生成式 AI 如何改变零售业

主流零售商都在尝试使用生成式 AI，以期待能够解决行业中一些重大问题。自从 Richard Sears 将他的马匹和马车安置在马厩并开始开设实体商店以来，这些问题就已经存在。他们开始使用生成式 AI 来创建产品摘要和其他网站内容，对来自客户和员工的提示生成对话响应，打造个性化营销，甚至还总结了客户反馈，以助力商品销售和产品创新。

然而，许多尝试使用生成式 AI 的企业都获得了令人失望的结果。这并不是因为技术本身存在缺陷，而是因为生成式 AI 一旦停止训练，就会停止学习。通常，这会导致所谓的“幻觉”，即生成式 AI 模型会生成不准确或存在误导性的结果。零售商开始使用检索增强生成 (RAG) 及其他技术，为模型提供与每个提示更相关的信息，使其能够更准确地响应员工和客户的查询。

请继续阅读，深入了解零售商如何克服早期的生成式 AI 障碍，并通过开创性的应用取得成功。

什么是生成式 AI？

生成式 AI 是人工智能 (AI) 的一个子集，能够理解简单的语言提示或问题，并通过文本或图像做出响应。生成式 AI 还能够摄取大量数据并生成该内容的摘要，以及阐释数据并提出推荐方案。

关键要点

• 生成式 AI 能够帮助零售商从订单历史记录中更好地了解客户，从而针对客户提出的问题做出更有帮助的回应，并创建个性化的购物清单。
• 零售商能够使用生成式 AI 来生成网店、产品目录和货架展示中的产品说明，以及博客文章和个性化营销电子邮件等内容。
• 零售商正在使用生成式 AI 将“社交倾听”提升到新高度，汇总了各种来源的客户反馈，包括社交媒体、产品测评网站和呼叫中心记录，从而创建有效的反馈循环。
• 零售商正在将生成式 AI 驱动的聊天机器人嵌入采购流程中，从而降低货物成本并腾出劳动力。
• 大型零售连锁店正在使用生成式 AI 来创建沉浸式和交互式的培训视频。

生成式 AI 将如何改变零售业？

生成式 AI 可帮助零售商尽可能地提高现有客户的销售和利润率，进而改变整个行业。该技术甚至还可以扭转数十年来不断下降的客户忠诚度趋势，帮助零售商提供令人出乎意料的优质客户服务。例如，生成式 AI 可帮助零售商实现以下目标：

• 优化展示。零售商可以结合使用智能显示设备、销售数据的传统 AI 分析和生成式 AI 的对话功能，生成更具吸引力的促销文案和设计元素，从而提高实体店的产品展示效果。
• 改善店内客户服务。并非所有员工都具有与生俱来的能力，能够与到店的客户建立关系，但任何员工都可以通过手中的平板电脑获得生成式 AI 的帮助。该工具可以快速帮助员工引导客户找到他们正在寻找的特定产品，并向客户推荐他们可能感兴趣的相关产品。生成式 AI 甚至还可以提示员工，帮助员工认识客户或了解客户希望实现什么目标，从而开拓更多交叉销售机会。例如，在五金店购买某种内墙漆的客户可能也会购买适合此类油漆的漆刷。
• 整合和汇总反馈。零售商可以使用生成式 AI 来汇总和解释来自各种内部和第三方来源的客户反馈，包括社交媒体网站、呼叫中心和聊天记录以及线上评价，然后根据数百或数千条评价和建议创建简洁的摘要。这些摘要可以让管理层更好地了解实体店和网店的绩效，特别是客户对服务质量、产品选择的广度和深度以及产品是否满足客户期望这几方面的满意度。
• 个性化购物体验。由于生成式 AI 可以快速创建任意数量的优惠和营销通信内容，零售商可以使用生成式 AI 针对每个客户而不是某个分类创建量身定制的信息。生成式 AI 还可以分析浏览历史记录、购买行为和偏好，以创建高度个性化的购物体验。通过了解客户的个人偏好和行为，零售商可以打造个性化的产品推荐、促销和营销活动，从而提高客户满意度和忠诚度。零售商还可以结合使用生成式 AI 和 RAG 或其他方式来提供更新的数据，实现更加个性化的售后服务。如此一来，零售商就可以帮助客户从自己购买的产品中获得更多优势，使退货流程更加顺畅，甚至还能够收集更多关于客户体验的反馈，让他们更可能成为回头客。

生成式 AI 能够带给零售业的优势

生成式 AI 为零售商在运营、客户服务等方面提供了多重优势，详情如下。

提升运营和成本效率

零售商的利润空间往往很小，因此哪怕运营效率只提高了一丁点，都可能大大改善盈利能力。例如，零售商可以使用生成式 AI 来替代或增强线上和电话客服座席，从而减少客服人员需要花在帮助客户完成退货或换货等固定任务上的时间。某家零售商通过使用由生成式 AI 提供支持的聊天机器人，并结合传统分析和第三方市场数据，通过线上门户与设备供应商进行合同谈判，成功将采购成本降低了 3%。其他零售商也表示，他们使用内置生成式 AI 的培训视频引导受训人员完成多种互动场景，以此提高员工的生产力，并减少成本高昂的人员流失问题。

提高客户忠诚度

近几十年来，零售品牌的客户忠诚度一直在下降。因此，零售商需要比以往更加努力地留住客户。

生成式 AI 是一种宝贵的工具，可帮助零售商利用每个客户的数据，从而大规模地发布具有高度针对性的电子邮件及其他营销材料，而这些仅靠纯人工是不可能实现的。其中的工作原理是，由生成式 AI 对汇总的购物历史、社交媒体帖子和其他第三方数据进行分类，以确定哪些营销信息更可能吸引特定的购物者。这些营销信息是个性化而不是群发的，有助于减少品牌疲劳，提高内容的相关性，进而提高客户忠诚度。

改善客户体验

大多数零售商不仅面临着高员工流失率的困扰，而且还必须提供季节性帮助，这意味着他们始终都在管理大量缺乏机构知识的新员工。生成式 AI 可以为这些员工生成产品功能和行走路线的摘要，帮助员工做好门店客户的导购服务。生成式 AI 除了支持交互式客服聊天机器人之外，还可以为呼叫中心座席显示客户历史记录和产品信息。

零售商还可以使用生成式 AI 以两种方式来回答客户的问题或处理投诉，包括直接通过在线聊天机器人，或为店员提供脚本，间接性服务客户。无论是哪一种方式，都充分考虑到了购物者体验的完整背景以及相关产品信息。

例如，如果客户询问商店的退货政策，类似于“您上个月购买的烤架仍在保修期内，我可以为您预约上门取货”的回复，会比“看情况”或“一般上是 30 天”这类答复更有帮助。生成式 AI 还有助于零售商与客户建立长期关系。

此外，零售商也可以使用生成式 AI 回应有关订单状态的查询，甚至可以针对 T 恤和咖啡杯等定制商品推荐语言文字和图像。

促进产品开发和创新

产品生命周期管理一直是零售商的目标，但失败次数总是多于成功达标的次数。在生成式 AI 出现之前，零售商需要花费大量时间和人力来筛选大量客户和最终用户反馈，找到有关给定产品的常见投诉，然后将这些投诉传达给供应商的产品开发团队或他们自己的自有品牌制造商。这种定期反馈有助于改良产品乃至推出全新的产品。

然而，通过使用生成式 AI，零售商不仅可以梳理来自呼叫中心的聊天记录和录音、社交媒体帖子以及零售和聚合商网站（如 Yelp 和 Google）的客户评价的数据，整合这些数据，还可以区分不理性的恶评与有逻辑的建议。然后，零售商可以使用生成式 AI 及时简洁地汇总这些数据。生成式 AI 模型可以根据对广泛概括的解释提出推荐方案，例如将“握不住，经常掉，一掉就碎！”这样的评价翻译成“将手柄缩小几厘米，使其更符合人体工学”。

生成式 AI 在零售业的五个使用场景

零售商已经开始以各种巧妙的方式使用生成式 AI，从而改善客户服务和保留率、降低退货率、增加购物篮系数并提高利润。以下是五个使用场景。

1. 增强客户体验。

零售商可以使用基于生成式 AI 的聊天机器人，并通过 RAG 或类似技术补充持续更新的客户数据，从而在消费者提出问题时与其进行对话式互动。这些互动一般通过电话或零售商的电商网站进行，主要涵盖客户正在研究的产品、零售商的退货政策、商店营业时间或库存情况。传统 AI 的老一代聊天机器人的决策树数量有限，与其相比，由生成式 AI 驱动的现代聊天机器人能够为消费者提供了接近无限量的对话途径，可以响应更复杂的客户查询。

例如，大型五金店基于生成式 AI 的聊天机器人支持通过询问房屋大小和位置等问题来帮助客户决定哪种类型的照明或管道设备更合适，同时还能够帮助客户选择具有适当抗拉强度、功率分布和耐高温性能的物品。虽然传统的 AI 聊天机器人也擅长推荐产品，但生成式 AI 聊天机器人的对话功能更强，能够在线响应客户的请求，例如“把下摆改短一点”或者“让我看看海军蓝色的”。这些由生成式 AI 驱动的虚拟助手能够越来越好地分辨出某人何时感到沮丧、话中带有讽刺意味或其他不能从字面上理解的惯用表达。生成式 AI 知道，如果客户烦躁地说“你去跳湖吧！”，他实际上并不是在发出指令。

2. 自动生成内容。

零售商可以使用生成式 AI 为电商网站和货架标签创建简洁又引人注目的产品简介。通过更改提示，营销人员可以要求生成式 AI 生成更长的文案，例如博客文章。例如，某个全国连锁杂货店正在使用生成式 AI，根据商店中出售的食材写出诱人的食谱，并以博客文章的形式发布。聊天机器人还可以根据“做千层面需要什么？”之类的问题提供购物清单。零售商可以使用生成式 AI 生成个性化的购物清单，例如针对麸质不耐症、对开心果过敏和不喜欢味噌的客户量身定制购物清单。

3. 打造个性化营销。

零售商可以使用生成式 AI 来生成博人眼球的主题行并创建针对个人收件人量身定制的内容，有助于解决电子邮件疲劳问题，而不是采用针对某个人群画像分类或其他缺乏定制化的版本，例如“像您这样的人也喜欢...”。生成式 AI 结合了经典的 AI 和 RAG，可以帮助零售商为成千上万的现有客户、前客户和潜在客户构建个性化的电子邮件，实现大规模个性化。生成式 AI 还可以生成无限量的 A/B 测试，确定哪些内容能够更有效地推动转化。

4. 整合客户反馈。

零售商可以使用生成式 AI 来查看和汇总来自客户评价、社交媒体馈送和其他来源的评论。这种简明的反馈有助于零售商做出以下决策：哪些产品需要增加库存、产品要放在商店和网站的哪个位置、如何处理退货、需要将更有知识的员工分配到哪里，甚至是如何（与供应商合作）改良现有产品。

5. 使用生成式 AI 增强传统 AI。

零售商还可以使用生成式 AI 来增强传统 AI 应用。例如，零售商已经使用传统的 AI 来帮助线上购物者通过上传照片来搜索产品。现在，零售商可以使用生成式 AI，支持聊天机器人与购物者进行更复杂、更人性化的对话。这使得双方能够自然地交流：看一下绿色的，有没有下摆短一点的，再来个搭配的西装外套？

此外，零售商可以使用生成式 AI 增强依赖传统 AI 来预测趋势的后台工具。例如，零售商可以使用基于 AI 的传统分析，基于天气和经济报告等来源的数据来分析趋势。借助生成式 AI，零售商可以解析和解释来自更多种来源的数据，例如社交媒体馈送、客户评价、线上时尚杂志和新闻网站等，从而更准确地预测趋势。

同样的，尽管零售供应商已经在应对供应链中断时使用 AI 来调整交付路线，但生成式 AI 还可以提供来自新闻报告、社交媒体帖子和其他非常规数据源的摘要，以增强此类分析。

生成式 AI 在零售行业中的示例

尽管零售商开始使用生成式 AI 的时间相对较短，但他们已经迅速获得了该技术的诸多优势。例如：

• 某家全球大型连锁超市使用基于生成式 AI 的聊天机器人，通过友好的语气进行对话，帮助购物者根据他们想要烹饪的食谱及其饮食限制，购买所需的食材。在后端，该超市使用生成式 AI 针对潜在供应商生成询价，并分析和汇总投标情况。
• 某家电子产品网店使用生成式 AI 来概括不同产品的客户评价要点，让客户不需要逐一查看产品评价，也能够了解其他人对特定产品的看法。
• 某家服装和配饰网店使用生成式 AI 驱动的聊天机器人来协助购物者购买礼物。聊天机器人会向购物者询问收礼人的性别、年龄和兴趣爱好，以及客户的首选价格范围。
• 某家全球大型超市使用生成式 AI 与供应商和承包商协商小额合同。该店使用传统分析来了解特定商品或服务的市场，并使用生成式 AI 驱动的聊天机器人，通过线上门户与供应商互动并协商条款。除了减少与人类对话者的摩擦之外，生成式 AI 还可以让零售商采购团队专注于更具战略性的交易。
• 某家线上商城使用传统的 AI 驱动分析来帮助家庭式经营的零售租户制定价格，并利用生成式 AI 为感兴趣的客户撰写产品说明和对话式跟进信息。

利用 Oracle 解决方案和生成式 AI 革新零售运营

零售商正在使用 Oracle Retail AI 和分析解决方案来优化营销，制定更明智的定价和库存决策，优化楼层空间和门店位置，改善产品说明，大规模打造更令人满意的购物体验，进而提高利润。

生成式 AI 可从各个方面提供助力，包括打造个性化和互动式的购物体验、能够更好地了解消费者行为和偏好、优化库存管理、预测趋势、简化供应链流程等，因此精明的零售商可以利用这项技术来规划路线图，从而推动业务增长。

生成式 AI 的常见问题解答

大型零售商如何使用生成式 AI？

大型零售商正在使用生成式 AI 生成产品说明，汇总长文档，创建新类型的内容，并为客户提供交叉销售的推荐方案。

LLM 在零售行业中有哪些使用场景？

零售商使用 LLM 和其他生成式 AI 应用为聊天机器人提供支持，从而打造高效又亲切的客户服务，这通常还会比呼叫中心座席提供的服务来得更快、更准确。