Revolusi AI Retail memasuki gelombang ketiga. Setelah AI prediktif dan AI generatif, agen otonom yang mampu menyelesaikan tugas belanja tanpa intervensi manusia muncul sebagai perbatasan berikutnya. Penelitian industri terbaru Salesforce mengungkapkan bahwa 32% perusahaan barang konsumen telah sepenuhnya menerapkan AI generatif, dengan perdagangan digital sebagai area fokus utama. Ketika teknologi berkembang dari menjawab pertanyaan hingga mengambil tindakan, merek dan pengecer menghadapi keputusan mendesak tentang bagaimana menyesuaikan kehadiran digital, konten produk, dan strategi media mereka.

Transisi dari AI generatif ke AI agen merupakan perubahan mendasar dalam kemampuan. Sementara chatbots dan asisten seperti Amazon’s Rufus dapat menjawab pertanyaan tentang produk, agen otonom dapat menyelesaikan seluruh perjalanan belanja – dari penemuan untuk membeli – dengan intervensi manusia yang minimal.

Evolusi AI di industri Barang Konsumen

Menurut Joint Salesforce dan Accenture “Laporan Wawasan Industri: edisi AI,” kami menyaksikan perkembangan yang jelas dalam kemampuan AI.

Michelle Grant, Direktur Strategi dan Wawasan untuk Barang Ritel dan Konsumen di Salesforce, menawarkan perbedaan yang bermanfaat antara otomatisasi tradisional yang mungkin diketahui pemasar dan pendekatan AI yang lebih baru:

Otomatisasi tradisional Mengikuti langkah -langkah yang telah ditentukan, tetapi bukan kecerdasan buatan juga bukan agen. Misalnya, jika seseorang membuka email, mereka secara otomatis ditambahkan ke ‘grup A’ dan, jika tidak, email tindak lanjut dikirim. Itu tidak menganalisis data, membuat keputusan, atau belajar dari waktu ke waktu-otomatisasi berbasis aturan.

Prediktif yang Anda miliki (Gelombang 1) menggunakan model data historis dan statistik untuk memprediksi masa depan. Misalnya, AI prediktif menggunakan algoritma pembelajaran mesin untuk menganalisis data keterlibatan historis pembelanja dan memprediksi waktu terbaik untuk mengirim email.

AI generatif (Wave 2) digunakan untuk membuat konten baru menggunakan LLMS dan data. Contohnya termasuk ringkasan, generator teks, dan generator gambar berdasarkan petunjuk. Meskipun dapat menghasilkan konten, itu tidak secara mandiri membuat keputusan atau mengambil tindakan.

AI Agen (Gelombang 3) Menggunakan pembelajaran mesin dan pemrosesan bahasa alami untuk secara mandiri menyelesaikan pekerjaan, tanpa memerlukan input manusia.

Grant menjelaskan bahwa perbedaan utama di sini adalah bahwa AI agen dapat mengambil tindakan berdasarkan inputnya untuk melakukan hal -hal seperti mengirim email yang dihasilkan, mengembangkan strategi kampanye dari wawasannya, atau menambahkan produk ke gerobak berdasarkan preferensi pembelanja.

Untuk pengecer dan merek, perkembangan ini bukan hanya akademis – itu membentuk kembali bagaimana konsumen menemukan dan membeli produk. Perusahaan barang konsumen sudah mengidentifikasi kasus penggunaan agen AI paling berharga mereka, dengan “membantu pembeli menemukan produk di situs web atau platform digital lainnya” peringkat ketiga dalam prioritas.

Dari menjawab pertanyaan hingga mengambil tindakan

Perbedaan antara AI generatif dan agen menjadi lebih jelas ketika memeriksa implementasi dunia nyata. Saks, misalnya, meluncurkan Agenforce (platform AI Agen Salesforce) pada bulan September 2024 untuk meningkatkan pengalaman pelanggannya.

Dalam Saks Chatbot -nya, Agenforce menganalisis interaksi pelanggan dan menentukan tindakan terbaik berikutnya berdasarkan konteks, sambil mengotomatiskan dan merampingkan tugas dan pertanyaan.

Demo video integrasi agen -agen Saks menunjukkan interaksi SMS antara agen AI pelanggan dan Saks ‘, di mana pelanggan membagikan beberapa foto agen inspirasi pakaian dan Saks’ kembali dengan item serupa. Ia mengetahui ukurannya yang biasa, seperti halnya sylist pribadi, dan membantu mengoordinasikan pesanan dan pertukaran ukuran yang lebih baru.

Sharkninja, sebuah perusahaan desain dan teknologi produk global di belakang merek hiu dan ninja, juga menerapkan Agenforce untuk memungkinkan Sharkninja dengan mudah membangun dan menggunakan agen AI yang dapat secara mandiri mengambil tindakan di seluruh fungsi bisnis apa pun, kata perusahaan itu. Dengan Agenforce, Sharkninja akan memiliki tenaga kerja digital yang selalu aktif tersedia 24/7 untuk memandu pelanggan melalui proses pembelian, menjawab pertanyaan produk, memecahkan masalah, dan mengelola pengembalian.

Mengubah media ritel dengan AI agen

Untuk jaringan media ritel, kebangkitan agen perbelanjaan AI menciptakan tantangan dan peluang. Saat ini, pengeluaran media ritel sangat miring ke arah konversi yang lebih rendah-dalam analisis baru-baru ini yang saya bahas pada anggaran media ritel, lebih dari 71% pengeluaran terjadi dalam produk yang disponsori atau penempatan fungsen bawah yang serupa.

Tetapi apa yang terjadi ketika agen AI, bukan manusia, membuat atau mempengaruhi keputusan pembelian? Penekanan tradisional pada pemicu kreatif dan emosional yang menarik dapat memberi jalan pada pendekatan berbasis atribut yang lebih terstruktur yang membujuk algoritma, bukan manusia.

Ambil iklan Walmart Connect atau Amazon, misalnya. Merek saat ini menawar kata kunci dan penempatan untuk menarik perhatian konsumen. Dalam dunia AI agen, mereka mungkin perlu mengoptimalkan parameter dan faktor peringkat yang diprioritaskan oleh agen belanja AI – berpotensi menggeser pengeluaran dari iklan produk yang disponsori tradisional ke optimasi rak digital dan inisiatif data terstruktur.

Menurut laporan Salesforce/Accenture, kasus penggunaan agen AI yang paling bermanfaat kedua melibatkan mengoptimalkan kampanye pemasaran dan periklanan. Beberapa perusahaan teknologi sudah membahas kebutuhan ini dengan mengembangkan platform AI yang dapat meningkatkan manajemen kampanye. Xnurta, misalnya, adalah platform manajemen iklan bertenaga AI yang meningkatkan manajemen kampanye di Amazon dan Walmart dengan memprediksi pola pembelian dan mengoptimalkan secara real-time (penafian: Xnurta adalah klien saya).

Seiring perkembangan agen AI, platform ini kemungkinan akan berkembang dari alat optimisasi ke agen pemasaran otonom yang mampu mengelola seluruh kampanye dengan pengawasan manusia minimal.

Strategi konten di dunia agen-sentris

Strategi konten merek juga akan membutuhkan kalibrasi ulang. Penelitian Salesforce memberi peringkat “Membantu Pembeli menemukan produk di situs web atau platform digital lainnya” sebagai kasus penggunaan agen AI paling menguntungkan ketiga, menyoroti pentingnya penemuan di era agen.

Saat ini, konten produk sering mencampur informasi faktual dengan daya tarik emosional dan mendongeng merek. Namun, agen belanja AI kemungkinan akan memprioritaskan atribut standar, spesifikasi, dan data terstruktur saat membuat rekomendasi. Merek yang unggul dalam menyediakan informasi produk yang komprehensif, akurat, dan konsisten di semua saluran akan mendapatkan keuntungan karena agen AI menjadi lebih umum.

Pertimbangkan skenario belanja untuk sepatu atletik. Saat ini, seorang konsumen mungkin terombang -ambing oleh citra yang menarik atau pemasaran gaya hidup. Besok, agen perbelanjaan AI mungkin menyaring opsi berdasarkan spesifikasi yang tepat – mencabut metrik, berat badan, skor keberlanjutan, dan peringkat daya tahan – faktor yang tidak disediakan oleh banyak merek secara konsisten di seluruh platform ritel.

Beberapa startup teknologi ritel mengatasi tantangan ini dengan mengembangkan solusi yang membantu merek menyusun dan membakukan konten produk mereka di seluruh saluran. Teknologi ini akan menjadi semakin berharga karena agen AI mulai memediasi lebih banyak perjalanan belanja dan memprioritaskan informasi terstruktur daripada konten pemasaran tradisional.

Tantangan kepercayaan

Terlepas dari antusiasme terhadap agen AI, penelitian Salesforce menyoroti tantangan utama. Kekhawatiran utama bagi para eksekutif barang konsumen adalah “kualitas hasil” dari agen AI, diikuti oleh “penerimaan karyawan” dan “teknologi warisan.”

Untuk implementasi ritel, kekhawatiran ini diterjemahkan ke masalah kepercayaan konsumen, terutama karena agen AI beralih dari membantu hingga pengambilan keputusan yang otonom. Merek dan pengecer perlu membangun transparansi menjadi agen belanja AI, membantu konsumen memahami bagaimana dan mengapa rekomendasi dibuat.

Mempersiapkan Masa Depan Agen

Ketika agen AI berkembang dari menjawab pertanyaan untuk mengambil tindakan atas nama konsumen, merek dan pengecer menghadapi momen penting. Mereka yang menyesuaikan kehadiran digital, strategi konten, dan pendekatan media ritel untuk paradigma baru ini kemungkinan akan mendapatkan keuntungan karena agen belanja AI menjadi lebih luas.

“Ini bukan hanya tentang tetap kompetitif,” kata Grant. “Ini tentang menetapkan kecepatan dalam industri di mana kelincahan dan fokus sentrisitas pelanggan adalah segalanya.”

Penelitian ini menunjukkan pergeseran ini terjadi dengan cepat: 55% eksekutif barang konsumen memperkirakan bahwa lebih dari 50% karyawan mereka akan menggunakan AI generatif pada tahun 2026.

Karena AI generatif memberi jalan kepada AI agen, angka -angka itu dapat naik lebih tinggi, mengubah tidak hanya bagaimana produk ditemukan tetapi bagaimana mereka dibeli dan dikonsumsi.

Untuk industri ritel, pesannya jelas: era agen belanja AI otonom datang lebih cepat dari yang diharapkan, dan persiapan harus dimulai sekarang.

Para peneliti di Universitas Michigan menemukan cara untuk menghasilkan cahaya yang terang dan terpelintir menggunakan teknologi yang mirip dengan bohlam Edison. Terobosan ini meninjau kembali prinsip-prinsip radiasi benda hitam, menawarkan potensi sistem penglihatan robotik canggih yang mampu membedakan variasi halus dalam sifat cahaya, seperti yang dipancarkan oleh organisme atau benda hidup. Terang, (…)

RisalahPos.com Network

Related