零售业中的生成式人工智能：需要考虑的 5 个主要用例

如果您正在考虑哪些行业将从采用生成式人工智能 (AI) 解决方案中受益最多，零售业可能不是您第一个想到的行业。

然而，Salesforce 的一份新报告指出，17% 的买家已经使用生成式人工智能来获取购物灵感。 具体来说，用户转向 ChatGPT 等高度发达的语言模型 (LLM) 来研究小工具创意、获取时尚灵感并制定个人营养计划 - 而生成式 AI 成为主流才仅仅九个月！

在本文中，我们将探讨实体零售商如何利用这种新兴技术来自动化任务、增强客户体验，并通过优化供应链和消除欺诈来提高利润率。

探索生成式人工智能在零售业的变革潜力

生成式人工智能是人工智能的一个子集，它能够利用经过训练的信息来创建新的、独特的内容，例如文本、视觉效果、音频和视频。

与大多数针对特定任务（例如识别图像和 PDF 文件中的字符或检测异常支付交易）而设计的基于人工智能的解决方案不同，生成式人工智能模型可以执行多个任务并产生各种输出，只要它们与训练相似即可数据集。

然而，两种人工智能之间的显着差异并不意味着它们不能共存。 相反，这些技术有助于解决其他技术的缺点，使零售品牌能够做出更明智的业务决策并改进其数字战略。

从广义上讲，生成式人工智能的使用可以分为以下几类。

综合数据生成

传统的人工智能系统严重依赖大型数据集进行训练。 然而，收集这些数据可能是一个耗时且成本高昂的过程，同时也会引发隐私问题。 这就是生成式人工智能派上用场的地方。 由于其在生成不同类型数据方面的多功能性，这项新技术可以帮助合成传统人工智能模型训练的信息。 此外，它还解决了与数据隐私和安全相关的障碍，使零售商能够以无风险的方式优化人工智能模型性能。

高级分析

传统商业智能 (BI) 系统擅长处理和分析结构化数据，以可读格式呈现见解。 注入人工智能的 BI 系统拥有分析来自各种内部和外部 IT 系统的结构化、半结构化和非结构化数据的能力。 零售业的生成式人工智能解决方案模仿人工智能驱动的数据分析工具的功能。 这些解决方案为没有技术专业知识的员工提供了用户友好的界面，以及从各种来源访问不同类型的数据，例如客户评论和社交媒体提及。 此外，他们可以生成与您已有的信息类似的数据，以放大您的分析工作并模拟反映当前市场趋势和客户行为变化的现实场景。

更智能的内容创建

生成式人工智能创建内容的能力是无与伦比的。 这就是为什么世界领先的电子商务公司转向生成式人工智能来编写 SEO 友好的博客文章、登陆页面和产品描述。 在实体零售中，生成人工智能的内容相关应用可能不会产生如此变革性的影响。 然而，实体店仍然可以利用该技术来制作上下文相关的内容，从传单和购物应用程序中的个性化营销信息到交互式显示屏上运行的产品视频。

让我们看看这些功能如何与特定用例相结合。

零售业 5 大生成式人工智能用例

为顾客提供个性化购物指导

为了在实体店提供个性化的客户体验，企业可以使用基础人工智能模型来创建经过公司数据培训的数字购物助理。 这些助手位于您的品牌应用程序中，可以帮助购物者在商店中查找产品、捆绑排列相关产品、创建购物清单，并根据过去的购买和浏览数据提供折扣。 您还可以利用零售生成人工智能技术为数字标牌和信息亭开发动态、自适应内容。

零售品牌利用生成式人工智能驱动的个性化的一些早期例子包括家乐福，这是一家跨国零售和批发连锁店，在 30 个国家运营着近 14,000 家商店。 今年早些时候，该公司推出了 Hopla，这是一个由 ChatGPT 驱动的聊天机器人，可以根据家乐福顾客的预算、过去的购买情况和饮食限制，为他们提供个性化的购物提示甚至食谱。 此类聊天机器人可以成为免结账购物解决方案的一个受欢迎的补充，为精通技术的客户提供无缝帮助。

加强实体店的陈列设计

借助生成式人工智能模型，零售商可以设计出更具吸引力、更高效、更有效的商店布局和产品展示，从而提升客户体验和销量。 正如我们在上一节中提到的，人工智能有助于将各种客户数据归结为有意义的见解，建立商店布局和买家行为之间的相关性。 例如，突出显示商店中人流量大的区域的热图，可用于优化产品放置。

有远见的零售商还可以利用人工智能来制作迎合特定客户群或个人偏好的显示器，并使用交互式屏幕、增强现实 (AR) 应用程序和依赖蓝牙技术的近距离营销解决方案来刺激客户与设计的互动。 虽然其中一些想法乍一看似乎是科幻概念，但有时生成式人工智能在零售业的建议可能就像在购买点 (POP) 展示一样简单，仅此一项就可以将销售额增加多达 32 %。

协助库存和供应链管理

自 COVID-19 大流行爆发以来，零售业一直在应对严峻的供应链挑战。 其中包括关闭边境和随后的运输延误、中国等国家严格的封锁规定造成的生产中断，以及买家行为巨大变化导致的持续库存过剩和缺货。

H&M 和 Zara 等精通技术的企业长期以来一直利用零售软件开发服务，借助注入人工智能功能的集成数据生态系统来解决这些问题。 例如，Zara 使用库存单位 (SKU) 编号跟踪所有采购，分析每个实体店的销售趋势，并根据实际需求调整生产量。 同样，H&M 使用人工智能来监控其所有 4,700 个地点的销售情况、预测销售量并及时补货。

通过在零售供应链中使用生成式人工智能，还可以预测需求、保持最佳库存水平并优化物流运营。 问题是，生成式人工智能与传统人工智能相比如何，它能带来什么好处？ 传统零售人工智能解决方案依靠历史数据来检测新信息中的模式并提供智能建议，而生成式人工智能零售系统可以生成合成训练数据。 利用这些数据，智能算法可以模拟市场状况和场景，并对供应链模型进行压力测试。 这些功能使生成式人工智能成为缺乏大量销售和物流数据的零售商的可行选择，使公司能够采用更精细的方法进行库存规划，并利用复杂变量优化供应链运营。

制定有竞争力的定价策略

实体零售商可以使用生成式人工智能来制定动态定价策略。 第一步，他们需要收集有关客户人口统计、行为和购买历史的数据。 接下来，收集有关竞争对手特定产品类别价格的最新信息至关重要。 您可以利用市场报告等外部来源的信息来增强您的数据集。 此外，重要的是要考虑可能影响客户购买模式的其他因素，例如季节、假期和黑色星期五等重复事件。 零售生成人工智能系统将吸收这些数据并获得必要的技能来解释实时信息并根据实际需求做出即时定价决策。 智能算法还可以帮助开发由客户的购买历史驱动的个性化定价策略。

消除欺诈

生成式人工智能可以通过各种方式帮助检测和防止实体零售店中的欺诈行为。 例如，当实际数据稀缺或敏感时，您可以让生成式人工智能创建真实的合成数据来训练机器学习模型。 这些数据可用于教授计算机视觉驱动的安全系统，以发现商店行窃和甜心事件——有关零售业中这些人工智能应用的更多信息，请查看我们最近关于未来超市的博客文章。

生成式人工智能还可以创建真实的交易数据，帮助检测欺诈活动，例如虚假退货和购买。 这不仅可以增加客户信任，还可以提高您的整体财务绩效。 甚至可以选择将基于区块链的智能合约与生成式人工智能零售解决方案相结合，以检测传统零售供应链中未经授权的卖家和假冒产品。

您的公司可以使用区块链智能合约，在满足某些条件时自动执行，而生成人工智能将实时分析区块链数据，识别人类操作员可能错过的模式和趋势。 这种组合的一些实际用例包括使用独特的二维码或序列号验证产品，然后利用生成式人工智能来预测与这些代码的生成相关的欺诈模式。 此外，从技术上讲，可以实施人工智能算法来分析区块链技术上的供应商信息和交易，以识别未经授权或虚假的卖家。

尽管零售生成人工智能仍处于早期阶段，但作为有远见的领导者，您应该考虑尽快将该技术添加到您的数字工具箱中。 随着客户在实体店购物时越来越依赖智能手机和应用程序，您可以利用生成式人工智能来个性化您的信息，微调您的追加销售和交叉销售策略，并更深入地了解消费者行为。

然而，在业务中实施任何类型的人工智能时，您的组织可能需要克服某些障碍。 为了帮助您顺利完成 AI 试点项目，ITRex 团队编写了几份实用指南。

• 解释什么是 AI 概念验证 (POC) 以及为什么它对项目的成功至关重要
• 人工智能实施挑战概述
• 商业人工智能手册提供了在组织中实施人工智能的分步说明
• 影响人工智能开发成本的因素总结（对我们投资组合中人工智能项目的大致估计）

如果您在零售业实施传统或生成式人工智能方面需要帮助，请联系 ITRex！ 我们利用在数据科学、云计算、DevOps 和定制软件工程方面的丰富经验来微调现有模型并从头开始构建定制人工智能解决方案。

本文最初发表于 itrex 网站。