LLM 到 ROI ： 如何在零售业中扩展 General AI

零售实践 LLM到ROI：如何零售中的Scale gen AI 零售商继续尝试生成AI，并看到这项技术对重新点燃增长有着巨大的希望-如果他们迅速采取行动，抓住机会。 这篇文章是亚历山大·苏哈雷夫斯基、安德烈亚斯·埃斯基、艾米丽·雷索的合作作品，和Holger H ü rtgen，以及Oleg Sokolov和Sergey Kondratyuk，代表QuantumBlack，麦肯锡的AI和麦肯锡的零售实践。 一次生成AI(gen AI)成为主流，在2022年底，零售业高管花了很少的时间意识到他们面前的潜力。提到零售商财报电话会议中的人工智能(AI)去年飙升-这并不令人惊讶，因为Gene AI有望在2400亿美元之间解锁为零售商带来3900亿美元的经济价值，相当于整个行业的利润率增长1.2到1.9个百分点。这与非生成人工智能和分析的价值，可以将数十亿美元的价值变成数万亿美元。 一些零售商发现它不需要实施gen AI广泛，因为它需要重新布线零件零售组织，如技术能力和人才。数据质量和隐私关注、资源和专业知识不足，和实施费用也有挑战零售商扩大规模的速度他们的传统AI实验。 成功利用的零售公司 gen AI的力量通常在两个关键领域表现出色。首先，他们考虑General AI用例如何提供帮助变换特定fic域而不是扩展在一系列场景中，他们的资源太薄了。其次，它们从试点和大规模部署的概念验证。这不仅需要数据优先级和技术整合，但也意味着fi不能组织支持广泛采用AI的变化。 在过去的一年中，大多数零售商已经开始在整个零售业中测试不同的AI用例价值链。即使进行了所有这些实验，然而，很少有公司能够意识到这项技术的全部潜力。我们调查了超过50名零售高管，尽管大多数说他们正在试验和扩展大型语言模型(LLM)和General AI，只有两个高管表示他们已经成功实施他们组织中的gen AI (参见侧栏，“我们的调查findings ”)。 在本文中，我们将探讨哪些用例可以最重要的价值和组织是什么转换是必要的，以扩大这些技术成功。 我们的调查findings 说他们已经在扩展gener AI这方面的解决方案。更重要的是，82%的零售商表示，他们有进行了gen AI用例的试点与客户的重塑有关服务。百分之三十六的人说他们是在这一领域缩放gen AI解决方案。 2024年4月,我们进行了52个全球财富500强零售业调查高管。我们的调查集中在零售商在探索和实验生成AI (gen AI)。我们发现大多数零售高管（90％）说他们开始尝试使用gen AI解决方案和扩展优先级用例和这些实验在他们的其他AI上有敲门声倡议；三分之二的零售领导者说他们想投资并更专注于数据和分析。 成熟。三分之二的零售商说他们打算增加他们的General AI预算明年。 与此同时，10%的零售商表示，他们正在采取观望的方式来gen AI。他们计划将gen AI集成到他们以后的行动，特别是在没有全方位服务的地区平台还没有。这个决定可能会阻止从一些因素来看，例如有不充分的专业知识或组织资源，与数据质量和隐私相关的问题，以及与之相关的费用gen AI实施。 现成的AI工具已经成为在过去的一年里更容易获得。超过一半的零售领导者接受调查（60％）选择现成的平台，尽管采用率这些第三方平台在采购等领域(18%)和商业（25％）。采用第三方一代AI解决方案可能会成长为一代AI平台市场 64％的零售领导者说他们进行了gen AI飞行员增强了他们的组织内部价值链，而26% 从里到外：两种方式gen AI改造零售业 用例通常需要更少的资源来实施相对于它们的影响和比较与其他gener AI用例。事实上，零售商可能更轻松地部署当前的o - the - shelf工具不需要很多定制。真实这些用例的示例包括： 我们采访的零售商已经试点在其内部价值链中的gen AI用例，有些甚至开始扩展gen AI解决方案。Gen AI可以帮助简化运营，允许领导者更快、更明智跨零售商内部价值链的决策。这项技术也立即提供，没有遗憾e - ciency增益，以及可能的应用程序零售中的redefine决策（稍后更多）。 —市场营销。亚马逊推出了一款基于AI的图像生成工具将在2023年末提供帮助广告客户提供更好的广告体验。工具使用gen AI文本提示来转换基本产品照片变成更现实的生活方式图像。例如，而不是显示白色背景的沙发图片，AI可以将沙发放在AI生成的生活中帮助购物者设想产品的空间在更相关的背景下。到目前为止，该工具已经提高广告点击率到40%。 零售商还尝试了Gene AI以重塑客户体验。Gen AI可以加深与客户的关系(部分地，通过扩展零售商和零售商之间的互动整个客户旅程中的客户)和帮助让客户体验更加个性化and fullfilling. The advanced conversational abilities由自然语言驱动的新一代AI聊天机器人模型，可以使智能购物助手成为主要购物渠道。 —软件开发。“Copilot ”，或代AI帮助员工完成工作的工具为任务提供起点，可以提升通过减少时间来提高技术人才的生产力在软件工程任务上的花费高达60％。Mercado Libre部署了一些这些副驾驶提高满意度和生产力在公司发展中的作用：团队，授权他们专注于更高的-通过自动化更多重复的任务来价值工作。 增强零售业的内部价值链Gen AI具有提高生产力的潜力零售价值的每一步连锁，包括在营销、商业化、分配，以及反向工作(图表1)。 零售商可以开始意识到gen AI的影响通过速赢用例的价值链。这些 Gen AI有潜力提升沿着每个零售价值链的步骤。 附件1 —店内操作。2023年6月，Lindex，a瑞典零售商宣布发布“Lindex Copilot ”来支持其商店员工。该工具，在公司的培训销售和商店数据，为员工提供关于商店的个性化建议和指导操作和有关日常任务的信息。 进行性能分析和预测一项艰巨的任务。传统上，团队可能会花费数周研究竞争对手的战术，改变在定价和促销、供应链问题、和意外的中断，以了解销售下降并设计策略以避免未来的销售drops. gen AI和高级的结合分析可以彻底改变这个过程：而不是手动评估数据，来自世界各地的工人公司-从首席执行官到类别经理-可以访问具有密钥的个性化报告绩效洞察和建议的行动。 虽然上面的例子可以帮助简化日常任务，Gene AI还可以帮助零售商加速他们的决策通过自动生成见解、根本原因和域级别和全公司的回应(图表2)。 让我们用一个假想的电子零售商作为例如。零售商的电视销售额是6%比它预测的要低。零售商的团队 零售业务受到无数人的影响被di š邪教量化和跟踪的力量， 生成的AI可以帮助提高零售决策的清晰度。 实现生成AI决策所需的内部和外部输入 花了一个星期的时间寻找根本原因下降，并提出了十几个潜在的原因：错过的销售预测可能是由于异常的阴雨天气？延迟的产品release? or were temporary out - of - stock items and一个薄弱的促销活动应该归咎于什么？ 零售商在塑造方面投入了多少资源它的新一代人工智能工具将取决于它想要的市场服务，它想要优先考虑哪些用例，以及这些用例如何补充零售商的核心价值主张。 重塑客户体验如今，零售商通常只从事客户旅程的七个步骤。Gen AI拥有增加零售商参与度和在整个过程中重塑客户体验客户旅程（图表3）。 在这个例子中，一个在零售商的专有数据，可以自动分析不仅这些潜力的影响根本原因，但也有其他方案，例如它的竞争对手可能采取了什么行动同时。一个跨职能的团队，由零售商的技术领导者和考虑的投入来自销售和商业团队，可以与技术提供商定制零售商的AI -和gener - AI动力系统。gener AI平台然后可以创建一个影响原因列表，以及作为零售商可以考虑帮助的一系列行动减少未来的销售额下降。 Gen - AI驱动的聊天机器人助手是一个零售商可以使用的主要工具来更好地参与与客户。客户可以使用聊天机器人要接收产品推荐，请学习更多关于产品或零售商的信息，或添加或从他们的虚拟购物车中删除物品。重要的是，由于许多消费者将使用这些在决定购买产品之前的聊天机器人而不是之后，使用聊天机器人允许零售商在购物的早期与顾客接触旅程，这可以帮助增加客户的总体满意度。 根据我们与零售商的早期合作，我们期待一代人工智能驱动的决策系统将推动高达5%的增量销售并将息税前利润率提高0.2～0.4个百分点。 Gen AI聊天机器人通过识别意图来工作客户的消息。LLM代理-聊天机器人推理所依赖的系统引擎-处理客户的消息和然后连接到各种数据集(如零售商的SKU基础)和其他模型，例如分析个性化引擎。要创建最佳产出，零售商必须投入资源面向产品设计和行为频繁的用户测试以校准它希望聊天机器人如何处理客户的信息。(客户如何最常使用的聊天机器人将在很大程度上确定此校准。) 当谈到使用Gen AI副驾驶时，公司将需要决定他们是否是“接受者” (用户先前存在的工具)，一个“整形器” (一个集成商具有更多专有数据的可用模型定制结果)，或“制造商” (制造商基础模型)。在整个内部价值链中，大多数零售商可能会采用taker原型，使用公开可用的接口或API，很少无需定制以满足他们的需求。 然而，今天的许多o ÷现成的解决方案不要接受一些零售商的功能需要充分认识到技术的价值，因为为这些解决方案提供动力的技术通常不包括部门和公司特定的fic数据。与此同时，大多数零售商不会能够采用制造商原型，因为与建筑基础模型相关的成本在典型零售商的预算之外。在这些在这种情况下，零售商可能会选择整形器原型，使用自己的自定义现有LLM工具代码和数据。shaper原型也将是与General AI决策用例相关。 例如，购物者可能对计划一个晚宴，但可能不知道什么购买。在客户提供gen AI之后关于晚宴的一些细节的助手-比如有多少人参加，是否任何客人都有饮食限制，总的来说预算-一代AI助手可以提供特定的fic根据客户的产品建议偏好或购买历史记录。 附件3 生成式AI可以使客户旅程更加有效-两者兼而有之零售商和购物者。 虽然聊天机器人可以是一个方便的工具来帮助减少顾客的精神负担和购物时间，真正转变购物体验并赢取对于客户，聊天机器人将需要深入个性化-例如，能够记住客户的订单历史记录、产品偏好、和购物习惯。许多领先的零售商，特别是在杂货店和时尚界，已经开始尝试聊天机器人，虽然这些早期的实验大多没有但却利用了个性化的力量(参见侧边栏“零售商踏上聊天机器人之旅”)。 General AI用例的原型，用于转换客户体验。 确定零售聊天机器人的成本。Thefi许多零售商对整合的第一个担忧Gen - AI驱动的聊天机器人如何进入他们的业务这将花费很多。这取决于几个因素。产品性能指标(或客户和聊天机器人之间的对话)是fi的第一个考虑因素之一。谈话的质量与个性化-意思是，越个性化聊天机器人适用于给定的客户，他们的客户越短对话。购买转换是另一个系数。转化率越高，即与聊天机器人的效率相关，较低的 与内部价值链gen AI一样在用例中，零售商经常采用“整形器” 零售商踏上聊天机器人之旅 交付。Instacart创建了ChatGPT插件，允许用户在ChatGPT，然后将输出转换为Instacart网站上的一个篮子. 虽然一些零售商收养了一个等待-看看生成人工智能(geneAI)的方法，这些聊天机器人采取了不同的形式。其他人已经开始尝试随着技术（展览）。领先零售商，特别是杂货店的零售商和时尚，开始尝试2023年底，由一代人工智能驱动的聊天机器人。沃尔玛推出了“文本购物”工具，在那里，客户可以将零售商发短信给搜索项目，添加或删除项目他们的手推车、重新订购产品和时间表 Exhibit 零售商，特别是杂货店和时尚界的零售商，已经开始实验生成AI驱动的会话聊天机器人。 零售商实施人工智能驱动的聊天