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.pdf

打造更快捷、更智能、更强大的零售业打造更快捷、更智能、更强大的零售业借力生成式人工智能变革，促进零售业焕新转型打造更快捷、更智能、更强大的零售业2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打造更快捷、更智能、更强大的零售业3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。引言打造更快捷、更智能、更强大的零售业4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。商品经理需要深入了解不同地区的客户需求，制定动态的商品管理策略，不断推动发展，改善购物体验。零售营销团队需要彻底革新内容的制作、分发和个性化定制，从而实现客户体验和零售品牌及其所售产品营销方式的转型。客服专员需要以全新的方式与客户互动，赢得宝贵的时间，专注于解决最复杂、最棘手的客户案例。打造更快捷、更智能、更强大的零售业5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。生成式人工智能在 商品管理方面的应用打造更快捷、更智能、更强大的零售业6生成式人工智能赋能商品经理的关键节点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 1：设计产品通过手动筛选数据，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。节点 2：优化产品组合和商品管理打造更快捷、更智能、更强大的零售业7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。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 3：与供应商谈判打造更快捷、更智能、更强大的零售业8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 4：分析失败的产品线 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 5：筛选新产品打造更快捷、更智能、更强大的零售业9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。节点 6：为客户提供个性化购物体验打造更快捷、更智能、更强大的零售业10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。前后对比：生成式人工智能在商品管理方面的应用应用生成式人工 智能之前应用生成式人工 智能之后技术赋能相关益处产品设计是一个漫长而复杂的过程，涉及众多利益相关者。人工智能可帮助快速生成产品创意和设计，供商品管理团队进行验证和组合。图像生成、内容生成、数据聚合。新产品的上市时间大幅缩短。产品组合难以优化，实体和在线零售渠道各行其是。人工智能可帮助相关团队从各种数据中洞察出各种模式，并基于这种洞见自动生成最佳商品管理策略。人工智能摘要、专用洞见解决方案、标签功能。数据库自然语言查询。相关团队可以不断优化和改进商品管理策略，推动实体和在线零售渠道的收入增长。与供应商的谈判举步维艰，内容前后矛盾。人工智能可自动生成清晰的商品管理和供应商业绩数据报表，为与供应商谈判提供参考依据。人工智能摘要、自动报告。商品管理团队在谈判期间可利用相关数据和简明摘要，帮助他们以合适的成本从供应商处获得所需的产品和服务。打造更快捷、更智能、更强大的零售业11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。打造更快捷、更智能、更强大的零售业12生成式人工智能赋能营销人员的关键节点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 1：创建新内容节点 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。打造更快捷、更智能、更强大的零售业13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。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 3：通过对话与潜在客户建立联系，并实现转化打造更快捷、更智能、更强大的零售业14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。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以大规模分析客户旅程，并将其与营销活动表现和销售数据相关联，从而帮助营销人员规划出最佳旅程。在每一个触点上，人工智能都能帮助营销人员精准预测每一位潜在客户的下一步行动，确保他们在恰当的时间以合适的优惠吸引这些客户，包括提醒客户回来购买购物车中的产品、独家预览即将推出的产品系列，以及获取与近期生活事件相关的个性化优惠。节点 4：业绩分析，规划下一次活动节点 5：打造以洞见为导向的客户旅程打造更快捷、更智能、更强大的零售业15误区和注意事项为确保生成式人工智能为营销人员带来益处，并对客户旅程和体验产生积极影响，相关团队必须：仔细地持续监控人工智能生成的内容和视觉物料的质量：确保内容和视觉物料符合品牌形象，并达到企业的质量标准。人工智能生成技术有一个缺点，即在参考数据缺乏客户和企业背景信息的情况下，容易产生幻觉。因此必须进行有目的的干预，以避免人工智能产生偏见与幻觉。建立新的审批流程和工作流程：确保营销人员能生成自己的内容，但在发布之前，内容和设计专家仍会验证和修改输出的内容。仔细审查各种面向客户的功能，如聊天机器人：确保这些功能能够始终如一地提供企业品牌承诺的卓越客户体验。前后对比：生成式人工智能在市场营销方面的应用应用生成式人工 智能之前应用生成式人工 智能之后技术赋能相关益处为广大受众创建营销内容非常耗时，需要分布于各地的团队之间密切协作。营销人员可以利用人工智能生成图像和内容，从而加快内容创建流程。图像生成、大语言模型、内容生成、标记功能。内容创建速度大幅提升，成本降低，上线时间缩短。个性化营销是一项复杂的工作，要实现大规模个性化/超个性化，不仅操作繁琐而且成本高昂。人工智能可帮助相关团队从各种数据中洞察出各种模式，并基于这种洞见自动生成最佳营销策略。人工智能摘要、分类、聚类、大语言模型、多样化内容生成，以及与其他系统（包括客户关系管理系统）的集成。客户体验得以改善，营销体验更具针对性，加快创造销售线索，从而对漏斗顶部指标产生积极影响。营销是一种单向过程，原因在于营销人员很难大规模地与客户建立联系。由人工智能驱动的对话式商务体验缩小了营销人员与客户之间的隔阂，让客户能够顺利推进自己的旅程。对话式人工智能、大语 言 模 型、聊 天 机 器人。客户能在整个旅程中随时提出问题，从而加强互动，帮助营销人员更好地了解和满足他们的需求。打造更快捷、更智能、更强大的零售业16随着零售商纷纷寻求通过新方法来领先竞争对手，客户服务已迅速成为一个关键的差异化因素。如今，客服专员需要通过比以往更多的渠道，以更高的标准为更多的客户提供服务。这本就是一项艰巨的任务，再加上客户量大、重复率高、客户流失率高等特点，因此更加难上加难。卓越的客户服务需要做到以下三点：当客户需要服务时，随时随地为其提供服务 了解客户的需求，并能随时切实有效地建立联系 全面了解知识系统，快速获取信息，以便在不影响准确性或服务质量的前提下，迅速满足客户需求生成式人工智能助手可以帮助人工客服专员在上述三个方面发挥更好的作用。借助智能增强功能，人工客服专员可以通过大量不同类型的触点提供卓越的客户服务。利用人工智能生成的总结，每位客服专员都能清楚地了解客户遇到的问题和所处的旅程阶段，从而即时提供恰当的体验。此外，生成式人工智能可以直接从客服专员与客户的互动中捕捉信息，更快地创建和更新知识资产，帮助每位客服专员轻松学习和分享知识。生成式人工智能在 客户服务方面的应用打造更快捷、更智能、更强大的零售业17节点 1：实时协助处理客户查询生成式人工智能赋能客服专员的关键节点当客户发起查询时，人工智能可以分析客户初始信息的情感和内容，以确定这些问题最好是由客服专员还是聊天机器人来处理。将简单的例行查询交给聊天机器人处理后，人工客服专员就能更好地应对需要运用人类专业知识才能处理的复杂查询。当客户需要客服专员提供直接帮助时，客服专员可以立即获得由人工智能生成的客户旅程概况。这样，他们就能做出正确的回复，而无需重复提问。将客户和查询分析、主题/问题理解、客户情感分析和实时语言翻译等功能相结合，显著加快对客户的回复，提高满意度。此外，通过消除互动中有关客户需求的重复问题，可以明显改善客户的服务体验，让客服专员也能快速推进客户的参与进程。生成式人工智能还有一个关键优势是语言翻译。有了这种功能，客服专员即使只具备基本的语言能力，也能为不同语言的客户提供服务。当客服专员准备回复客户的查询时，生成式人工智能可以将其回复的基本内容转化为具有说服力且可引起共鸣的翔实信息。这就可以进一步缩短回复时间，进而让客服专员能够在一天中服务更多客户，同时又不影响每位客户所获得的服务质量。打造更快捷、更智能、更强大的零售业18当客服专员结束客户互动时，他们必须完成呼叫后处理，通常包括将沟通内容总结和处置码上传到客户关系管理系统。生成式人工智能具有自动做记录、总结和翻译等功能，可以自动完成大部分流程，减少客服专员用于呼叫后处理的时间。从客户互动中自动获取的信息还可以自动添加标记，让客服专员和其他团队都能够轻松进行搜索、借鉴和报告。对每位客服专员而言，联络中心知识库是一项重要资源，但并非每位客服专员的问题都能解答。当客服专员需要当前知识库中没有的信息时，他们可以标记缺失知识点，这样一旦获得相关信息，就可以将其转化为新资产，供人工智能用于生成与该话题相关的回复。在与客户互动期间和之后，生成式人工智能功能可以分析客户意图，评估客服专员和主管如何成功处理类似查询，并利用这些信息编写新的知识文档或更新现有文档。随后，可由合适的客服专员或经理进行审核和编辑，然后再发布。节点 2：呼叫后处理节点 3：加强知识库打造更快捷、更智能、更强大的零售业19由于客服部门人员流失率较高，入职培训和教育对于客户服务团队来说一直是一大挑战。然而，得益于生成式人工智能创建的知识资产库，新入职的客服专员也可以自行回答大部分问题。人工智能可以从客服专员互动中发现沟通方式和知识点方面的问题，并利用这些洞见生成定制的学习和发展计划。客服专员可以迅速获取相关的学习资源，在几分钟内填补知识缺口。这样就能不断提高整个服务团队的绩效。此外，还可立即标记出客服专员回复中的所有不足之处，为相关客服专员提供所需的洞见和知识，从而提高他们的绩效，为客户提供更出色的体验。这些节点仅仅是生成式人工智能功能的冰山一角。如果将这些功能与强大的数据价值链相结合，就能让客服专员在客户的整个旅程中为他们提供有效的服务，并彻底改变客户服务职能。节点 4：帮助客服专员提高绩效打造更快捷、更智能、更强大的零售业20前后对比：生成式人工智能在客户服务方面的应用领域应用生成式人工智能之前应用生成式人工智能之后大语言模型功能示例收益处理客户查询/互动 耗时 冗长且重复 信息来源支离破碎 客户期望越来越高，客服专员急需支持 客服专员可以更 全 面 地 掌握所需的信息，快速恰当地响应客户需求。自动进行后台活动或支持活动，如做记录、执 行 呼 叫 后处理、后续跟 进等 内容创建和 增强 情感、内容基调 内容分类 总结 翻译 实时转录 对话式人工智能/智能响应改善客服专员绩效指标：已解决的案例数量 客户满意度（CSAT）平均处理时间 客户互动 首次响应时间提升受影响的指标，如加购、交叉销售、收入、投资回报率、产品使用率，减少流失率知识管理 脱节、难懂、过时 耗时 覆盖范围较小 在客服专员的操作限制内，更易于获取和使用知识 知识库不断更新和完善 内容创建和 增强 发现和简化 内容分类 总结 翻译 实时转录 对话式人工智能/智能响应 加快上岗速度 提高绩效 降低流失率 提高客户满意度和员工满意度（ESAT）个人发展和成长 角色类似甚至重复 操作环境受限 时间紧迫 资源不到位客服专员可以获得培训机会，快速提高技能，为客户提供更广泛的 服务 内 容 创 建 和 增强 发现和简化 总结 翻译 实时转录 对话式人工智能/智能响应 提高沟通 主动性 提高客服专员的绩效 降低流失率 提升客服专员的经验和 积极性打造更快捷、更智能、更强大的零售业21误区和注意事项为确保生成式人工智能功能为客服专员及其客户带来益处，相关团队必须注意以下几点：数据质量和数量：要生成准确且有针对性的回复，在很大程度上依赖于数据价值链的优势。数据质量差或数据数量少会导致回复内容不充分，可能会让客户失望，损害品牌声誉。因此，企业需持续关注数据质量和丰富性，并在人工审核系统中采取“人机协作（human in the loop）”的方法。保持品牌声音和基调：这对于客户服务而言极为重要，可为客户提供协调一致的体验。因此，所有人工智能生成的定制设计、模板和宣传内容都离不开一个确保其与品牌声音和基调保持一致的强大机制。处理复杂的客户互动：尽管大多数客户查询都大同小异，但总会有复杂而独特的情况。这就需建立明确的上报和分类机制，用于处理这些情况，并确保持续更新知识库，从此类互动中吸取经验教训。道德规范和偏见：应注意确保设立道德规范，并建立相关机制，避免在答复或信息中出现偏差。隐私和安全：由于客户服务是客户互动的前沿阵地，因此在制定生成式人工智能计划之初就应该采纳强大的安全和隐私政策。数据往往会缺乏客户和企业背景信息，因此必须进行有目的的干预，以避免人工智能产生偏离。打造更快捷、更智能、更强大的零售业22生成式人工智能有望加快工作流程，赋能人工团队，并推动现代零售企业的几乎各种职能取得更积极的成果。不过，这些优势不会自动实现，必须有策略地、循序渐进地落实。为了充分利用生成式人工智能给零售业带来的机遇，建议遵循以下五点建议：如何充分利用 生成式人工智能 给零售业带来的机遇生成式人工智能绝非新的技术孤岛，而是一种新的能力，可以帮助您从现有技术和数据资产中获得最大收益。生成式人工智能应建立在强大的数据基础之上，并与现有的分析和人工智能/机器学习能力共同发展，覆盖所有描述性和规范性功能，以充分利用生成式人工智能带来的所有机遇。人工智能的发展离不开数据的支持。因此，在开启人工智能旅程时，需重点关注有大量优质数据支持的生成式人工智能用例。例如，如果已经收集了大量有关客户的数据（客户身份、购物时间和原因），可以利用在营销用例方面的成功经验，将生成式人工智能扩展到其他功能中。有策略地部署生成式人工智能，充分利用现有功能1打造更快捷、更智能、更强大的零售业23就像人类助手一样，生成式人工智能助手应支持相关团队的工作方式，减轻他们的工作负担，而不是强迫他们做出改变。在确定整个企业的生成式人工智能用例时，请与相关团队协商，发现他们工作流程中真正的阻碍。当人工智能用于切实解决人类团队面临的挑战时，他们就会更快地采用生成式人工智能助手。这样会激励他们接受新的人工智能助手，并学习如何充分加以利用。如果您想在不同职能部门推动长期业务变革，那么这一点至关重要。您需确保为助手用户提供相应的培训，以提升技能，否则采用情况会不稳定，各团队的结果也会不一致。与相关团队密切合作，设计完美的生成式人工智能助手2生成式人工智能功能所生成的一切成果都需经过人工验证。近年来，这项技术取得了巨大进步，其中有些功能已经比较成熟。虽然文本生成等领域已变得非常稳定，但如果涉及视频生成等较新用例，相关工具仍然容易产生幻觉甚至发生知识产权问题，结果的可靠性就会降低。大语言模型自主代理就是典型的例子。如今，即使是最好的 GPT-4 代理也只能成功执行约 15%的任务，而人类的任务成功执行率为 92%。目前，如果一家企业完全依赖于大语言模型自主代理，可能会对其业务和客户体验造成灾难性的影响。通过采用“人机协作”的方法，在生成式人工智能工作流程中执行人工验证，可确保向客户和内部利益相关者展示的结果始终人性化，并与人类团队制作的内容保持一致。切勿将人类排除在流程之外3打造更快捷、更智能、更强大的零售业24虽然生成式人工智能助手设计得十分直观易用，但在企业开始使用之前，需要掌握一些新技能。您需要一些了解生成内容时可能出现的知识产权问题的专业人员，还需要一些深入了解生成式人工智能输出的分析人员。为了掌握这些技能，您可以在内部培养相关人才，也可以聘用具备这些技能的新人。无论您采取哪种方式，最好设立一些新职位，负责监督人工智能工作，并最终对向外部分享的人工智能输出负责。任命新职位，支持生成式人工智能转型4与任何数据驱动型技术一样，在生成式人工智能旅程的各阶段都应考虑安全问题，并将其列为优先事项。生成式人工智能带来的信息安全风险主要分为两大类：信息泄露和漏洞引入。信息泄露主要有三种形式：公共数据泄露，即他人的人工智能模型从您的网站或公共内容中获取信息。提示词泄露，即公共人工智能模型从您员工提供的提示词中进行学习。个人数据泄露，即个人数据（例如您的客户信息）被输入模型以生成输出结果，并开始出现在其他地方。漏洞引入源于人工智能生成的代码中普遍存在的质量问题。虽然这与零售用例不太相关，但如果相关团队开始使用生成式人工智能来生成新代码，那就需要时刻关注这些安全问题。始终奉行“安全第一”5打造更快捷、更智能、更强大的零售业25参考合适用例，抓住当今生成式人工智能给 零售业带来的机遇Thoughtworks 倡导采用以人为本的方法来选择生成式人工智能用例。生成式人工智能的核心是通过各种方法增强人类智力、能力和经验。因此，您的旅程应该从确定您想要改造的功能、流程和体验开始，无论是为您的客户还是为您的员工。为了最大限度地发挥生成式人工智能所带来的价值，最好在一开始就兼顾以员工和客户为中心的用例，首先开展以员工为中心的实验。在这些用例中，还应在战术性用例与战略性或创造性用例之间取得平衡，前者可以快速体现价值，后者则需要更长的时间才能取得成果，但却能产生更可观的长期投资回报率。以下矩阵图显示了如何确定用例并根据相关标准进行映射，以建立一个平衡的生成式人工智能用例组合。确定适合贵企业的用例 以人为本的方法战略性或创作性工作战术性或业务性工作以客户为中心（CX）以员工为中心（EX）商品管理市场营销客户服务其他表示影响大对话式输入用户生成内容（评分、评论、反馈）物流单据管理人员制定SOP/GXP准则控制台助手协助执行推广规划与供应商谈判根据产品归属和标记进行项目设置/入职培训案例摘要辅助培训精简预测发现百货类消费品发现时尚/服装类消费品对话式用户生成内容自助服务（PDP体验）自助式客服支持内容个性化对话式洞见创新和新产品发布客服专员辅助支持营销运营/合作伙伴支持营销内容创建人工智能生成的产品图像生成组合建议打造更快捷、更智能、更强大的零售业26确定企业用例优先级的框架 基于价值的方法一旦确定了一组相互平衡的生成式人工智能用例，您就需要仔细排定优先级，并选择先推行哪些用例。这是至关重要的一步，因为您需要确定速战速决的成功案例，向企业的其他部门展示生成式人工智能的价值，以确保高管支持您的计划，并推动人工智能用例在未来能被采用和推广。Thoughtworks 使用以下框架对生成式人工智能用例进行基于价值的评估。用例评估用例优先级排序必要时进行迭代挑战机遇人工智能幻觉的容忍度可行性知识产权问题道德问题监管环境输入、输出效益有利因素不利因素实施难度价值低低高高发现百货类消费品发现时尚类消费品营销运营/合作伙伴支持辅助培训推荐组合控制台助手对话式洞见对话式用户生成内容自助服务（PDP体验）物流单据管理人员SOP/GXP标准生成对话式输入用户生成内容（评分、评论、反馈）协助推广计划与供应商谈判精简预测优化库存分析内容个性化营销内容创建创新和新产品发布客服专员辅助支持根据产品归属和标记进行项目设置/入职培训案例摘要自助式客服支持人工智能生成的产品图像商品管理市场营销客户服务其他表示影响大打造更快捷、更智能、更强大的零售业27立即开启 生成式人工智能的成功之旅Thoughtworks 与各行各业的企业密切合作，助力企业做出正确的生成式人工智能决策，并将生成式人工智能功能与其战略目标紧密结合。如果您正在评估人工智能方案，想知道您的旅程应该从哪里开始，请立即联系我们。欲知详情，请点击 Thoughtworks/Retail-ecommerce道德问题、对幻觉的容忍度等评估标准可以帮助您确定安全的实验领域，这些领域非常适合早期的生成式人工智能用例。通过将按潜在价值和实施难度映射各个用例，您可以确认“快速致胜”用例（即具有高价值且易于实施的用例）和影响重大的长期用例（即具有中高级实施难度和极高价值的用例）。Sanjeev Athreya零售、快消品和商务业务负责人Preetisudha Pandab零售和商务行业首席咨询师Anitha Rajagopalan零售和商务行业首席咨询师兼产品战略专家关于作者