更快捷、更智能、更强大：生成式人工智能促进零售业焕新转型

借力生成式人工智能变革，促进零售业焕新转型 引言 3 生成式人工智能在商品管理方面的应用5生成式人工智能在市场营销方面的应用11生成式人工智能在客户服务方面的应用16如何充分利用生成式人工智能给零售业带来的机遇22参考合适用例，抓住当今生成式人工智能给零售业带来的机遇25关于作者27 引言 过去几十年来，我们见证了许多数字化和数据驱动的变革，消费者的购买方式、零售商的销售方式以及营销人员触达受众的方式都发生了巨变。 如今，我们正面临近年来最重要的一项变革：生成式人工智能（GenAI）的发展和普及。 据彭博（Bloomberg）预测，未来 10 年内，生成式人工智能市场的复合年增长率（CAGR）将飙升到 42%。到 2032 年，该市场价值将达到 1.3 万亿美元，在此期间，几乎所有行业都会发生改变，零售业也不例外。 目前预测，对于零售业和快消行业的企业，生成式人工智能将促进生产力提升 1.2% 至 2%，创造 4000 亿至 6600 亿美元的价值。 在零售业，生成式人工智能正在为整个价值链创造难能可贵的机会，例如采用全新方式动态优化产品系列和店铺布局、实现前所未有的个性化购物体验。 然而，随着生成式人工智能的引入和发展，有些职能和角色可能会受到更大影响： 本白皮书将详细介绍生成式人工智能如何赋能上述角色，探讨如何在上述领域充分利用人工智能的能力，抓住机遇大幅提升效率，赢得竞争优势，创造价值。 生成式人工智能在商品管理方面的应用 为了满足如今全渠道客户的需求，商品管理团队的工作可谓任重而道远。他们必须不断管理和优化各种渠道的产品组合和投放，既要打造始终如一的体验，又要充分利用每个渠道的独特优势。 为此，他们必须从海量数据中提取洞见，例如通过分析各种销售数据、客户偏好和趋势，以及供应商和采购数据，都有助于快速做出十分重要的商品管理决策。不过，传统的商品管理职能单一，导致大规模应用和学习相关数据挑战重重。 人工智能和大语言模型（LLM）改变了这种现状，可以实现快速处理并学习庞大的零售数据集。如今，生成式人工智能可将人工智能生成的结果自动转化为有效的价值驱动型商品管理行动，从而推动相关能力进一步发展。 从生成特定角色的数据摘要来为相关团队进行采购决策和谈判提供依据，到深入分析产品系列的性能，在生成式人工智能的帮助下，商品经理最终能够充分发挥可用数据的价值。 生成式人工智能赋能商品经理的关键节点 节点 1：设计产品 产品设计是一个漫长而复杂的过程。相关团队要经过无数次设计迭代，才能获得满足客户和市场需求的最终版本。由于设计人员要反复推敲产品方案，因此每次迭代都需要很长的准备时间。 不过，借助生成式人工智能，设计过程就会变得更加快捷。快速生成产品设计方案，可以大幅缩短产品上市时间。 试想一个场景：生成式人工智能算法可以分析大量客户数据，包括购买历史、社交媒体互动甚至产品评论，从而生成完全符合消费者偏好的创新产品设计。 相关团队可以快速评估大量设计方案，迅速锁定可行的方案。由此，人工设计团队就可以集中精力尽可能强化相应方案，避免费尽心思深挖那些最终被弃而不用的方案。 节点 2：优化产品组合和商品管理 通过手动筛选数据，获得关于产品系列和组合的洞见，这种做法需要耗费商品管理团队的大量时间。预先配置的分析仪表板有其自身的偏差，无法跟上不断扩展的渠道和快速变化的消费者行为。 然而，在生成式人工智能的帮助下，相关团队可以利用自然语言查询来获取与他们最相关的信息，将更多的时间用在根据这些信息采取相应行动上，而不是用在搜索信息上。 生成式人工智能可从销售、客户和其他跨渠道元数据中获得洞见，并将其与核心产品属性相关联，从而推导出各种模式，并为实体商店和在线商店生成最佳的商品管理和产品组合策略。 借助源源不断的人工智能洞见，商品经理能快速确认趋势，迅速做出决策，以优化产品的组合、定位和系列构成。 节点 3：与供应商谈判 在与供应商谈判时，商品经理需掌握可靠的产品性能数据，才能坚定自己的立场。这些数据有助于他们协商有利的价格和合同条款，并确保没有忽略任何潜在价值。 生成式人工智能可自动生成产品性能摘要，并将之与其他重要的商业数据相关联，从而加快与供应商的谈判进度，确保谈判人员掌握可验证的数据，以支持其观点。 有了清晰、简明且符合实际情况的相关数据摘要，商品经理在谈判时就能全面了解他们需要从供应商那里获得什么产品与服务，以及需要确切采用什么价格才能获得利润。因此，生成式人工智能不仅可以提供有力的论据来帮助他们争取有利的条款，还能帮助他们避免做出任何削弱价值或盈利能力的决策。 节点 4：分析失败的产品线 产品线失败的原因多种多样。要准确了解产品线为什么未能实现预期价值，相关团队必须将众多数据集和数据源相关联。 在生成式人工智能的帮助下，商品管理团队可从各种数据中提取洞见，对失败的产品线进行更准确的根本原因分析。借助这样的洞见，团队就能迅速解决产品匹配或设计方面的问题。 在深入了解产品线失败的原因后，团队就能调整策略并做出改进，从而最大限度地减少损失，推动收入增长。他们可在产品失败前预先掌握产品的发展趋势，从而有机会转败为胜，将落后的产品线改造为先进的产品线。 节点 5：筛选新产品 选择从供应商那里购买哪些新产品是一项艰巨的任务。如果选择不当，即使是看似前景光明且与客户特别适配的产品，也可能无法实现价值。 生成式人工智能可分析数千种 SKU（库存单位）过去的销售业绩以及客户行为属性和反馈，帮助建立相关模型，从而为产品选择提供支持。此外，利用生成式人工智能，商品经理可实时分析非结构化数据，从各种来源的数据中提取有价值的洞见。例如，生成式人工智能可快速汇总社交媒体帖文并进行情感分析，或从在线评论或客户电子邮件中发现相关模式和趋势。基于这种模式，商品经理可以做出数据驱动型采购决策，而不是凭直觉做出选择。 节点 6：为客户提供个性化购物体验 通常，大多数电子商务网站的布局十分标准化，缺乏灵活性，向大多数用户展示的内容、图像和广告都如出一辙，未能考虑他们的个人偏好和选择。 在生成式人工智能的助力下，电商零售商能够根据每位客户的独特兴趣提供高度定制化的网站体验。实际上，就是为每个购物者分别定制个性化的网站，让网站根据后台系统中存储的客户数据自动提供相应产品信息。 这样，就能达到前所未有的高度个性化，让商品经理有机会根据购物者的行为和统计数据提供量身定制的体验。 误区和注意事项 要想在商品管理方面应用生成式人工智能，企业必须谨慎使用人工智能，采取以下关键步骤： •实施质控防护机制：确保负责生成人工智能输出的每个人都能发现幻觉（即，虚假或误导性信息）、标记幻觉，并确保这些幻觉不会出现在错误的受众面前。 •清理大语言模型的训练数据：确保不会传播数据集内的误差，也不会将不准确的数据自动输入到结果中。 •确保匹配度：仔细评估 ChatGPT 等广泛使用的大语言模型是否适合您的预期用例，或者考虑是否有必要打造定制的大语言模型，以便实现企业所需的结果。 生成式人工智能在市场营销方面的应用 优秀的营销人员会了解客户和受众的需求，并孜孜不倦地将恰当的内容适时投放给对应的潜在客户。 这一直都是一项具有挑战性的工作，而近年来，这项工作变得愈加困难。趋势和偏好的演变空前加速，颠覆性的环境和技术一夜之间颠覆了整个市场，客户的期望也急剧上升。 营销人员面临的挑战是要以前所未有的速度加快行动和调整策略。然而，对于许多团队来说，他们的流程和能力至今都没有跟上发展的步伐。 我们正处于营销 5.0的风口浪尖，这是一个将营销 4.0 的技术驱动策略与营销 3.0 以人为本的方法相结合的新时代。这一转变标志着技术与人类理解的强强联合，有助于在整个客户旅程中创造、传播、交付和提升价值。 正是在这种背景下，生成式人工智能应运而生，为营销人员提供了变革性机遇。生成式人工智能可以模仿并增强人类的创造力和智力，从而加速完成以前由人类完成的任务。这种仿人类技术与整体营销愿景共同掀起的“完美风暴（perfect storm）”为营销人员带来了无限可能性。生成式人工智能助手可以解决许多严重的瓶颈问题，促进及时交付高度个性化的优质营销资料和活动策划。 下文将探讨生成式人工智能在全渠道、数字电商或市场商业环境中创造价值的一些具体方法。 生成式人工智能赋能营销人员的关键节点 节点 1：创建新内容 创建营销内容可能需要很长时间。相关团队必须与品类负责人联系以收集信息，及时考虑客户的意见，与提供创意服务的供应商和代理机构合作，并不断确保他们发布的内容符合品牌调性以及策略和活动层面的目标。 生成式人工智能助手可以显著简化这一过程，例如将背景信息快速整合到创意需求中；基于已核准的知识资产生成视觉物料和内容。借助生成式人工智能，营销人员能够快速、大规模地创建和发布内容，加快产品上市。 例如，Salesforce Marketing Cloud 平台中的Einstein 生成式人工智能可帮助营销人员打造品牌个性，生成符合其品牌形象的邮件主题，撰写邮件正文，从而加快推进创建营销活动的关键环节。 此外，大语言模型还可为新的受众和市场复制营销活动和资产，从而实现大规模循环使用。因此，当营销人员需要实现内容国际化时，他们可以快速为以前创建的资产生成新的本地化版本。 节点 2：打造个性化内容和体验 根据麦肯锡（McKinsey）的研究，实施个性化营销可以将投资回报率（ROI）提升五到八倍。要真正实现个性化，营销人员首先要充分了解潜在客户，才能为他们提供个性化的内容和建议，并根据他们的实际需求提供高度相关的体验。 在如今人工智能技术和营销自动化工具的基础上，生成式人工智能助手可以帮助营销人员有效地实现大规模个性化。当完全确定潜在客户并确认相关体验和需求数据时，营销人员就可以借助生成式人工智能工具，通过有效的提示和防护机制，立即为客户生成个性化内容。 利用生成式人工智能助手，营销人员还能更充分地了解潜在客户，提供独一无二的客户群深入分析。根据人工智能生成的档案和精细分析，营销人员可以对客户进行细分，从而细化营销活动内容，从一开始就尽可能让每位潜在客户获得尽可能相关的内容体验。 节点 3：通过对话与潜在客户建立联系，并实现转化 通过人工智能驱动的对话式服务，营销人员能够前所未有地贴近受众，而无需亲自参与对话。利用人工智能聊天机器人，潜在客户可以获得即时解答，加快他们的挑选和购买流程，而无需营销人员或客服专员的直接干预。 这样一来，相关团队能够在传统的搜索和浏览式购物旅程之外，构建出一条新的基于对话式的购买旅程，引导潜在客户购买适合自己的产品型号。由于大部分对话都由人工智能处理，营销人员可以将时间集中在最需要他们关注的互动和决策方面。印度在线时尚零售商Myntra 的MyFashionGPT就是一个前景良好的初期示例，这表明人们在平台上搜索和购物的方式已然发生变化。 节点 4：业绩分析，规划下一次活动 人工智能助手可以监控进行中营销活动的业绩表现，让营销人员全面了解最新动态，从而可在恰当的时间进行干预，确保他们的工作取得积极成果。 通过直观的自然语言摘要，营销人员可以了解各个客户的旅程和营销活动的总体表现，从而快速了解营销活动的哪些方面最有成效。基于这些洞见，相关团队可以确保他们策划的每一次营销活动都比上一次更有影响力、更有针对性，从而不断提高客户转化率和投资回报率。 例如，Google Analytics 4通过人工智能驱动的自然语言叙述和洞见取得了显著的进步。在PowerBI等商业智能（BI）工具中，生成式人工智能的对话功能提供了一个查询接口或助手，可帮助团队通过描述性查询深入了解相关细节，而无需处理复杂的数据关联分析和各种图表。 节点 5：打造以洞见为导向的客户旅程 随着客户需求和习惯的变化，营销人员必须确保他们引导潜在客户所经历的旅程契合客户的购物方式、时间、地点和动机。 生成式人工智能助手可