面向购物者的人工智能代理：通过以消费者为中心的代理人工智能在零售中创造新的购买路径

为购物者准备的AI代理：通过以消费者为中心创造购买新途径零售领域中的自主型人工智能 在人工智能时代，一条新的曲线正在形成——它描绘了代理型人工智能（能够代表购物者行动的自主工具）与客户旅程日益融合的过程。虽然仍处于早期阶段，这项技术对零售商意味着什么——他们应该如何应对？ 购物者AI代理2 购物将始终是人类体验的一部分。但随着面向消费者的AI代理（能够代表购物者进行研发、比较甚至购买产品的智能算法）的出现，人类可能并不总是购物体验的一部分。 不再仅仅是一个推荐引擎，在这个语境中，人工智能正在发展成为商业旅程中的一个积极参与者，预测个人需求和偏好，识别最佳产品，并考虑价格、可用性、交付等各种输入因素——所有这一切都只需极少的人工输入。 虽然具有自主性的AI在采用曲线的早期阶段，但消费者对 零售AI智能化解决方案建议 技术它可能从根本上重塑消费者发现、比较和购买产品的方式，改变零售商和品牌的角色，从提供者转变为问题解决者。因此，零售商需要重新思考他们的数字战略，不仅要与人类购物者产生共鸣，还要抓住人工智能代理的仿生眼睛。 如何代理式人工智能正在改变零售并重塑购物体验 消费者可以把人工智能代理视为“虚拟管家”，就像能响应请求、预见需求并代表个人行动的主动助手。这些代理如同值得信赖的助手，会为用户推理、提供建议并启动行动。但下一个重大问题是 ：谁将拥有这个数字管家的角色？是深植于客户旅程的零售商？还是独立第三方？还是消费者自己？ 无论AI代理是品牌自有的还是由第三方平台提供的，我们最新的消费者研究——什么对当今消费者重要—表明购物者越来越接受智能技术在零售体验中的使用。根据该研究，71%的消费者希望将生成式人工智能集成到他们的购物互动中 ，68%的人对跨在线搜索引擎、社交媒体和零售商网站整合搜索结果的工具感兴趣。 今年早些时候，ChatGPT的创造者OpenAI推出了操作员，为英国消费者提供的人工智能购物代理。 与ChatGPT类似，Operator使用基于文本的对话式 界面，可以在购物过程中理解并回应特定用户查询等。除了向客户提供推荐或回答他们的问题之外，Operator还可以代表他们采取行动，购买符合购物者标准的产品。 随着代理工具在购物过程中愈发普遍，可能会出现一个有趣的悖论，即购物者可能会对它们背后的机制变得意识淡薄，甚至漠不关心。只要他们的需求能够无缝满足，他们就不会关注自己的搜索结果是由人工驱动的算法进行筛选，还是由后台运行的AI代理进行处理。相反，他们只会欣赏到一种AI驱动的购物体验是更快、更直观以及高度个性化的。 除独立人工智能工具进入市场外，一些零售商正在开发并将他们自己的面向客户的人工智能代理集成到数字购物体验中。例如，沃尔玛正在试验 人工智能虚拟助手识别客户，分析其意图，并代表他们采取行动。 1.通过智能体AI移除购物体验中的传统约束 一个代理式AI购物助手真正的价值并不仅仅在于它能够深度个性化体验或简化购买流程。关键在于它能有效消除购物旅程中的一些最大限制，例如购物作为日常活动所需的时间、精力和心理能力。 通过这样做，它可以挑战传统的零售策略和客户互动模式。 传统上，在线购物之旅受限于购物者愿意花费在研究和跟踪细节上的时间。而另一方面，人工智能助手不受这种限制。它可以在字面意义上的全球互联网上扫描、评估和推荐产品，为购物者提供备选方案清单，或许能同时浮现客户熟悉和喜爱的品牌及产品，以及他们不熟悉的产品。随着家庭变得更加互联，这些助手还可以与不同的科技赋能资产进行通信，例如物联网连接的冰箱或智能包装，自动检测物品用尽并触发补货，无需购物清单。 需求—例如“我想计划四顿工作日晚餐，预算不超过80美元，且不使用任何乳制品”——人工智能不仅会根据客户的具体要求生成定制化的订单，还会完成购买和安排配送。 这种转变将购物转化为更直观、个性化、以效率驱动的体验，其中人工智能充当智能中介，简化决策过程，减少寻找能解决购物者问题的产品所需的时间和精力。 3.智能体式AI如何挑战忠诚 通过代理工具能够访问更广泛的选择范围，提出了关于忠诚度的一个重要问题。 AI代理也可以帮助解决店内体验中的挑战和局限性 。例如，助手可以通过根据个人偏好、特殊场合、促销活动和当前储藏室物品生成精选清单来简化购物前的活动。它们还可以指导消费者选择最方便的渠道——无论是线上、店内还是路边取货——并通过直观导航、产品位置协助、个性化推荐和无缝结账支持等功能来提升店内体验本身。 智能体可以在一定情况下被编程为自动重复购买，例如当商品以指定价格提供或自上次购买以来在设定的时间内可用时。它们还可能为消费者创造更多的选择。如果购物者在任何时候发现更适合他们独特需求和偏好的产品，这可能会颠覆长期以来的品牌忠诚度。 例如，因为运动品牌提供宽版跑鞋而使购物者对其忠诚度可能被人工智能推荐的全新替代品所动摇。 2.将购物重新定义为日常生活中的问题解决 自主型人工智能也可能深刻影响人们思考及处理购物的方式，因为它将注意力从浏览产品转移到解决他们生活中日常的现实问题和机会上。 不幸的是，这种选择的过剩可能给忠诚度得分低的品牌带来麻烦。近期消费者研究揭示了全球高达70%的消费者和75%的Z世代消费者仅仅是为了尝试而更换品牌的报告。此外，70%的Z世代消费者报告因为他们觉得会员 例如，消费者可以提供特定 程序和共享首选项数据未能带来更好的体验。 4.通过可持续性和基于价值的议题来区分品牌 最终，人工智能助手的出现可能使围绕基于价值的属性（如可持续性、公平贸易、公平劳动实践 、社会正义或平等）的品牌差异化成为一个更突出的决策因素，因为这些特征也可以被纳入购物提示中。 例如，一个想要购买由合成材料制成、且在特定地区生产的跑鞋的消费者，这两点是使用传统方法搜索时往往难以找到的特征。 通过整合到零售商的在线体验中的AI代理或使用独立工具，此障碍有可能被消除，使购物者能够找到符合其基于价值的偏好（如材料、可追溯性 、产品原产地或碳足迹）的产品规格的产品。 我们的消费者研究证实了消费者正欢迎使用人工智能工具来简化搜索体验。近六成的消费者（58%）已经用生成式人工智能工具替代了传统搜索引擎进行产品/服务推荐，相比2023年增长了86%。同时，在这些使用生成式人工智能工具的购物者中，68%的人购买了这些工具推荐的产品 。 拥抱变化：零售商和品牌应对代理式AI曲线的6个考虑因素 虽然公司不应该过分投入人工智能代理的炒作周期，但它们必须承认在数字化购物体验中扮演着角色。为此，这里为品牌和零售商提供了一些抓住代理式人工智能增长机遇的考量因素。 1 优先考虑渠道无关的客户旅程。 今天消费者寻求的不仅仅是交易——他们希望灵感和支持以及无缝体验融入到他们的日常生活中。这意味着需要在所有物理和数字触点上提供个性化的相关性。品牌和零售商可以通过使用第一方数据、行为洞察以及人工智能驱动的个性化来预测客户需求，并主动呈现相关的产品。当与智能代理支持相结合时，这不仅可以简化购买路径，还可以创造一个统一的无摩擦购物体验。 2 通过数据个性化体验。 人工智能的价值取决于其运行的数据。虽然通用人工智能能力将持续提升，但仅仅依赖广泛可用的ai模型的零售商面临丧失竞争优势的风险 。要想脱颖而出，零售商需要利用自有数据，以及生态系统中第三方数据合作与伙伴关系，使人工智能驱动的体验更智能、更相关、更有价值。通过整合独特的洞察——例如客户行为、购买趋势和个性化偏好——零售商可以确保其人工智能解决方案超越通用自动化，并提供真正独特的体验，从而让客户保持参与和忠诚。 3 在后台运营中支撑代理式人工智能战略。 自主系统不必面向客户就能对客户体验产生深远影响。在幕后，AI代理可以优化供应链物流、预测需求波动并自动化补货流程——确保热门产品保持供应，同时减少浪费和低效率。通过提高运营精度，这些系统通过更顺畅、更无摩擦的购物体验间接提升客户满意度。对于许多组织来说，通过后端系统整合自主AI，可能比尝试这种技术与客户面对面的应用更合理，因为后者往往风险更高。 4 避免“恐怖谷效应”。 自主型人工智能代表了人类与技术互动方式的根本转变，重新定义了用户体验和参与度。虽然这些系统能够提供高度智能和自主的能力，但它们的成功取决于用户信任。如果人工智能无法自然地沟通或越过个人界限，人们可能会犹豫参与。为了推动有意义且值得信赖的采用，组织必须专注于设计不仅功能强大，而且直观、易接近且尊重的AI。 5 为“共生智能”培养人才。 对于人类工作者而言，代理式人工智能工具的目标并非取代角色，而是通过增强创造力、洞察力和决策能力来增强这些角色。组织需要重新评估其人才战略，以提升和再培训工作者成为跨学科的专业人士，使他们能够在不同领域之间进行三角测量。随着公司继续采用先进的技术解决方案，人类工作者也必须认识到，拥抱共生智能不仅有利于公司——这也是对其自身职业发展和长期重要性的投资。 w6 以目标为引领。 随着人工智能代理更多地融入购物体验，决策将不仅基于产品本身，还基于品牌价值观。以有意义的方式致力于对你的客户重要的问题，并为如何通过项目创造实际影响提供清晰的指标和证明点。 但是安全吗？解决隐私、安全和可审计性问题 即使经过彻底测试，零售中的AI模型也可能继承并放大过去的模式——比如偏袒某些档案或结果——仅仅因为数据反映了过去的决策。这就是为什么强大的数据基础和结构化的约束是帮助组织构建、部署和扩展值得信赖、合规且运营高效的AI系统的必要组成部分。 为帮助公司解决这一需求，我们的数据和人工智能专家创建了一份清单，概述了组织在设计、采用和部署人工智能解决方案时必须考虑的核心属性： 负责： 与道德原则、法律标准及相关法规保持一致，例如GDPR和欧盟人工智能法案 可审计的: 提供清晰的文档和可解释性 包容性： 考虑数据和结果中的偏差和公平性 安全： 采用适当的隐私和数据保护措施构建 高效： 为业务价值而设计，同时兼顾运营可持续性 这些属性是Capgemini专有AI框架RAISE的基础。RAISE的全称是ResponsibleAIsolutionengineering，我们的方法帮助零售商建立跨职能和地域的负责任AI使用流程、协议、框架和护栏，帮助他们解决治理、偏见缓解、合规、可解释性和成本效益等方面的共同关切。 了解更多。