Генеративний штучний інтелект у ритейлі: майбутнє вже тут

Від персоналізованого маркетингу до покращення взаємодії з клієнтами — кейсів використання штучного інтелекту стає дедалі більше.

У сфері роздрібної торгівлі багато керівників вже встигли випробувати інструменти генеративного штучного інтелекту (GenAI). Ці експерименти іноді набували сюрреалістичної якості, однак нові можливості використання GenAI в ритейлі є дуже конкретними і матимуть далекосяжні наслідки.

По-перше, нагадаємо, де ми зупинилися в питаннях штучного інтелекту (ШІ) і що змінилося. Традиційний ШІ вирішує конкретні проблеми або робить конкретні прогнози; він покладається на алгоритми для вивчення шаблонів і структур у даних і може застосовувати ці знання до нових даних. Генеративний ШІ також аналізує закономірності у величезних масивах даних, але велика різниця полягає в тому, що він використовує цей аналіз для створення оригінального, нового для світу контенту — тексту, зображень або музики (не за горами і відео).

Гнучкі компанії в різних галузях починають впроваджувати інновації за допомогою цієї нової технології. Наприклад, Coca-Cola швидко запустила ШІ-платформу, яка дозволяє цифровим креаторам створювати оригінальні роботи, використовуючи знакові активи бренду Coke, такі як пляшки з характерним контуром. Платформа, створена у співпраці з OpenAI та Bain & Company, спирається на DALL-E та його «сестру» з текстовим введенням GPT-4. Для Coca-Cola це лише початок більш широкого використання GenAI.

Наразі нові сфери застосування генеративного ШІ в ритейлі можна умовно згрупувати в чотири категорії: персоналізований маркетинг, залучення клієнтів і трансформація сервісу, операції та продуктивність, а також клієнтська і галузева аналітика.

Персоналізований маркетинг

Генеративний ШІ уможливлює персоналізований маркетинг у масштабах, які раніше були неможливими. Візьміть, наприклад, рекламну електронну розсилку, націлену на багатотисячну авдиторію: технологія може адаптувати основний меседж до кожного одержувача, використовуючи мову і заохочення, які мають резонувати з їхніми минулими вподобаннями. Для покупця бакалійних товарів, якого найбільше цікавлять вигідні пропозиції, можна підготувати лист, що підкреслює цінність і містить купон; для того, хто вважає себе гурманом, можна розповісти про походження продуктів і додати рецепти приготування їжі.

Фахівці з маркетингу можуть використовувати інструменти GenAI, щоб підвищити свою продуктивність — наприклад, за допомогою них створювати перші драфти публікацій у блозі або креативні зображення (у будь-якому стилі — фотореалістичному, карикатурному, абстрактному тощо), які потім можна переглянути і доопрацювати. Після завершення роботи над контентом генеративний ШІ може набагато швидше створювати похідні ресурси (наприклад, картинки для соціальних мереж зі зміненим розміром), звільняючи час для завдань більш високого порядку.

GenAI можна вплести в структуру вебсайту або додатку ритейлера за допомогою індивідуально розроблених цільових сторінок, описів товарів та ілюстрацій. Ритейлери одягу мають можливість допомогти покупцям краще уявити, як одяг виглядатиме на них, використовуючи генеративний ШІ для обробки їхніх власних фотографій.

Існують також проривні можливості, які зараз не вписуються в маркетингові категорії, наприклад, рекомендований список рецептів на основі фотографії того, що є в холодильнику клієнта, або «гардеробний консьєрж», який рекомендує вбрання на основі фото наявного гардеробу і характеру події.

Залучення клієнтів і трансформація обслуговування

Порівняно з більш простими чатботами, які використовують шаблонні відповіді, віртуальні асистенти на основі генеративного ШІ пропонують набагато кращий досвід для покупців, коли їм потрібна допомога чи натхнення — не в останню чергу тому, що новітні технології краще здатні контекстуалізувати взаємодію з інформацією, яку вони зібрали раніше.

Уявіть собі покупчиню, яка шукає нові кросівки в перервах між зустрічами. Розмовляючи зі своїм пристроєм, а не набираючи текст, вона запитує ШІ-асистента магазину, які пари найкраще підійдуть для бігуна, що долає до 15 кілометрів на тиждень. Асистент пропонує варіанти, ставлячи на перше місце в списку взуття, яке клієнтка вже купувала в попередній ітерації. Отримавши точні відповіді на усні уточнюючі запитання про те, чи є її розмір на складі і скільки часу займе доставка, вона купує вподобану пару.

Такі інструменти стануть привабливим рішенням проблеми поганого пошуку у деяких інтернет-магазинах, оскільки підключити генеративний досвід ШІ через API буде простіше, ніж модернізувати власну пошукову інфраструктуру. Штучний інтелект також уможливить мультимодальний пошук, в якому покупці більше не обмежуватимуться пошуком за текстом і ключовими словами, а матимуть інші можливі відправні точки, такі як фотографії, голос і відео.

Для агентів з обслуговування клієнтів GenAI може рекомендувати сценарій для дзвінка, пропонувати цільові пропозиції, які можуть спокусити клієнта, і створювати резюме кожної розмови. Генеративний ШІ вже прискорює взаємодію в соціальних мережах, пропонуючи низку можливих відповідей на запити та коментарі клієнтів. Ці підказки можуть допомогти фахівцям по роботі з соцмережами взаємодіяти з більшою кількістю людей. Однак клієнти будуть розпізнавати компанії, які начебто взаємодіють з ними особисто, але не слідують поставленим ними питанням.

Операції та продуктивність

Керівники підприємств роздрібної торгівлі вже можуть скористатися потенціалом генеративного ШІ для вирішення особистих завдань — наприклад, використовуючи систему розпізнавання мовлення Whisper від OpenAI для автоматичного ведення нотаток під час зустрічей. Це лише початок операційних переваг для всієї організації, оскільки GenAI надає співробітникам інструменти, які можуть допомогти їм прискорити виконання типових завдань.

Візьмемо, наприклад, управління знаннями для лінійних працівників. Співробітники роздрібної торгівлі завалені навчальною документацією після приєднання до команди. Важко зберігати і використовувати цю інформацію в разі потреби — наприклад, коли співробітника відділу бакалії призначають на м’ясний прилавок і він повинен дотримуватися суворих правил гігієни — і лише лічені рази новий працівник може звернутися до менеджерів за роз’ясненнями. Генеративні чатботи зі штучним інтелектом можуть давати підказки та інструкції саме тоді, коли вони потрібні співробітникам, у невимушеній розмовній манері, що підвищує довіру та продуктивність. Технологія також може кодифікувати найкращі практики на основі неструктурованих даних, отриманих від найкращих магазинів, та інтегрувати цю інформацію в чатбот.

Управління постачальниками — ще одна операційна сфера, яка вже дозріла для допомоги штучного інтелекту. Сьогодні багато ритейлерів обробляють тисячі взаємин із постачальниками за допомогою великих команд спеціалістів. Генеративний ШІ може полегшити це навантаження. Він може автоматизувати — або напівавтоматизувати — деякі взаємодії з постачальниками, виконуючи такі завдання, як створення запитів на пропозиції (RFP), підбиття підсумків зустрічей і підготовка подальших імейлів.

Серед інших завдань бек-офісу — створення текстів для посадових інструкцій. Технологія також відкриє можливості для вдосконалення, про які ритейлери ще навіть не знають — наприклад, виявлення масштабованих найкращих практик із масиву внутрішньої інформації, яка ще не була повністю проаналізована або зібрана. Ця стратегія — «фіксувати та кодифікувати» — може стати в нагоді ритейлерам. А після того, як вони зберуть найкращі практики, вони зможуть використовувати GenAI для автоматичного створення або доповнення матеріалів для навчання та адаптації персоналу.

Клієнтська і галузева аналітика

З’являються нові способи аналізу настроїв і лояльності клієнтів. Генеративний ШІ може відстежувати зміст і тон взаємодії з клієнтом — телефонного дзвінка, онлайн-чату — а потім оцінювати в режимі реального часу, чи буде покупець задоволений або розчарований отриманою інформацією і способом її надання. Вимірювання лояльності клієнтів за допомогою такого показника, як Net Promoter Score, стає швидше прогностичним, ніж реактивним процесом.

GenAI може краще розуміти структуровані відгуки, такі як опитування, генеруючи чіткіші уявлення на рівні окремих магазинів, а також пропонуючи чіткіший погляд на загальну картину. Його здатність обробляти величезні обсяги неструктурованого зворотного зв’язку, наприклад, коментарі у вільній формі в соцмережах, стане трансформаційною. Здатність синтезувати ці відгуки з ключовими даними на рівні галузі, ринку та категорій дозволить у реальному часі вносити корективи в продукти та асортимент відповідно до змін у настроях, а також генерувати ідеї для нових продуктів і послуг.

Оператори онлайн-маркетплейсів також можуть звернутися до генеративного ШІ, щоб стандартизувати спосіб, у який сторонні продавці розміщують свої товари в мережі, завдяки уніфікованим ключовим словам і описам товарів, які автоматично генеруються на основі їхніх фотографій.

Сьогодення ШІ наздоганяє наше уявне майбутнє

Аналізуючи потенційні можливості використання GenAI, керівники стикаються з гострою проблемою стратегічного планування. У багатьох випадках футуристичні, на перший погляд, програми, які з’являються в результаті мозкового штурму, виявляються зовсім не такими вже й футуристичними: вони стануть можливими вже через кілька місяців, а не через десятиліття чи два. Нещодавні кроки, зроблені технологіями, дійсно є досить великими.

Негайне застосування цих досягнень штучного інтелекту — на відміну від повільного розвитку інших футуристичних технологій, таких як блокчейн і доповнена реальність, — означає, що вичікувальна позиція є особливо ризикованою для ритейлерів. Існує вагомий аргумент на користь сміливого застосування, навіть якщо шлях вперед є невизначеним. Підхід «тестуй і вчись» сьогодні може створити повторюваний процес, який широко розгорнути можна буде вже завтра. Штучний інтелект стане ключовим елементом роздрібної торгівлі, і ті, хто просто робить паузу, щоб підбити підсумки, ніколи не зможуть відіграти фору, яку отримають їхні конкуренти.

За матеріалами "Generative AI and Retail: Beyond the Skateboarding Panda", Bain & Company.

Ілюстрація: venturebeat.com