每年的這個(gè)時(shí)候，專家們都會(huì)對(duì)明年為零售業(yè)的發(fā)展提出意見，特別是零售業(yè)的主要技術(shù)趨勢(shì)。本文將重點(diǎn)介紹生成式AI，以及一些值得關(guān)注的關(guān)鍵趨勢(shì)。

如果說2023年是生成式AI大放異彩的一年，2024年是實(shí)驗(yàn)之年，那么2025年很可能是該技術(shù)進(jìn)一步成熟的一年。我們?cè)絹碓浇咏麲artner的“啟蒙斜坡（slope of enlightenment）”，但我們還沒有完全達(dá)到那個(gè)目標(biāo)。

很多人厭倦了聽到生成式AI，這可以同情，但沒有人可以否認(rèn)生成式AI對(duì)我們的世界產(chǎn)生了重大影響。因此，以下是2025年值得關(guān)注的三個(gè)特定于零售的案例（虛擬購物助手、超個(gè)性化、虛擬試妝）和三項(xiàng)技術(shù)（AI代理、特定于域的基礎(chǔ)模型、計(jì)算機(jī)使用）：

虛擬購物助手 Virtual Shopping Assistants

概念很簡(jiǎn)單，當(dāng)購物者不確定要買什么時(shí)，他們可以向店內(nèi)員工尋求專業(yè)建議——至少在理論上是這樣。但是，如果您在網(wǎng)上購物怎么辦？進(jìn)入AI驅(qū)動(dòng)的虛擬購物助手，它精通商品知識(shí)、數(shù)字網(wǎng)絡(luò)和潮流時(shí)尚等各種主題。例如，哪種Wi-Fi路由器在戶外效果最好？時(shí)尚的滑雪手套有什么推薦？獲得這些問題的答案是Amazon推出的虛擬購物助手Rufus背后的算法。

Rufus特別有用的一點(diǎn)是它是對(duì)話式的，允許與購物者互動(dòng)交流，直到他們對(duì)答案感到滿意。就像人類專家一樣，虛擬購物助手會(huì)提出問題以幫助了解購物者的需求和偏好。有些人可能會(huì)考慮這種對(duì)話式搜索。

這肯定不會(huì)取代傳統(tǒng)的搜索，零售商應(yīng)該從改進(jìn)他們的搜索和產(chǎn)品發(fā)現(xiàn)解決方案開始，然后決定聊天機(jī)器人和虛擬助手是否對(duì)他們有意義。這些解決方案可能會(huì)增強(qiáng)買家的信心，從而提高銷售額，并可能減少退貨。

超個(gè)性化 Hyper-personalization

個(gè)性化的機(jī)器學(xué)習(xí)已經(jīng)使用了25年，當(dāng)時(shí) Amazon首次開始使用協(xié)同篩選，根據(jù)類似客戶的好惡來預(yù)測(cè)特定客戶的偏好。下一波浪潮是將機(jī)器學(xué)習(xí)與生成式AI相結(jié)合，為購物者創(chuàng)造個(gè)性化的體驗(yàn)。這包括超個(gè)性化的營(yíng)銷通信、搜索結(jié)果、產(chǎn)品詳細(xì)信息頁面，甚至聊天機(jī)器人對(duì)話。

最終，每個(gè)網(wǎng)店會(huì)話都可以為個(gè)人購物者進(jìn)行定制，使用吸引人的主題、量身定制的分類和基于他們個(gè)人喜好的精選優(yōu)惠向他們展示產(chǎn)品。零售商應(yīng)考慮如何利用過去的銷售、產(chǎn)品數(shù)據(jù)和第三方客戶數(shù)據(jù)等，更好地對(duì)每一次購物者互動(dòng)進(jìn)行超個(gè)性化。

虛擬試衣/試妝 Virtual Try-on

購物者缺乏信心會(huì)阻礙在線銷售，尤其是在時(shí)尚等領(lǐng)域。如果無法概念化產(chǎn)品，他們可能不愿意購買，或者他們可能會(huì)訂購多個(gè)型號(hào)或規(guī)格并退回未選擇的型號(hào)或規(guī)格。生成式AI開啟了在上下文中更直觀地描述產(chǎn)品的可能性，因此購物者可以虛擬試穿產(chǎn)品。這是通過組合兩張圖片來實(shí)現(xiàn)的，比如一個(gè)人加一件毛衣，或者一把椅子加一個(gè)客廳，這樣購物者就可以更直觀地評(píng)估外觀效果。

Stable Diffusion和Amazon Titan Image Generator等AI模型用于智能組合圖像，向購物者展示預(yù)期內(nèi)容并提高他們的購買信心。銷售服裝、時(shí)裝、配飾、家具或其他受益于可視化效果的產(chǎn)品的零售商應(yīng)考慮此項(xiàng)功能。

AI自主智能體 AI Agents

AI Agent是 “以大語言模型為大腦驅(qū)動(dòng)的系統(tǒng)，具備自主理解、感知、規(guī)劃、記憶和使用工具的能力，能夠自動(dòng)化執(zhí)行完成復(fù)雜任務(wù)的系統(tǒng)。AI Agent不同于傳統(tǒng)的人工智能，它具備通過獨(dú)立思考、調(diào)用工具去逐步完成給定目標(biāo)的能力。與聊天機(jī)器人或虛擬助手聊天可以提供信息，但很少以行動(dòng)為導(dǎo)向。另一方面，自主智能體在實(shí)現(xiàn)目標(biāo)方面發(fā)揮著作用。他們通常是自主的，并擁有幫助他們完成特定任務(wù)的工具。您甚至可以將自主智能體視為您團(tuán)隊(duì)的一部分，對(duì)銷售做出貢獻(xiàn)。Amazon Bedrock Agent等產(chǎn)品可以使用思維鏈推理來分解和解決復(fù)雜的問題。例如，您可能有一個(gè)定價(jià)自主智能體，它可以在競(jìng)爭(zhēng)對(duì)手的網(wǎng)站上抓取價(jià)格、檢查產(chǎn)品利潤(rùn)率并在其定義的規(guī)則內(nèi)提出價(jià)格建議。

想象一下，當(dāng)您購買預(yù)測(cè)軟件時(shí)，它帶有一個(gè)預(yù)測(cè)自主智能體，可以代表您操作該軟件，根據(jù)需要更新和分發(fā)您的預(yù)測(cè)。零售商應(yīng)該尋找可以與自主智能體一起自動(dòng)化的任務(wù)，從而提高團(tuán)隊(duì)的整體生產(chǎn)力。

垂直域基礎(chǔ)模型 Domain-specific Foundation Models

大多數(shù)基礎(chǔ)模型（FM），如大型語言模型（LLM），都是在公共數(shù)據(jù)資料庫上訓(xùn)練的，因此它們具有一般知識(shí)，但也可以從頭開始構(gòu)建模型以專注于特定領(lǐng)域。Amazon Science 團(tuán)隊(duì)創(chuàng)建了一個(gè)特定于零售的LLM供Rufus使用，該LLM已針對(duì)其龐大的產(chǎn)品目錄、買家評(píng)論和其他類似數(shù)據(jù)進(jìn)行了培訓(xùn)，旨在增強(qiáng)購物體驗(yàn)。希望它的重點(diǎn)使其更小，因此運(yùn)行成本更低，但仍能產(chǎn)生卓越的輸出。

當(dāng)然，建立LLM是一項(xiàng)艱巨的任務(wù)，而且大多數(shù)零售商可能都無法做到。因此，大多數(shù)會(huì)選擇使用自己的數(shù)據(jù)對(duì)現(xiàn)有模型進(jìn)行微調(diào)。零售商應(yīng)考慮這種經(jīng)濟(jì)高效的方法來提高生成式AI的輸出。

電腦自動(dòng)操控 Computer Use

目前,Computer use主要依靠API來驅(qū)動(dòng)自動(dòng)化指令,當(dāng)開發(fā)者通過API向Claude 發(fā)送指令時(shí),Claude會(huì)運(yùn)用其自然語言處理能力解析指令。雖然仍處于早期階段，但可以讓FM（例如 Claude 3.5）控制您的計(jì)算機(jī)并像您一樣使用它。例如，您可以請(qǐng)求它為您創(chuàng)建一個(gè)采購訂單，然后它將“查看”您的屏幕，接管您的鼠標(biāo)并填寫表格。生成式AI還可用于回歸測(cè)試，確保對(duì)Web Store的更改按預(yù)期工作。例如，從消費(fèi)者的角度來看，購物者可以要求查找并購買價(jià)格最低的Apple AirPod Pro，讓它進(jìn)行研究并最終選擇要購買的產(chǎn)品。

由于FM接受過使用軟件（尤其是瀏覽器）的培訓(xùn)，他們將能夠自動(dòng)執(zhí)行一些日常任務(wù)，從而使人類將更多時(shí)間花在創(chuàng)造性追求上。現(xiàn)在采用這項(xiàng)技術(shù)還為時(shí)過早，但請(qǐng)密切關(guān)注 2025年的全面可用性。