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

Forrester forutsier en av fem detaljhandlere i USA og EMEA vil lansere kundeorienterte GenAI-applikasjoner i 2025. Forbedret produkt­søk, tilpassede anbefalinger og forbedret kategori­navigasjon er topp brukstilfeller. Hvorfor førte automatiserte interaksjoner til at kunde­opplevelsen i USA falt med 5% i 2023 – det laveste siden 2015 – og hva kan detaljhandlere lære av dette før de gjør sine GenAI-investeringer?

KPMG-rapporten fra 2023 fremhever manglende evne til å møte kundenes forventninger som årsaken til nedgangen, med over­bruk av teknologi som manglet strategisk nytte for kjøperne. Av 50 CIO-er og CTO-er i Fortune 500-foretak som ble spurt om sine GenAI-prosjekter, fant de fleste at deres pilot­teknologi adresserte feil forretningsbehov.

Da vi går inn i 2025, må detaljhandlere prioritere kunde­sentriske GenAI-strategier. I stedet for å adoptere den nyeste teknologien som et nyttesløst tiltak, må de se på forretningsbehovene. Detaljhandlere bør gjennomgå sine kunde­reiser, identifisere rom for forbedring og bygge eller adoptere løsninger som passer deres brukstilfelle, ikke motsatt. Her er fire leksjoner for detaljhandlere å vurdere på sin 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, infra­struktur­gapper og over­ambisiøse AI.

Detaljhandlere 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 avhengig av høy­kvalitets-, relevante opplysninger. Jo flere unike data­formatene organisasjonen har, jo mer tilpasset må løsningen være.

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

I dag kan ikke-tekniske eksperter arbeide med kode­løse 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 teknologi­stakk-kompatibilitet. En tydelig forretnings­tilfelle og forventede resultater er avgjørende før de begynner å investere i noen nye integrasjoner.

Ta en inkrementell tilnærming

I 2024 evaluerte BCG Group adopsjons­raten for topp e-handels GenAI-brukstilfeller; nemlig innhold­s­skapelse som blogger, produkt­beskrivelser og produkt­bildegjennomføring. Mer avanserte brukstilfeller inkluderer tilpassede 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.

Detaljhandlere bør oppmuntre sine e-handels­team til å utnytte GenAI-verktøy uten kode 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 tid­s­besparelser, samt hjelper dem til å tilpasse sine operasjoner for å inkludere hyppige validerings­kontroller. Introduser ukentlige eller to-ukentlige gjennomganger i de tidlige fasene for å måle verktøyets fremgang og justere tilnærmingene underveis. Team­tilbakemelding og deltakelse vil være nøkkel til suksess.

Da team­medlemmene blir mer kjent, kan detaljhandlere introdusere nye brukstilfeller. Ingeniører kan strømlinje­utviklingen med AI-kode­fullføring. Markedsførere kan introdusere AI-drevne tilpassede 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 sikkerhets­sårbarheter, og GenAI har potensialet til å senke inngangs­barrieren for lav­kvalifiserte trusler. Cyberkriminelle kan bruke GenAI til å bygge skript som kan være funksjonelt skadelige hvis de brukes riktig, automatisere angrep og målrette bestemte sårbarheter. Detaljhandlere bør strebe etter en solid data­grunnlag, strømlinje­operasjoner og en vel­koblet nettverk av applikasjoner for å holde sine systemer trygge og enkle å overvåke.

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

I tillegg må detaljhandlere sikre at utviklere regelmessig oppdaterer programvare, program­biblioteker og systemer for å håndtere sårbarheter og minimere angreps­overflater. Denne sikkerhets­bevisste, verifiser­først-mentaliteten bør filtreres gjennom hele organisasjonen. Ved å gjennomføre regelmessige sikkerhets­bevissthetstrenings­øvelser og simuleringer og oppmuntre ansatte til å rapportere mistenkelige aktiviteter umiddelbart, kan detaljhandlere bygge en sikkerhets­fokusert kultur.

AI-drevne overvåkings- og varslingssystemer, som avanserte endpoint-oppdagelse og respons­løsninger, kan også hjelpe detaljhandlere å oppdage og mildne trusler i sanntid. Likevel er det viktig at alle ansatte er i vanen å verifisere at systemer, spesielt cyber­sikkerhets­programvare, fungerer som de skal.

Vær empatisk ved design

Den største årsaken til AI-mistrøst er dets bruk i kunde­støtte­kanaler. 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 kløft mellom dem og støtte­agenter. De ønsker å ha ro i sinnet 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. Likevel kan detaljhandlere bygge disse stegene inn i sine automatiserte tjenester. Men det er likevel viktig å starte med enkle oppgaver først. Å gjøre FAQs og nett­informasjon mer tilgjengelig via konversasjons­chatboter er nyttige brukstilfeller.

I begynnelsen vil det være mer hånd­ter­ing på dekning for å svare på kunde­tilbakemelding, forvirring eller spørsmål som en proaktiv og velkommen buffert mens detaljhandlere tilpasser seg GenAI-s muligheter. Sanntids­tilbakemelding fra støtte­team vil hjelpe detaljhandlere 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 ventende melding, som f.eks.: “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, transformerer sømløst til en agent­chat som tar over der chatboten slutter hvis nødvendig. Det er også kritisk at kunde­tjeneste­agenter forblir en nøkkel­del av bruker­reisen, og sparer dem for høy­verdi­oppgaver som å overvåke data og identifisere underliggende årsaker til gjentakende kunde­problemer. På denne måten har detaljhandlere en basis for å foreslå løsninger og forhindre fremtidige problemer med automatiserte respons­kanaler.

Uansett om detaljhandlere velger å adoptere GenAI eller ikke, vil konkurrenter, kunder og skadelige aktører. Å forberede team­medlemmene med enkle brukstilfeller vil hjelpe dem til å tilpasse seg nye måter å arbeide på og bedre forstå det nye truss­landskapet. Detaljhandlere 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 transaksjonelle oppgavene og holde et ekspert­team av menneskelige agenter, kan kunder nyte raskere tilgang til ønskede produkter og føle seg trygge i at det er en agent et telefon­oppring unna hvis de trenger dem.