01
基于数字化重塑线下消费体验
消费心理影响消费行为，消费的满意度很大程度取决于心理的感知价值，而非功能价值，心理过程难以观测和判断，但行为可以运用数字化技术研究用户行为，重塑线下消费体验，占据消费者心智，可能是零售最优解。
零售品牌门店不应只作为销售渠道，应定位全域运营。要重塑线下消费体验，占据消费者心智，应该抓住零售线下门店这个最关键的客户触点。
1、因为，纯线上很难较好解决服务和体验问题，无法提升客户的心理感知价值；
2、今天的零售线下门店不应该仅作为销售渠道，而应该定位于具备多重属性的客户触点，承载交易、产品、服务、体验、品牌等等作用；
3、消费者的心理过程难以观测和判断，但行为可以，利用数字化能力记录和分析客户的消费旅程，洞察出客户的消费动机和真正需要，从而提高供需双方的匹配效率。加速转化，提升复购。做好线上+线下，公域+私域的全域运营，所有的这些都需要以足够的数字化能力为基础。
02
数字化、智能化转型是零售企业的必由之路
1、数字化1.0的主要特征是线上流程化。做得是围绕企业内各种“人财物事”的工作；把线上流程搬到线上，多数需求都是进行流程管控、设置卡点和审批流程。以流程管控为重心，数据只是记录过程。有非常强的执行属性。典型的思路就是，以ERP系统为核心，目的是减少业务风险，但牺牲了业务效率为代价。
2、数字化2.0的主要特征是数据业务化，做得是利用数据技术进行业务穿透，用数据驱动业务，有非常强的决策属性。典型思路是以大数据平台为核心，聚焦业务策略，提高业务效率，降低成本和提升体验。
3、对于数字化3.0，说实话这块的应用各行业都还在探索之中，很多人可能会把这个阶段定义为智能化，但智能化范围太大，在数字化2.0，DT这个阶段各个行业其实就应用很广泛了，比如电商购物，短视频平台的自动推荐；在3.0这个阶段数字化多少应该带有一些特别的东西，比如我们说的灵性，我们最近看到的和AIGC与以往的AI不同。
尽管如此，数字化3.0的一些方向是确定过的，数字化3.0的智慧技术，以大模型为核心，扮演决策和参谋，由创意创新驱动，具备很强的生产力属性，创造增量创新价值，这就是我们说的智慧商业时代。
03
在零售企业的应用场景
尽管这样的生成式AI工具并不是像人类一样通过“思考”来生成答案的，它们只是根据可用数据集所定义的上下文，进行推理组合生成了最可能的“正确”响应。但零售企业依然可以将们的“类似人类的提示延续能力”应用在业务和产品流程的优化提升中。
通过一些零售企业关于的试水，我们可能已经能够猜到生成式AI技术将如何在零售行业发挥作用。
包括:1. 虚拟试衣间 2. AI化妆镜 3. 商场内黑科技景观（如钢琴楼梯、会呼吸的灯、会跳舞的喷泉等等）4. AR大屏、全息投影 5. 智能化的导购机器人 6. 智能停车场 7.无人支付系统8.数据管理 9.供应商管理 10.销售预测 11.店铺装修 12.商品图片、营销海报图片生成 13.商详图、营销文案、商品标题生成 14.虚拟模特、虚拟主播、一键换装 15.智能客服、精准选品16.AI智能推荐、智能搜索、智能排序、智能定价 17.AI游戏 18.智能供应链 19.智能调度、智能配送 20.智能选品 21.AI店铺…
1、提升客户服务体验
1.1、智能对话式产品搜索
尽管大多数购物者可以使用搜索栏找到他们要寻找的产品，但由生成式AI驱动的对话式搜索可以提升用户搜索效率和体验，进而提高零售商的转化率和平均客单价。
品牌可以在产品搜索栏中实施“类似”的A/B测试，以帮助客户更高效地找到特定产品，例如搜索一个配方中的所有配料或一个完整装扮中的所有衣服。
1.2、智能客服聊天机器人
由生成式AI驱动的智能客户服务聊天机器人可以通过提供复杂和引人入胜的回答来降低员工工作量，虽然许多聊天机器人目前仅有15或20个决策树，
” trees（决策树）”是指一种分类和预测数据的机器学习方法。它是一种树状结构，每个内部节点表示一个属性（特征）进行切分，每个叶子节点表示一个类别或一个数值。在决策树学习过程中，通过对训练数据进行多层次的二元切分，构造一个决策树，最后用这个决策树对测试数据进行分类或预测。
但先进的生成式AI技术开启了具备无限对话路径的聊天机器人的潜力。同时还可以为用户提供个性化互动，改善自动聊天机器人的负面印象。
1.3、交叉销售（ Cross-）和升级销售（）
生成式AI可以根据在线商店历史数据和用户的搜索历史为其提供更加智能的购物建议。虽然零售企业目前可以使用数据分析和用户标签来监控和增强消费者体验，但生成式AI能做到更轻松地为客户旅程中下一个购买步骤提供个性化建议。
2、供应链优化
除了帮助零售企业提升客户体验，生成式AI技术和工具还能为零售供应链创造更无缝的体验升级，特别是加速零售企业次要决策流程。 的CTO 强调，生成式人工智能可以为现有零售技术提供一种额外的辅助决策的方式，以适应各种不同的场景和情境。预测需求：生成式AI可以预测消费者的购买行为和需求趋势。这使得零售商能够更好地计划库存和供应链，减少库存过剩或缺货的问题，提高运营效率。如美国休闲服装集团Gap ，收购人工智慧新创公司 CB4，透过检视每个实体门市的销售数据，显示不同门市消费者需求作预测分析，以改善店内的消费摆设、种类、服务以及体验。同时也能侦测出库存过量的产品，进而提出进货建议，提升店铺销售额。
2.1、智能查询用户包裹
供应链中最大的问题始终是：“我的包裹在哪里？”目前，用户必须手动联系或使用有限的跟踪信息来访问不同数据库中的包裹节点。具有对话能力的生成式AI可以更快速地回答这个问题，而不会出现错误或混乱。例如，用户或工作人员可以明确地询问聊天机器人：“包裹何时到达我这里”或“包裹是否可以更改路线”等等，生成式AI可以互动地解答这些简单的问题。
2.2、运输中的包装配置
供应链管理人员目前使用AI驱动的算法来优化包装配置，但是生成式AI可以为特殊的情境提供智能故障排除方法。例如，当地板上可能有液体泄漏，或者在包装商品时，工作人员需要为处理、组装和运输物品的工人留出一些空间等，都可以使用简单的语言向生成式AI询问解决方案。
2.3、生成物流信息单
生成式AI可以非常快速地找到物品运输过程中新的物流信息单设计方式。在物流信息单和张贴信息单的区域中加入新的元素通常需要基于很多变量的复杂决策过程，这容易出现错误和效率低下的情况。大型语言模型可以生成新的物流信息打印解决方案，而不会违反任何要求，以帮助决策者找到最佳的空间利用方式。
3、自动化生成内容
在后端电子商务交易中，生成式AI可以协助零售企业生成内容：
3.1、保证一致的产品描述
许多零售商已经开始利用人工智能自动进行 A/B 测试产品描述，以找到最吸引人的变化。然而，最近人工智能在上下文理解方面的进展使得零售商可以自动地将商品描述统一标准化，适用于多种卖家。供应商经常会在销售平台/渠道上传一些非常不一致的产品描述。内容撰写者可以使用生成式AI，通过描述具体的指示和约束条件，以自动生成符合标准、语法正确、符合品牌调性专业的标准商品描述。这样就避免了手动编写商品描述的工作，同时也提高了产品信息的质量和准确性。
3.2、生成个性化产品图片
当用户浏览电子商务网站时，每张产品图片都需要摄影师、平面设计师、模特和创意人员进行拍摄。生成式AI将使零售商能够根据文本描述和历史图像数据为每个客户生成个性化的产品图片。举个例子，一家运动服饰零售商可以利用生成式人工智能自动生成一张大学生穿运动衫的照片，以吸引一位19岁的顾客。如果顾客愿意提供更多个人数据，甚至自己提供提示，生成式人工智能则能够根据顾客的需求和个性化情况，在各种不同场合下展示商品的外观和效果。
3.3、自动填充交易流程
同样的应用场景也可以更广泛地应用于整个网页，让零售商能够更快地引导供应商和客户完成浏览（购物）环节。目前大多数电子商务网站的用户流程都是通用的和固定的，或是基于简单的输入特征，例如时区或用户来源等。
生成式AI能够帮助零售商针对每个用户和供应商提供个性化的网页体验，通过自动填充产品、店铺或用户信息等方法，简化网页浏览和购物流程。这种方法可以减少网站浏览过程中的等待时间和繁琐程度，提高购物体验和销售收入。
是零售行业战略咨询服务商 的VP，她也对在零售业的应用给出了自己的观点：“彻底改变零售用户数据收集”和“促进零售企业跨渠道数据整合”。
4、彻底改变零售用户数据收集
根据的研究发现，只有43％的公司使用数据支持来实现用户个性化服务交互。这意味着大多数品牌没有从过去的错误中吸取教训以改善客户体验，而是向客户提供通用或可能无关的信息。我们假设一个先前有问题咨询的客户现在回来又有了另一个问题，而如果客服代表没有先前的交互记录，他们就会不断重复先前的内容。
AI能很好地改变这一现象，其可以提供深入的洞察，为购物者提供自助服务，使他们无需与人类客服代表交流即可找到答案。当需要现场客服服务时，AI可以评估对话的背景并推荐有效的解决方案。
的“未来客户忠诚度”报告数据显示，客户第一次联系时就能解决问题是帮助企业建立客户忠诚度的最大驱动因素。此外，生成式AI“记得”以前的对话和具备交互能力可以使AI聊天机器人生成自动FAQ，涵盖相关问题和客户的所有关注点。
5、促进零售企业跨渠道数据整合
零售企业通常跨多个渠道与客户进行互动，但根据的数据只有14％的零售商做到了跨平台集成联系中心。无法在各个渠道为客户提供统一的服务，对客户体验和企业运营效率的提升都带来了很大阻碍。有了这一点生成式AI工具，便可以识别和解决平台之间的共同问题，为客户提供一个无缝且个性化的旅程。
的最新的报告发现，64％的消费者愿意与AI进行互动，当然前提是可以更快地解决问题。但AI智能客服一直以来的一大诟病是缺乏共情能力，现在生成式AI则可以模仿一个“真实”的客服来为客户提供服务。
对于一些零售商来说，由于之前的经历，AI可能是一个不太受欢迎的词汇。但实际上，这项技术是创造有意义和高效客户互动的关键。采取一种统一的方法，捕获所有渠道的交互，并使用一个客户数据平台作为组织中的单一真实来源，进而从客户互动中获得的见解将与推动业务前进的战略结果建立起联系对零售企业的增长至关重要。
无论用户对话在何种场景和哪个渠道进行，客服支持都需要基于客户往期对话或者一些补充信息接续上去，让消费者知道零售企业将其关心他们具体的个人对待，而不是冷冰冰的数字。
6、增强现实（AR）和虚拟现实（VR）
生成式AI可以与AR和VR技术结合，为消费者提供更丰富的虚拟购物体验。消费者可以通过AR或VR技术在虚拟环境中试穿衣物或体验产品，提高购买满意度。Nike Fit App 结合AR技术，还用上电脑视觉、人工智慧与演算法来扫描双脚，让消费者透过 AR 完成尺码测量，更容易买到合脚的鞋子。
7、嗅觉灵敏
零售企业早在媒体追风口、抓热点之前，就已经早早布局生成式AI技术在零售行业的应用。知名零售电商服务和支付平台在三月份曾宣布，正在与合作，作为第一批与合作利用其协议构建的集成插件的品牌之一，将通过向要求购物建议和灵感的用户提供精选商品建议以及通过的搜索和比较工具链接购买这些产品，提供高度个性化和直观的购物体验。
04
AI在零售实际工作中的应用
来看一个钱大妈的应用场景：实际工作中，我们经常需要分析那个区域的经营有问题。尝试让给出答案。第一步：因此问：请告诉我哪个区域经营有问题？回答如下；第二步：如果觉得不够直观，于是问他可以可视化出来吗？将内容整理成为可视化图表。
第三步：如果觉得可以更清晰一些些，于是科技让其加入平均线在可视化图表。
第四步：如果觉得还可以清晰观些，于是让他把低于平均线的区域标红，并把区域名称列举出来。（如下图）
上图的统计效果甚至比我们现实中的一些数据分析员要做的好。最关键的是，仅仅用了1分钟，提了4个问题/要求而已，甚至连实现代码也给出了，AI大模型是采用了研究人类大脑认知的方法，用神经元的连接机制来实现智能。22年8月，谷歌发布的关于模型精度与模型参数规模大小的关系表明，当模型参数规模达到某个阈值时，模型对某些问题的准确性快速增长。
的研究也表明，随着模型参数规模指数级上升，模型性能实现线型增长。
现在GPT-4达到的高度，远不是他的最终高度，我们看到GPT-4的参数量为1.8万亿，离人脑数百万亿个神经连接，还有几个数量级的差异。目前的表现，相信已经超出了很多人的预期。当哪天GPT的参数量赶上人脑的神经连接数，能达到什么高度，尚未可知。
05
如何利用AIGC工具实现应用场景的运营
互联网时代对于内容生产，生产角色的转换与核心环节会不断演进。对于设计、内容、短视频直播等环节，可能会AI工具的人替代不会应用AI工具的人。内容生产从PGC到UGC再到AIGC。而人从内容消费者到初次内容生产者再到二次内容加工者实现了角色互换。
应用AIGC & 、 、 AI 智能AI绘图生成工具、背景切换、建模、AI辅助设计工具等。如广妆集团运用+创作作品数字生命卡兹克，花了5个晚上，用生成了693张图，用Gen2生成了185个镜头，最后选出来了60个镜头，剪辑而成。
数据统计分析CSV-、运用GPT3.5，AI助手（对内客服）、同时还可以利用基于不同场景需求（平台）消费者，生成针对性营销文案、文案与短视频脚本、爆款视频拆解生成、数字人+直播间等通过私有化部署与训练，实现AI场景的应用与完善。
06
结语：零售企业应用AI的若干重心
首先是私有化大模型的建设（包括销售，财务，人力等核心数据交互式生成），其次营销板块AI内容生产（二创定位）、第三智能客服训练（对内政策制度，对外营销客服），数字人+AI直播、第四运维岗位转型（包括大模型部署及训练能力）、第五，AI应用在合规的基础下“起飞”，第六，基于AIGC，每个品牌的产供销都值得重做一下（范围广，成本低，效率快）。
数字化时代下，人工智能发展方兴未艾，持续深度渗透各行各业，包括消费品与零售领域。人工智能技术不仅为企业带来了巨大的机遇，更带来了颠覆性变革与前所未有的挑战，广泛涉及业务能力转变、行事流程优化及决策模式升级。在激烈竞争且消费者行为不断演进的市场环境中，消费品企业必须保持嗅觉灵敏、意识开放，以面对AI驱动下的未来冲击，提前抓住未来浪潮背后的潜在机遇。
未来，企业面临针对创意内容、媒介多元、数字化转型和渠道模式改变的主要趋势，同时需进行端到端整合实现通过自动化、高度个性化和动态透明度来提升企业整体运营效率。趋势引发的变革同样为品牌提供了前所未有的提升机会，品牌需紧抓机遇、提前蓄力、拥抱变革，包括：
最后：AI不会取代人类，但不会应用AI生产力和智慧的人很可能会被取代。
第九届智慧零售数字化大会及秋季展示会相关报道
323AI导航网发布
相关文章
