konkurranse­analyse. Familiariser team­medlemmene med systematiske tjenester før de prøver seg på mer komplekse oppgaver for å tilpasse seg nye prosesser uten problemer.

Detaljister bør oppmuntre sine e-handels­team til å utnytte ferdige GenAI-verktøy for å bli kjent med verktøyets muligheter. Enkle brukstilfeller og lav-til-ingen-kode-løsninger som produkt­beskrivelser og bilde­skapelse er utmerkede start­punkter, da de viser team­medlemmene mulige tidssparinger og hjelper dem til å tilpasse sine operasjoner til å inkludere hyppige validerings­kontroller. Introduser ukentlige eller to-ukentlige gjennomganger i de tidlige fasene for å måle verktøyets fremgang og tilpasse tilnærmingen underveis. Team­tilbakemelding og deltakelse vil være nøkkel til suksess.

Ettersom team­medlemmene blir mer kjent, kan detaljister introdusere nye brukstilfeller. Ingeniører kan strømlinje­utvikle med AI-kode­fullføring. Markedsførere kan introdusere AI-drevne personlige oppsalgs- og kryss­salgs­anbefalinger, og lojalitets­ledere kan bygge adaptive lojalitets­kampanjer basert på kunde­engasjements­nivå.

Skap en sikkerhets­først-kultur

Frakoblete systemer er svake lenker som kan føre til sikkerhets­svakheter, og GenAI har potensialet til å senke inngangs­barrieren for lav­kompetente trusler. Cyberkriminelle kan bruke GenAI til å bygge skript som kunne være funksjonelt skadelige hvis de brukes riktig, automatisere angrep og målrette bestemte svakheter. Detaljister bør sikte mot en solid data­grunnlag, strømlinje­arbeidsflyt og en vel­koblet nettverk av applikasjoner for å holde systemene trygge og enkle å overvåke.

Cyberkriminelle kan også bruke GenAI til å manipulere kunder gjennom svært overbevisende feil­innhold (dvs. sosial ingeniring og fiske). Derfor vil identitets­verifisering være enda mer kritisk i 2025. Flervalg autentisering, som å sende tidssensitive koder til bruker­enheter via SMS, e-post eller en dedikert autentiserings­app, vil hjelpe med å sikre kunde­lojalitets­programmer og handle­plattformer – spesielt der finansiell informasjon er lagret.

I tillegg må detaljister sikre at utviklere regelmessig oppdaterer programvare, programvare­biblioteker og systemer for å adressere svakheter og minimere angreps­overflater. Denne sikkerhets­bevisste, verifiser­først-mentaliteten bør filtreres gjennom hele organisasjonen. Ved å gjennomføre regelmessige sikkerhets­bevisst­treninger og simuleringer og oppmuntre ansatte til å rapportere mistenkte aktiviteter umiddelbart, kan detaljister bygge en sikkerhets­fokusert kultur.

AI-drevne overvåkings- og varslingssystemer, som avanserte endpoint­deteksjons- og respons­løsninger (EDR), kan også hjelpe detaljister å oppdage og mildne trusler i sanntid. Likevel er det viktig at alle ansatte er i vanen å verifisere at systemer, spesielt sikkerhets­programvare, fungerer som de skal.

Vær empatisk ved design

Den største årsaken til AI-mistriven er dens bruk i kunde­support­kanaler. Noen 53% av kundene ville vurdere å bytte til en konkurranse­utøver hvis de fant ut at et selskap skulle bruke AI til kunde­tjeneste.

Kunder frykter at GenAI vil bygge en større gap mellom dem og support­agenter. De ønsker å ha ro i sjelen om at deres problemer vil bli forstått og løst på best mulig måte, helst med ledere som har myndighet til å tilby komplementære gaver for deres problemer. Detaljister kan imidlertid bygge disse trinnene inn i sine automatiserte tjenester. Men det er likevel viktig å starte med enkle oppgaver først. Å gjøre FAQ og nett­informasjon mer tilgjengelig via konversasjons­chatboter er nyttige brukstilfeller.

I begynnelsen vil det være mer hånd­ter­ing på dekks å respondere på kunde­tilbakemelding, forvirring eller spørsmål som en proaktiv og velkommen buffert mens detaljister tilpasser seg GenAIens muligheter. Sanntids­tilbakemelding fra support­team vil hjelpe detaljister å forestille seg alle scenarier hvor oppgaver er for komplekse for GenAI-verktøy. I disse scenariene må chatboter dirigere kunder til en agent med en ventemelding, som: “Tilbud ikke hjelpsomt? Kontakt en agent” -knapp. Analyser denne tilbakemeldingen daglig til alle mulige vanlige spørsmål er besvart enkelt og automatisk.

Det er essensielt at alle oppgaver GenAI-verktøyene utfører, glidende transformerer til en agent­chat som tar opp der chatboten slapp hvis nødvendig. Det er også kritisk at kunde­tjeneste­agenter forblir en nøkkel­del av bruker­reisen, og spar dem for høy­verdi­oppgaver som å se på data og identifisere underliggende årsaker til gjentakende kunde­problemer. På denne måten har detaljister en basis for å foreslå løsninger og forhindre fremtidige problemer med automatiserte respons­kanaler.

Uansett om detaljister velger å adoptere GenAI eller ikke, vil konkurrenter, kunder og skadelige aktører. Å forberede team­medlemmene med enkle brukstilfeller, vil hjelpe dem å tilpasse seg nye måter å arbeide på og bedre forstå det nye potensielle truss­landskapet. Detaljister kan utnytte ferdige verktøy og prøve GenAI-prosjekter i en fase­vis tilnærming, bygge på team­medlemmenes kunnskap og ekspertise med mer avanserte algoritmer hver gang et prosjekt er fullført suksessfullt. Ved å automatisere de transaksjons­baserte oppgavene og holde et ekspert­team av menneskelige agenter, kan kunder nyte raskere tilgang til ønskede produkter og føle seg trygg på at det er en agent et steg unna hvis de trenger dem.