零售商，请在进行2025年GenAI投资之前学习这4个教训

Forrester 预测 五分之一 的美国和欧洲、中东和非洲地区的零售商将在 2025 年推出面向客户的 GenAI 应用。增强的产品搜索、个性化推荐和改进的类别导航是最常见的用例。那么，为什么自动化交互导致美国的客户体验评分在 2023 年 下降了 5%，这是 2015 年以来最低的水平，零售商可以从中吸取什么教训，以便在进行 GenAI 投资之前学习？

2023 年 KPMG 报告强调，未能满足客户的期望是体验评分下降的原因，过度使用缺乏战略利益的技术是主要原因。在对 50 位 Fortune 500 企业的 CIO 和 CTO 进行了关于他们的 GenAI 项目的调查后，发现大多数人认为他们的试点技术解决了错误的业务需求。

当我们进入 2025 年时，零售商必须优先考虑以客户为中心的 GenAI 战略。与其将最新的技术作为一种“nice-to-have”的东西，不如从业务需求出发。零售商应该审查他们的客户旅程，找出需要改进的地方，并构建或采用符合他们用例的解决方案，而不是相反。以下是四个零售商在使用 GenAI 提升用户体验（UX）的过程中需要考虑的教训。

确保业务-数据-AI 协同

RAND 研究人员在 2024 年发现，80% 的 AI 项目 因为五个关键领域而失败：目标不一致、数据不足、技术优先、基础设施差距和过于雄心勃勃的 AI。

零售商需要一个坚实的数据基础和专业知识来构建所需的算法，并成功地进行 GenAI 投资。他们应该问自己，“如何确保有足够的数据来满足解决方案的需求？其中有多少数据是专有的？” 成功的 GenAI 项目取决于高质量、相关的信息。组织拥有的独特数据格式越多，解决方案就需要越可定制。

第三个问题是，“为了有效地利用 GenAI，需要什么样的人才池和运营结构的变化？” 了解提高技能的水平、动机、成本和时间，将帮助零售商决定在内部构建、定制或管理解决方案的投资回报率（ROI）。

今天，非技术专家可以使用无代码工具或雇用长期的 AI 合作伙伴来利用 GenAI 的优势。在选择第三方 GenAI 解决方案时，电子商务高管应该优先考虑超越价格和 ROI 的因素，例如可扩展性、性能、数据安全、供应商专业知识和技术栈兼容性。清晰的商业案例和预期结果在提交任何新集成之前至关重要。

采取增量式方法

2024 年，BCG 集团评估了顶级电子商务 GenAI 用例的采用率，特别是内容创作，例如博客、产品描述和产品图像补充。更高级的用例包括个性化产品推荐、动态定价和竞争对手分析。让团队成员熟悉系统服务，然后再尝试更复杂的任务，以便无缝地适应新流程。

零售商应该鼓励他们的电子商务团队利用开箱即用的 GenAI 工具来熟悉工具的功能。简单的用例和低代码解决方案，例如产品描述和图像创建，是很好的起点，因为它们可以让团队成员看到可能的时间节省，并帮助他们调整操作以包含频繁的验证检查。在早期阶段引入每周或每两周的审查，以衡量工具的进度并在此过程中调整方法。团队的反馈和参与将是成功的关键。

随着团队成员变得更加熟悉，零售商可以引入新的用例。工程师可以使用 AI 代码完成辅助工具来简化开发。营销人员可以引入 AI 驱动的个性化销售和交叉销售推荐，而忠诚度经理可以根据客户的参与度建立自适应的忠诚度活动。

创建安全第一的文化

断开的系统是弱点，可能导致安全漏洞，GenAI 有可能降低低技能威胁的门槛。黑客可以使用 GenAI 构建可能被用来自动化攻击和针对特定漏洞的脚本。零售商应该努力实现坚实的数据基础、简化的工作流程和应用程序的紧密网络，以便保持系统的安全和易于监控。

黑客还可能使用 GenAI 来操纵消费者，制造出非常令人信服的虚假内容（例如社交工程和钓鱼）。因此，身份验证将在 2025 年变得更加重要。多因素 身份验证，例如通过 SMS、电子邮件或专用身份验证应用程序向用户设备发送时间敏感的代码，可以帮助保护客户忠诚度计划和购物平台，特别是那些保存了财务信息的地方。

此外，零售商必须确保开发人员定期更新软件、软件库和系统，以解决漏洞并最小化攻击面。这种安全意识、先验证的思维方式应该贯穿整个组织。通过定期进行安全意识培训和模拟，并鼓励员工及时报告可疑活动，零售商可以建立一个安全为先的文化。

AI 驱动的监控和警报系统，例如高级端点检测和响应（EDR）解决方案，也可以帮助零售商实时检测和缓解威胁。即使如此，确保所有员工都养成验证系统（尤其是网络安全软件）是否按预期工作的习惯也很重要。

以同理心为设计

AI 在客户支持渠道中的使用是 AI 不被信任的最大原因。有些 53% 的客户 如果发现一家公司将使用 AI 进行客户服务，他们会考虑切换到竞争对手。

客户担心 GenAI 会在他们和支持代理之间制造更大的鸿沟。他们希望得到安心的保证，即他们的问题将被理解并以最佳方式解决，理想情况下是由有权提供赠品以解决问题的经理来解决。然而，零售商可以将这些步骤构建到他们的自动化服务中。但是，首先从简单的任务开始仍然很重要。使 FAQ 和在线信息更容易通过对话式聊天机器人访问是有用的用例。

一开始，更多的人手来响应客户反馈、困惑或询问将是一个积极和受欢迎的缓冲区，因为零售商适应 GenAI 的功能。支持团队的实时反馈将帮助零售商想象出所有任务对于 GenAI 工具来说过于复杂的情景。在这些情景中，聊天机器人必须将客户引导到一个带有等待消息的代理，例如：“不帮助？联系代理”按钮。分析此反馈，直到所有可能的常见查询都简单且自动回答。

对于 GenAI 工具承担的所有任务，必须能够无缝地转变为代理聊天，代理聊天可以在必要时从聊天机器人停止的地方继续。同时，客户服务代理仍然是用户旅程的关键部分，保留他们用于高价值任务，例如观看数据并找出客户问题的根本原因。这样，零售商就有了提出解决方案和防止未来问题的基础，使用自动化响应渠道。

无论零售商是否选择采用 GenAI，竞争对手、客户和恶意行为者都会这样做。让团队成员使用简单的用例可以帮助他们适应新的工作方式，并更好地了解新的潜在威胁。零售商可以利用开箱即用的工具，并以分阶段的方式进行 GenAI 项目试验，随着每个项目的成功完成，逐步建立团队的知识和专业技能，并使用更高级的算法。通过自动化交易任务并保留一支专家团队的人类代理，客户可以享受更快速的访问所需产品，并且可以放心地知道，如果需要，他们可以随时联系代理。