AI零售新浪潮：解決四大難題，零售科技革新！

零售科技的新趨勢：這些人工智能初創公司正在解決的四大問題

隨著生成式人工智能在消費者應用方面引起關注，一批新的零售科技初創公司正在利用人工智能解決長期困擾行業的基本商業挑戰。這些公司最近在RETHINK Retail首屆「2025年零售AI領袖」名單的「初創公司」部分中獲得認可，顯示出零售科技的未來走向，以及零售商亟需解決的問題。

以下是這些初創公司正在應對的四大挑戰，以及它們的解決方案如何重塑零售運營：

1. 人工智能縮短消費者與產品之間的語言差距

零售商描述產品的方式與消費者搜尋產品的方式之間的脫節，造成數十億美元的銷售損失和錯失的機會。隨著購物方式在市場、社交媒體和傳統電子商務網站之間變得更加分散，這一差距尤為明顯。兩家公司採取了截然不同的方法來解決這一挑戰。

Lily AI專注於中型和大型零售商，創始人Purva Gupta稱其為「缺失的消費者敘事」。在對超過1,000名女性進行購物動機的訪談後，Gupta發現消費者在描述購買時會使用情感細節和獨特的視角，而這些元素在產品描述中通常缺失。該公司的產品內容優化平台系統性地用以消費者為中心的語言和屬性豐富整個產品目錄，創建一個結構化數據層，推動前端發現和後端運營。目前專注於時尚、美妝和家居裝飾類別，Lily AI報告其客戶的銷售、廣告展示次數和網站流量因產品可發現性提升而實現雙位數增長。

而Vody則採取不同的方式，專注於實時搜尋解讀。該公司面向希望通過多模態生成式人工智能增強產品發現的企業零售商，這種技術能理解當前的文化背景和熱點話題。首席執行官Stephanie Horbaczewski解釋道：「我們的模型理解客戶的搜尋、表達和購物方式。」

例如，如果顧客搜尋「Taylor Swift球衣」，他們很可能在尋找Travis Kelce的球衣，Vody的數據確保他們能獲得正確的結果。Lily.ai專注於建立更好的產品數據基礎設施，而Vody則專注於即時解讀和理解搜尋意圖，幫助零售商捕捉高意圖流量，而無需持續手動更新產品數據。

2. 利用人工智能優化庫存

傳統的零售運營往往依賴過時的「推式」模型和手動流程，導致庫存管理低效和新鮮食品類別的重大浪費。

Nextail專注於時尚零售中一個根本的斷裂：雖然消費者行為和產品生命週期變得越來越動態，但庫存決策仍然主要靜態且基於直覺。Nextail的聯合創始人兼前Inditex歐洲物流負責人Joaquín Villalba指出：「儘管是一個數萬億美元的行業，時尚依然主要依賴數十年前建立的運營模式。」

該公司的平台利用人工智能通過超本地化的需求預測和自動決策來改變傳統的自上而下的「推式」庫存模型。與通用的零售解決方案不同，Nextail分析時尚零售的獨特模式——從短暫的產品生命週期到複雜的尺碼曲線——以做出店鋪特定的庫存決策。這幫助那些之前依賴高層銷售數據和管理者直覺的零售商進行更精確的數據驅動庫存分配。

在時尚零售商面對季節性庫存挑戰的同時，雜貨連鎖面臨著更為緊迫的庫存問題：新鮮食品浪費。

Cognitiwe的WeFresh平台針對的正是這一歐洲超過40億歐元的挑戰。該解決方案專注於企業級雜貨零售商和超市連鎖，其中新鮮食品管理相當複雜，而減少浪費是重中之重。

WeFresh不再依賴手動檢查和固定的過期日期，而是利用人工智能驅動的計算機視覺技術，通過現有商店攝像頭實時監測新鮮食品的狀況。這使零售商能夠主動行動——在產品變質之前調整價格、優化補貨和產品輪換，而無需昂貴的新硬件或傳感器。

3. 重新思考定價和促銷策略

傳統的定價和促銷方法往往依賴手動流程和廣泛的折扣策略，這會侵蝕利潤而無法最大化收入潛力。

Quicklizard的動態定價平台服務於管理數千個SKU的中大型零售商，為整個產品目錄自動化定價。「大多數零售商只能通過手動方法優化10-15%的目錄，」市場副總裁Anat Oransky Lev解釋道。該公司的開放人工智能平台允許零售商通過簡單的Python代碼實施任何定價策略，而機器學習模塊則分析價格彈性、競爭行為和季節性等因素。這種自動化的方法使零售商能夠實時優化整個目錄的定價，而不僅僅是通常通過手動方法管理的10-15%。

該平台的客戶包括Sephora和John Lewis & Partners等知名品牌，以及每年創造數千萬收入的直銷品牌。

RevLifter則針對中型零售商，重新思考促銷的使用方式。「促銷在零售業已經使用了大約150年，」市場副總裁Dan Bond指出。該公司位於基本促銷平台和更昂貴的企業技術之間。

4. 利用人工智能自動生成創意內容

隨著各渠道對視覺內容需求的增加，零售商面臨著新的瓶頸，尤其是在時尚和營銷上下文中。

Fashable專注於中型和大型零售商，生成超現實的影像，改變時尚行業從概念到市場的工作流程。該平台生成的人工智能時尚影像對品牌保持獨占，讓零售商在承擔實物生產之前測試市場反應，減少樣品浪費，加快上市時間。

而在Fashable專注於產品視覺化的同時，零售商還面臨另一個內容挑戰：在日益擴大的數字渠道中創建和調整營銷創意。

Rocketium針對企業品牌在社交、展示和零售媒體平台上的廣告，解決這一擴展挑戰。其平台自動化創建每個活動元素的多個創意版本，同時預測性能潛力，消除了為不同平台和位置調整內容的手動工作。專為零售廣告客戶打造，它處理從版本創建到平台合規的所有內容，幫助品牌在不擴大團隊的情況下擴大創意產出。

零售科技的未來

這些初創公司所開發的解決方案標誌著零售人工智能的重要變革。儘管大多數注意力集中在面向消費者的人工智能應用上，比如亞馬遜最近推出的Rufus購物助手，但這些公司展示了人工智能如何改變核心零售運營。正如我最近提到的，工具如Rufus只是人工智能重塑零售的開始——真正的變革正在幕後進行。

對於考慮在人工智能能力上進行投資的零售商而言，這些初創公司提供了一個有用的框架：語言優化以促進發現、智能庫存管理、動態定價和促銷以及自動化內容創建。每一項都代表著人工智能可以解決具體、可衡量的商業挑戰，而不僅僅是增加技術的複雜性。

特別值得注意的是，這些解決方案正超越簡單的自動化。無論是Lily.ai縮短商家與消費者之間的語言差距，還是WeFresh預測新鮮食品變質的時間，這些平台展示了人工智能解決傳統方法無法處理的問題的能力。儘管聊天機器人和推薦引擎可能吸引了頭條新聞，但零售科技的未來在於這些專注於具體商業影響的解決方案。

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。