零售業的生成式人工智慧：2025年值得關注的主要趨勢
在這個時期，專家們通常會對零售業未來的發展進行預測。與去年列出零售業的頂尖技術趨勢不同，我將專注於生成式人工智慧，並強調一些關鍵趨勢。如果2023年是生成式人工智慧的爆發年，而2024年則是實驗的一年，那麼2025年將可能是這項技術進一步成熟的一年。我們正逐漸接近Gartner所謂的“啟蒙斜率”，但尚未完全到達。
如果你厭倦聽到生成式人工智慧，我可以理解。生成式人工智慧讓我想起了樂隊Nirvana。雖然有許多優秀的垃圾搖滾樂隊為之鋪路，但Nirvana卻獲得了所有的關注，這讓其他許多優秀的樂隊失去了機會。但無可否認的是，Nirvana和生成式人工智慧都對我們的世界產生了重大影響。
以下是三個零售特定的應用案例和三項值得在2025年關注的技術：
虛擬購物助手（應用案例）
超個性化（應用案例）
虛擬試穿（應用案例）
人工智慧代理（技術）
領域特定基礎模型（技術）
計算機使用（技術）
虛擬購物助手
這個概念很簡單。當顧客不確定要購買什麼時，他們可以向店內的專業人員尋求建議——至少在理論上是這樣。但如果你在網上購物呢？這時就需要AI驅動的虛擬購物助手，它熟悉管道、數字網絡和寒冷天氣時尚等多種主題。需要什麼工具來修理埋地的噴灌系統？哪款Wi-Fi路由器最適合戶外使用？我應該在時尚滑雪手套中尋找什麼？這些問題的答案正是亞馬遜推出的虛擬購物助手Rufus的初衷。
Rufus的特別之處在於其對話性，能夠與顧客進行來回交流，直到他們滿意為止。就像一位人類專家一樣，虛擬購物助手會提出問題，以幫助理解顧客的需求和偏好。這被某些人視為對話式搜索。
這並不會取代傳統搜索，因此零售商應該首先現代化其搜索與產品發現解決方案，然後再決定聊天機器人和虛擬助手是否合適。這些解決方案可能會提高購買者的信心，從而增加銷售並減少退貨。
超個性化
使用機器學習的個性化技術已經存在了25年，當時亞馬遜首次使用協同過濾來預測特定顧客的偏好，根據類似顧客的喜好和厭惡進行推薦。下一波浪潮將機器學習與生成式人工智慧結合，為顧客創造個性化的體驗。這包括超個性化的市場營銷通信、搜索結果、產品詳情頁，甚至聊天機器人的對話。
最終，每次網店會話都可能根據個別顧客進行定制，顯示出基於他們個人偏好的產品，使用吸引人的主題、量身定制的產品組合和精心策劃的優惠。這種曾經只針對富人的白手套服務可能會逐漸普及到普通顧客。零售商應考慮如何在每一次顧客互動中進行超個性化，利用過去的銷售數據、產品數據和第三方顧客數據。
虛擬試穿
網上銷售因顧客缺乏信心而受到阻礙，尤其是在時尚領域。顧客無法具體感知產品，可能會因此不願購買，或者訂購多個版本然後退回未選擇的商品。生成式人工智慧為顧客提供了在上下文中視覺展示產品的可能性，讓顧客可以虛擬試穿產品。這是通過將兩張圖片結合起來實現的，例如一個人加上一件毛衣，或一把椅子加上一個客廳，讓顧客評估外觀。
像穩定擴散和亞馬遜Titan圖像生成器等AI模型被用來智能地結合這些圖像，向顧客展示他們的預期效果，從而提高他們的購買信心。銷售服裝、時尚、配飾、家具或其他受益於視覺化的產品的零售商應考慮這種能力。
人工智慧代理
與聊天機器人或虛擬助手進行對話雖然可以獲得信息，但很少是以行動為導向的。而代理則在實現目標方面發揮作用。它們通常是自主的，並擁有幫助它們完成特定任務的工具。你甚至可以將代理視為團隊的一部分，幫助推進事項。像亞馬遜Bedrock代理這樣的產品可以使用鏈式思考推理來分解和解決複雜問題。例如，可能有一個定價代理可以抓取競爭對手網站上的價格，檢查產品利潤率並根據其定義的規則提出價格建議。
想像一下，當你購買預測軟體時，它附帶一個預測代理，可以代表你運行該軟體，根據需要更新和分發預測。零售商應該尋找可以用代理自動化的任務，從而提高整體團隊的生產力。
領域特定基礎模型
大多數基礎模型（FMs），如大型語言模型（LLMs），是基於公共數據的語料庫進行訓練的，因此具有一般知識，但也可以從零開始建立一個專注於特定領域的模型。亞馬遜科學團隊為Rufus創建了一個零售特定的LLM，該模型已在其龐大的產品目錄、顧客評價和其他類似數據上進行訓練，旨在提升購物體驗。希望其專注性使其更小，因此運行成本更低，但仍能產出更優質的結果。
當然，建立LLM是一項龐大的工作，對於大多數零售商來說，可能無法實現。因此，大多數零售商將選擇用自己的數據對現有模型進行微調。零售商應考慮這種具成本效益的方法來提升生成式人工智慧的輸出。
計算機使用
儘管仍處於早期階段，但可以讓FM（如Claude 3.5）控制你的計算機，並像你一樣使用它。例如，你可以請求它為你創建一個採購訂單，然後它會“查看”你的屏幕，接管你的鼠標並填寫表格。生成式人工智慧還可以用於回歸測試，確保對你的網店的更改按預期工作。從消費者的角度來看，顧客可以請求查找並購買最低價格的Apple AirPod Pro，讓它進行研究並最終選擇產品進行購買。
隨著FMs訓練使用軟體，尤其是瀏覽器，它們將能夠自動化一些例行任務，從而讓人類能夠花更多時間在創造性活動上。雖然今天採用這項技術還為時尚早，但在2025年要密切關注其普遍可用性。
參觀AWS和NRF
為了幫助你在2025年關於生成式人工智慧的採用決策，我們邀請你在2025年1月訪問NRF的AWS展位，與AWS、亞馬遜及其合作夥伴的專家進行交流，探索激動人心的生成式人工智慧演示，並聽取有關這一領域的最新想法，以及智能商店技術、數字商務、零售運營等其他創新。
此外，這裡還有一些優秀的資源可以監測零售行業生成式人工智慧的進展：
– 亞馬遜科學
– 生成式人工智慧在零售和消費品中的應用
– AWS解決方案庫
這篇文章強調了生成式人工智慧在零售行業中的潛在影響，尤其是在虛擬購物助手和超個性化方面。這些技術不僅提高了顧客的購物體驗，也可能改變未來零售商與顧客之間的互動模式。隨著這些技術的成熟，零售商需要及早考慮如何整合這些創新，以保持競爭優勢。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
