电商应用正如何从店面转变为一套系统

应用开发仍在很大程度上沿用过时的流程：先设计、开发、上线，随后再交接出去，由另一套工具负责分析、个性化和后续营销活动。然而，如今人工智能正彻底改变应用能为顾客做什么，也改变着这对企业意味着什么。

对许多品牌而言，从采用人工智能到真正从中受益，还有很长的路要走。人工智能正在压缩应用的构建周期，缩短数据与决策之间的距离，也在改变应用本身的含义。

是时候不再把应用视为适配移动设备的店面，而是将其视为一个不断演进的系统，为购物者打造直观、个性化且响应迅速的体验了。下面来看看这种转变在实践中是什么样子，以及它对负责管理这一切的团队意味着什么。

认识人工智能在创建环节中的作用

从构想到最终完成应用，通常要经历多次交接：先有品牌构想，再由设计方案获批，随后开发人员将其转化为代码，接着进行质量保证测试和原型制作，最后上线。然而，每一次交接都会耗费宝贵时间，而且原始意图被遗漏或误解的可能性也在不断增加。

人工智能正成为创建环节中重要的一部分。人工智能采用率超过 50%的组织表示，在开发早期阶段的工作中，节省的时间更多。某些任务中的效果尤为明显，例如收集需求、撰写用户故事和构思创意。而这些恰恰是上游工作，可能需要数周、甚至数月，之后才能开始构建第一个界面。人工智能还为开发人员腾出了宝贵时间，让他们能够专注于功能和逻辑，而不是重复性的实现工作。

创意、定制功能和逻辑不必再因为需要漫长等待才能判断一个想法是否值得推进而停滞不前。人工智能代理让人们得以开展“氛围式工作”：没有深厚技术训练的人也能亲自快速试验、构建并测试想法。人工智能系统可以根据 Figma 设计稿生成相匹配的布局和组件，因此每次迭代都不再需要手动重建整个设计流程。这并不能取代受过专业训练的开发人员在架构设计或运营需求方面所作的判断，但确实意味着更少的想法需要等到进入开发阶段后，才能判断是否值得推进。

设计和工程团队可以腾出时间和精力，投入应用中较难标准化的部分，例如结账逻辑、集成、品牌专属功能和个性化。这意味着不再把精力都花在常规的实现工作上，也就是将获批的布局转化为可用组件。

人工智能不只是又一项分析功能

应用上线后，更棘手的问题通常在于组织和运营，而非纯粹的技术问题。性能数据、营销活动工具和客户信息往往分散在不同系统中，团队必须在这些系统之间来回切换，才能了解发生了什么，并决定接下来该采取什么行动。

人工智能对于弥合这一差距正变得愈发重要。根据德勤近期的一份报告，60% 的高管如今经常使用人工智能辅助决策。人工智能可以帮助商家迅速抓住重点，不仅能探究转化率为何下滑或预测下季度收入，还能根据这些洞察采取行动。缩短从洞察到行动的间隔，对于跟上瞬息万变的市场和客户需求至关重要。比如，可以据此创建购物车遗弃营销活动，或把握重新吸引客户的机会。洞察与执行不再是分别通过不同工具处理的两个独立步骤；人工智能在其中的作用也不再局限于汇报已发生的情况，而是开始积极影响决策及后续行动。

不过，能够使用并不意味着实际使用。在采用人工智能代理的公司中，68% 的公司表示，每天工作中会与代理互动的员工占一半或更少。从广泛采用走向真正融入日常工作、发挥实用价值并赋能决策，需要周密考虑和充分准备。

每位购物者都应获得个性化体验

大多数移动电商应用往往为所有访客展示几乎相同的首页，之后再通过推荐组件叠加个性化内容。人工智能正推动个性化更早发生：从购物者打开应用的那一刻起，就影响他们看到的内容，而不只是等他们开始浏览后再向其推送内容。

BCG 关于客户体验的研究指出，品牌已无法再完全掌控客户旅程，尽管消费者可能仍会以品牌能够掌控整个旅程为前提来评价品牌。这使得千篇一律或前后脱节的应用内体验，比以往更容易带来负面影响。

其背后的机制是，用户的行为信号——例如他们浏览过什么、放弃了什么，或之前买过什么——如今可以实时影响应用的布局和内容，而无需向应用商店推送新版本。回头客如果购物车里还留着商品，就不必像首次访问的用户一样看到相同的通用横幅。这与决定向某个细分群体展示哪条横幅是不同的设计问题，也意味着产品和设计团队需要规划能够根据用户调整的界面，而不是让界面作为固定店面的一部分保持静态。

展望未来

电商应用不是一次交付后便固定不变的产品，而是需要持续构建、运营和完善的系统。人工智能参与其中的每个阶段：将设计转化为可运行的应用体验，推动团队从洞察走向行动，并根据每位购物者使用应用时的体验作出调整。这些应用方式各不相同，但都指向同一个目标：借助人工智能打造、运营并个性化适配应用，使其成为一个能够不断调整的系统。

不要把人工智能视为后来叠加的一项功能。它正逐渐成为电商应用体验背后基础设施的重要组成部分，这改变了应用的管理方式，也改变了扩大规模前需要采取的步骤。

实现人工智能自动化之前，必须先做好数据准备。瓶颈往往在底层数据，而不在于加入工作流程的人工智能。希望扩大智能体驱动部署规模的技术负责人和团队，应先审查自己的数据架构。

在扩大自主运行范围之前，必须建立治理机制。即便在广泛采用智能体的公司，智能体在日常使用中的情况仍然参差不齐，因此，明确哪些决策可以由系统在无人监督的情况下作出，哪些需要人工审核，是不可或缺的第一步。

只有将设计和开发节省下来的时间用于战略性工作，这种节省才有价值。如果人工智能承担了应用构建中的常规工作，那么新增的产能只有在团队制定了明确的投入计划时才真正有用，例如将其用于定制逻辑和集成。

个性化策略需要从决定向特定细分群体展示哪条横幅，转向设计能够让每位访客感受到不同体验、看到不同界面的会话。这对设计系统和质量保证流程有重大影响，它们都需要能够适应多种变化。

而且，应用并不只是客户看到的界面。对技术负责人而言，关注点正从界面本身转向其背后的技术能够创建、理解和调整什么。人工智能正同时进入所有这些环节，缩短应用的构建过程，打通数据与决策，并让店面能够根据使用者作出响应，而不再向所有人展示相同的内容。

不过，这并不意味着可以在决策过程中排除人的判断，无论是在治理方面，还是在确定哪些决策确实应由系统作出方面。尽管如此，由三个不同团队分别负责构建、发布和优化这三个独立阶段的模式，正逐渐让位于一种更简洁、更紧密衔接的模式。未来的关键不在于发布一个已经完成的应用，而在于将其视为一个需要持续管理、不断演进的系统。