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主要的用例。那么，为什么自动化交互会导致美国的客户体验评分在2023年下降了5%，这是自2015年以来最低的水平，零售商在进行GenAI投资之前可以从中吸取什么教训？

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，过度使用技术而没有为购物者带来战略性益处。对于50位在Fortune 500企业中担任CIO和CTO的专业人士，他们的GenAI项目大多发现，试点技术解决了错误的业务需求。

随着我们进入2025年，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“好有”来采用，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提升用户体验（UX）时可以考虑的教训。

确保业务数据AI协同

RAND研究人员在2024年发现，80%的AI项目由于五个关键领域而失败：目标不一致、数据不足、技术优先、基础设施缺陷和AI过度雄心。

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，“我们如何确保有足够的数据可用性来满足解决方案的需求？这些数据中有多少是专有的？”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，需要什么样的人才库和运营结构变化？”了解提升技能的水平以及动机、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）。

目前，非技术专家可以使用无代码工具或长期聘请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定价和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。在提交任何新集成之前，明确的商业案例和预期结果至关重要。

采取渐进式方法

2024年，BCG集团评估了顶级电子商务GenAI用例的采用率，例如内容创作，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，以便无缝地适应新的流程。

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，因为它们向团队成员展示了可能的时间节省，并帮助他们调整操作以包括频繁的验证检查。在早期阶段引入每周或每两周的审查，以衡量工具的进展并在此过程中调整方法。团队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代码完成辅助功能来简化开发。营销人员可以引入AI驱动的个性化促销和交叉销售推荐，而忠诚度经理可以根据客户参与度建立自适应忠诚度活动。

创建安全第一文化

断开的系统是弱点，可以导致安全漏洞，GenAI有可能降低低技能威胁的门槛。网络攻击者可以使用GenAI构建脚本，如果使用正确，可以具有恶意功能，自动化攻击并针对特定的漏洞。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良好连接网络，以便保持系统的安全性和易于监控。

网络攻击者还可能使用GenAI来操纵消费者，通过非常令人信服的虚假内容（例如社会工程和钓鱼）。因此，身份验证将在2025年变得更加关键。多因素身份验证，例如通过短信、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——尤其是在保存金融信息的地方。

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专注的文化。

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。然而，所有员工都应养成验证系统（尤其是网络安全软件）是否按预期工作的习惯。

以同理心为设计

AI被用于客户支持渠道，这是最大的不信任原因。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。他们希望得到保证，他们的问题将被理解和以最佳方式解决，理想情况下是由有权提供赠品的经理来解决。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是很重要的。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。

在开始时，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，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所有任务过于复杂的GenAI工具的场景。在这些场景中，聊天机器人必须将客户引导到一个带有“未帮助？联系代理”按钮的代理。分析每天的反馈，直到所有可能的常见查询都简单、自动地回答。

对于GenAI工具承担的所有任务，必须无缝地转化为代理聊天，并在聊天机器人离开的地方继续。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，例如监视数据并识别客户问题的根本原因。这使零售商能够提出解决方案并防止自动响应渠道中的未来问题。

无论零售商是否采用GenAI，竞争对手、客户和恶意行为者都会这样做。让团队成员通过简单的用例来适应新的工作方式，将帮助他们更好地理解新的威胁格局。零售商可以利用开箱即用的工具，并以分阶段的方式试用GenAI项目，在每个项目成功完成时建立在他们的团队的知识和专业知识之上，并使用更高级的算法。通过自动化事务性任务并保持一支专家人工代理团队，客户可以更快地访问所需的产品，并且可以放心地知道如果他们需要帮助，有一个代理可以随时联系n their teams’ knowledge and expertise with more advanced algorithms each time a project is fulfilled successfully. By automating the transactional tasks and keeping an expert team of human agents, customers can enjoy quicker access to desired products and feel reassured there is an agent a call away if they need them.