Detaljhandlare, lära dig dessa 4 lektioner innan du gör dina 2025 GenAI-investeringar

Forrester förutspår att en av fem detaljhandlare i USA och EMEA kommer att lansera kundfacing GenAI-applikationer 2025. Förbättrad produktsökning, personliga rekommendationer och förbättrad kategorinavigering är toppanvändningsfall. Varför orsakade då automatiserade interaktioner att kundupplevelsepoängen i USA minskade med 5% 2023 – den lägsta sedan 2015 – och vad kan detaljhandlare lära sig av detta innan de gör sina GenAI-investeringar?

2023 års KPMG-rapport betonar att misslyckandet att möta kundernas förväntningar är orsaken till minskningen, med överanvändning av teknologi som saknade strategisk nytta för shoppare. Av 50 CIO:er och CTO:er i Fortune 500-företag som tillfrågades om sina GenAI-projekt fann de flesta att deras pilotteknologi tillgodosåg fel affärsbehov.

När vi går in i 2025 måste detaljhandlare prioritera kundcentrerade GenAI-strategier. Istället för att anta den senaste tekniken som en bra-att-ha, titta på affärsbehoven. Detaljhandlare bör granska sina kundresor, identifiera utrymmet för förbättring och bygga eller anta lösningar som passar deras användningsfall, inte tvärtom. Här är fyra lektioner för detaljhandlare att överväga på sin resa för att höja användarupplevelsen (UX) med GenAI.

Säkerställ affärsdata-AI-synergi

RAND-forskare fann 2024 att 80% av AI-projekt misslyckas på grund av fem nyckelområden: felaktigt utformade mål, dataunderskott, tekniktillvägagångssätt, infrastrukturgap och alltför ambitiösa AI.

Detaljhandlare kräver en solid datagrund och expertis för att bygga de erforderliga algoritmerna och lyckas med sina GenAI-investeringar. De bör fråga sig själva: “Hur kan vi säkerställa tillräcklig data tillgänglighet för att möta lösningens krav? Och hur mycket av denna data är proprietär?” Framgångsrika GenAI-projekt är beroende av högkvalitativ, relevant information. Ju fler unika dataformat organisationen har, desto mer anpassningsbar måste lösningen vara.

En tredje fråga att ställa är: “Vilken specifik talangpool och operativ struktur förändringar behövs för att utnyttja GenAI effektivt?” Att förstå nivån på vidareutbildning, liksom motivation, kostnader och tid, kommer att hjälpa detaljhandlare att bestämma avkastningen på investeringen (ROI) för att bygga, anpassa eller hantera lösningar internt.

Idag kan icke-tekniska experter arbeta med kodfria verktyg eller anställa en långsiktig AI-partner för att utnyttja fördelarna. När de väljer tredjeparts GenAI-lösningar bör e-handelschefer prioritera faktorer utöver prissättning och ROI, såsom skalbarhet, prestanda, datasäkerhet, leverantörsexpertis och teknikstack-kompatibilitet. Ett tydligt affärsfall och förväntade resultat är avgörande innan man åtar sig någon ny integration.

Anta en inkrementell strategi

2024 utvärderade BCG Group antagandehastigheten för de topp e-handels GenAI användningsfall; nämligen innehållsskapande som bloggar, produktsbeskrivningar och produktsbildsupplement. Mer avancerade användningsfall inkluderar personliga produktsrekommendationer, dynamisk prissättning och konkurrentanalys. Bekanta teammedlemmar med systematiska tjänster innan du provar mer komplexa uppgifter för att anpassa dig smidigt till nya processer.

Detaljhandlare bör uppmuntra sina e-handelsteam att utnyttja färdiga GenAI-verktyg för att bekanta sig med verktygets funktioner. Enkla användningsfall och låg-kodlösningar som produktsbeskrivningar och bildskapande är utmärkta startpunkter eftersom de visar teammedlemmarna den möjliga tidsbesparingen, samt hjälper dem att anpassa sina operationer för att inkludera frekventa valideringskontroller. Inför veckovisa eller tvåveckorsgranskningar i de tidiga skedena för att mäta verktygets framsteg och justera tillvägagångssättet längs vägen. Teammedlemmarnas feedback och deltagande kommer att vara avgörande för framgång.

När teammedlemmarna blir mer bekanta kan detaljhandlare införa nya användningsfall. Ingenjörer kan strömlinjeforma utvecklingen med AI-kodkomplettering. Marknadsförare kan införa AI-drivna personliga upselling- och cross-selling-rekommendationer, och lojalitetschefer kan bygga anpassade lojalitets kampanjer baserat på kundengagemangsnivå.

Skapa en säkerhetsförst kultur

Frånkopplade system är svaga länkar som kan leda till säkerhetsrisker, och GenAI har potentialen att sänka inträdesbarriären för lågkvalificerade hot. Cyberkriminella kan använda GenAI för att bygga skript som kan vara funktionellt skadliga om de används korrekt, automatisera attacker och rikta in sig på specifika sårbarheter. Detaljhandlare bör sikta på en solid datagrund, strömlinjeformade arbetsflöden och en välansluten nätverk av applikationer för att hålla sina system säkra och lätta att övervaka.

Cyberkriminella kan också använda GenAI för att manipulera konsumenter genom högt övertygande falskt innehåll (dvs. social ingenjörskonst och phishing). Därför kommer identitetsverifiering att vara ännu viktigare 2025. Multifaktor autentisering, såsom att skicka tidskänsliga koder till användarens enheter via SMS, e-post eller en dedikerad autentiseringsapp, kommer att hjälpa till att säkra kundlojalitetsprogram och shoppingplattformar – särskilt där finansiell information sparas.

Dessutom måste detaljhandlare se till att utvecklare regelbundet uppdaterar programvara, programvarubibliotek och system för att åtgärda sårbarheter och minimera angreppsytor. Denna säkerhetsmedvetna, verifiera-först-mentalitet bör filtreras genom hela organisationen. Genom att genomföra regelbunden säkerhetsmedvetenhetsträning och simuleringar och uppmuntra anställda att rapportera misstänkta aktiviteter omedelbart kan detaljhandlare bygga en säkerhetsfokuserad kultur.

AI-drivna övervaknings- och varningssystem, såsom avancerade endpoint-detektions- och responslösningar (EDR), kan också hjälpa detaljhandlare att upptäcka och mildra hot i realtid. Ändå är det viktigt att alla anställda har för vana att verifiera att system, särskilt cybersäkerhetsprogramvara, fungerar som de ska.

Va empattisk genom design

Den största orsaken till AI-misstro är dess användning i kundsupportkanaler. Vissa 53% av kunderna skulle överväga att byta till en konkurrent om de upptäckte att ett företag tänkte använda AI för kundtjänst.

Kunder fruktar att GenAI kommer att bygga en bredare klyfta mellan dem och supportagenter. De vill ha lugn och ro att deras problem kommer att förstås och lösas på bästa möjliga sätt, helst med chefer som har befogenhet att erbjuda kompletterande gåvor för deras besvär. Men detaljhandlare kan bygga in dessa steg i sina automatiserade tjänster. Det är dock fortfarande viktigt att börja med enkla uppgifter först. Att göra FAQs och onlineinformation mer tillgängliga via konversationschatbotar är användbara användningsfall.

I början kommer fler händer ombord att svara på kundfeedback, förvirring eller frågor att vara en proaktiv och välkommen buffert när detaljhandlare anpassar sig till GenAI: s förmågor. Realtidsfeedback från supportteam kommer att hjälpa detaljhandlare att föreställa sig alla scenarier där uppgifter är för komplexa för GenAI-verktyg. I dessa scenarier måste chatbotar dirigera kunder till en agent med ett väntemeddelande, såsom: “Erbjudande inte hjälpsamt? Kontakta en agent” -knapp. Analysera denna feedback dagligen tills alla möjliga vanliga frågor besvaras enkelt och automatiskt.

Det är avgörande att alla uppgifter som GenAI-verktyg utför omvandlas smidigt till en agentchatt som tar över där chatboten slutade om det behövs. Det är också avgörande att kundtjänstagenterna förblir en viktig del av användarresan, sparar dem för högvärdiga uppgifter som att titta på data och identifiera underliggande orsaker till återkommande kundproblem. På detta sätt har detaljhandlare en grund för att föreslå lösningar och förhindra framtida problem med automatiserade svarskanaler.

Antingen detaljhandlare väljer att anta GenAI eller inte, konkurrenter, kunder och skadliga aktörer kommer att göra det. Att förbereda teammedlemmarna med enkla användningsfall kommer att hjälpa dem att anpassa sig till nya sätt att arbeta och bättre förstå den nya hotbilden. Detaljhandlare kan utnyttja färdiga verktyg och prova GenAI-projekt i en fasad approach, bygga på deras teams kunskap och expertis med mer avancerade algoritmer varje gång ett projekt slutförs framgångsrikt. Genom att automatisera de transaktionsmässiga uppgifterna och behålla ett expertteam av mänskliga agenter kan kunder njuta av snabbare tillgång till önskade produkter och känna sig trygga med att det finns en agent ett samtal bort om de behöver dem.