贝恩：生成式人工智能改善客户体验的潜力

与其他行业一样，在零售业，生成式人工智能有望改变客户体验。零售商正在部署人工智能增强工具，例如产品评论摘要、聊天机器人和购物助理，以促进购买决策、减少摩擦并提高转化率。虽然企业正在试验和评估生成式人工智能工具在购物过程中的影响，但客户仍在习惯影响其在线购物体验的新交互和功能，并且与生成式人工智能的所有内容一样，我们发现他们的看法是与我们过去所了解的相同或不同。

为了帮助零售商考虑以客户为中心的方式部署生成式人工智能，贝恩对美国 700 多名在线购物者进行了调查，了解他们对生成式人工智能的了解和经验。顾客对这些工具的认知度很低：71% 的人表示，他们不知道在网上购物中使用了生成式人工智能，尽管大多数人最近在他们可能遇到过的零售商那里购物过。尽管认知度较低，但客户对生成式人工智能的影响持乐观态度，大约一半的客户看到了重大或变革性的潜力。

除了调查之外，我们还采访了在线购物者，并将传统和新的购物体验与不同类型的生成人工智能进行比较，同时考虑到客户对个性化的期望。然后，我们绘制了他们对整个购买过程的看法——从认知到购买及其他。这项研究使我们能够定义五项设计原则，这些原则累积表明，生成式人工智能最有效的早期用例可能在于设计增强和扩展当前零售旅程的体验，而不是充当独立的参与平台。

设计原则 1：利用生成式人工智能来增强而非竞争已形成的购物习惯

客户表示，他们在网上购物时不使用生成式人工智能工具的主要原因是他们对当前的方法感到满意，并且认为不需要新工具，这是可以理解的：几十年来，网上购物已经发展了其工具和体验，并且解决方案已根据客户需求进行了微调（见图 1）。

例如，在对话式购物助理的产品演练中，客户常常不清楚他们当前的搜索方法与用于搜索和探索产品的新型生成式人工智能工具之间的区别。一位顾客感到惊讶的是，对话购物助理没有优先考虑她过去购买的产品，这是传统搜索提供的功能：“我可能只是回到搜索栏……因为我以前买过这个产品……并且我实际上只需在搜索栏中输入它，它就知道我想要什么。”

虽然创新需要测试和学习的方法，但我们的研究表明零售商应该如此构建这些新的生成式人工智能实验，并努力寻求互补的价值主张。否则，客户可能会因为使用不同的工具来实现相似的目标而感到困惑；还有一个风险是，在早期实验使生成式人工智能相比之下似乎不那么有吸引力之后，他们将来需要更深入地重新熟悉。

战略意义

• 使用生成式人工智能来补充电流。独立的生成式人工智能工具可以服务于一些现有的用例，但当它们以新的方式满足需求或带来当前成熟的流程所没有的东西时，客户会更感兴趣。

• 购物者期望聊天机器人能够改进。客户对聊天机器人持怀疑态度，因为过去他们的客户服务体验很差，对话有限且不灵活。随着越来越多的客户体验到生成式人工智能界面的卓越对话能力，他们将希望获得与之相匹配的零售聊天体验。

• 清楚地确定客户的实验和限制。客户将探索并尝试新的生成式人工智能工具。大多数人表示，他们认为无需了解生成式人工智能即可使用这些工具。但零售商应该清楚地识别实验，以便客户知道在哪里可以找到他们通常的流程，并了解为什么要开发新功能。

设计原则 2：超越聊天机器人，将生成式 AI 更无缝地集成到体验中

ChatGPT 等对客户交互做出反应的工具激发了公众的想象力，并且为实验提供了出色的交互模型。然而，为了充分利用生成式人工智能的潜力，我们的研究表明，零售商可以而且应该在整个购买过程中部署多种交互原型，不仅通过反应式体验，还通过被动和主动体验来满足客户需求（见图 2） 。

例如，客户将人工智能生成的产品评论摘要视为首要功能，因为这些摘要可以节省客户时间，同时还允许他们阅读个人评论。 “这会节省时间，因为我往往会被细节所困扰......然后我可能需要很长时间才能做出决定，或者我根本不做决定，因为我无法决定。所以，我认为这可以帮助我不至于因所有的选择而不知所措。”

受访者还看到了专家对详细产品问题和产品比较工具的回答的价值，这表明存在相当多的未开发潜力，虽然更微妙，但可能对战略目标产生更重大的影响，例如增加访问量、购物篮规模和保留。

战略意义

• 使用全方位的交互类型。了解哪种类型的生成式 AI 交互（反应式、被动式或主动式）在购买过程中的哪些时刻最有用，并使用工具箱中的所有工具进行交付。

• 生成式人工智能可以无缝融入现有平台和体验。不太明确的增强功能对于客户来说也可能非常有价值。这些应该是直观的，减少用户体验中的摩擦，并确保客户可以轻松地看到附加值，而无需陡峭的学习曲线。

• 效率可以令人愉快。考虑如何将传统电子商务流程与对话式生成人工智能功能（例如自然语言搜索和过滤）嵌入，以改善购买所需时间等指标。

设计原则三：重新思考客户数据价值交换

生成式人工智能正在改变客户对如何处理个人数据的看法。我们的研究表明，客户了解生成式人工智能在个性化体验方面的潜力，正因为如此，他们比在其他环境中更愿意交换数据以获得更好的个性化建议（见图 3）。

通过提供这些数据，客户期望生成式人工智能能够帮助他们在购买过程中发现和决策阶段，特别是找到符合他们的时间、背景、过去购买和偏好的产品。例如，如果零售商（从其他交易中）知道正在查看汽车安全座椅页面的购物者是新父母，那么它可以突出显示其他新父母对汽车安全座椅的质量或安装便捷性的相关评论。

在我们的调查中，生成式人工智能最有价值的用例都是促进决策。这些应用程序可以解决网上购物者对缺乏个性化推荐或管理的庞大产品种类感到不知所措的常见痛点。传统的个性化推荐不依赖于生成式人工智能，但有一些方法可以使用生成式人工智能功能来指导和激励客户的整个发现过程。对于许多客户来说，这些建议不仅仅是立即获得特定产品，因为他们也可能喜欢发现过程。例如，Etsy 礼品模式可以帮助购物者探索礼品创意、策划产品和创建类别，这可以让人感到有趣和个性化。

战略意义

• 行为数据的利用可以超出特定产品推荐的范围。由于许多顾客重视购物体验，零售商应该以不仅推荐产品而且帮助购物者发现新商品的方式部署生成式人工智能。例如，生成式人工智能可以帮助零售商为个人客户或角色创建专用的登陆页面或应用程序界面，强化零售商了解对购物者来说重要的营销信息。

• 客户需要反馈循环和控制。客户看到了用数据换取有价值的东西的潜力，并且他们越来越习惯于控制共享哪些数据。建立反馈循环有助于收集更多有关客户喜欢和不喜欢什么的信息，同时还提供帮助零售商完善推荐算法的数据。

设计原则 4：通过显示数据的来源和去向来建立信任

生成式人工智能是一项新技术，人们对新事物的感受很复杂，尤其是当它们如此强大时。零售商要求顾客参加实验，因此建立和维持信任至关重要。品牌声誉大有帮助：41% 的客户表示，他们会放心使用他们信任的品牌的生成式人工智能工具。但客户表示，他们真正担心数据的来源和目的：“我想知道建议来自哪里，因为我希望企业夸大事实。”

生成式人工智能仍然容易产生幻觉，而此类错误会侵蚀信任。我们调查的超过一半的客户表示，对用户体验最大的负面影响是明显的错误 (57%) 和不准确的产品信息 (56% 表示非常或极其负面)。这是对客户公开生成式 AI 实验用途并倾向于被动应用的另一个原因，因为被动应用可以得到更严格的控制（见图 4）。

战略意义

• 数据处理实践应该是透明的。关于数据使用和保护的明确政策可以通过建立信任并向客户展示信息的来源来缓解客户的担忧。无需过度解释：客户不需要了解有关该技术的所有内容，但他们可能会更愿意在一定程度的透明度下使用它。

• 快速反应提高准确性。随着零售商扩大其生成式人工智能试点，他们应该加快测试和学习方法，以满足客户对便利性和准确性的期望。

• 对反馈循环要深思熟虑。由于生成式人工智能输出可能是不可预测的，零售商应该设计简单的方法，让客户忽略和标记不需要的内容。客户反馈将为短期修复（例如确保内容一旦被标记就从客户视图中消失）和长期改进（例如重新训练模型和为产品团队的反应生成见解）提供信息。

设计原则 5：部署生成式人工智能来重新构想客户服务

除了反应性的消费者互动之外，生成式人工智能还可以解决零售旅程中一些历史上更困难的部分——无论是在更离散的主动购物体验之前还是之后。尤其是客户服务协助和送货退货协调，是客户认为有改进潜力的领域。

生成式人工智能还为与客户进行更深入、更准确的销售和支持对话创造了新的机会。一些高管担心生成式人工智能可能会损害他们的客户关系，特别是因为它倾向于提供不准确的信息。但这些担忧可以通过仔细和深思熟虑的产品设计来减轻。更重要的是，在实践中，我们已经看到生成式人工智能的客户响应可以与人类客户服务代理的响应一样准确（他们有时也会出错）。

在这个过程中，生成式人工智能显示出超越传统效率和可用性目标的潜力，通过更直观地向用户调整语气和内容来更好地个性化体验。它还可以解决更困难的服务挑战：例如，先进的语音转文本功能可以提高可访问性，因为生成式人工智能可以解析来自不太清晰的说话者的更复杂的输入。总体而言，我们看到生成式人工智能通过改善零售客户的旅程并帮助他们找到新的购物方式来创造更多价值的巨大潜力。

战略意义

• 主动生成式人工智能可以建立客户关系。随着生成式人工智能不断创造更加个性化和对话式的体验，它可以以以前无法扩展的方式触及客户旅程的边缘，例如早期获取或购买后关系。生成式人工智能可以帮助品牌以更自然、更有用的方式保持联系。

• 生成式人工智能可以提供难以捉摸的咨询组件。许多零售商渴望在实体店中安置有用的顾问，例如，在家居装修商店的喷水器通道中安置一位灌溉专家，或者在百货商店的家居用品区安置一位家居装饰爱好者。到目前为止，这在网上很难或不可能复制。但生成式人工智能开启了将专业知识和对话技能放置在适当的数字渠道中的可能性。

客户至上

生成式人工智能为设计客户体验提供了令人兴奋的新工具，客户对这种可能性感到乐观。但新工具有时会激发人们对新应用的探索，将技术置于客户需求和偏好之上。一如既往，从客户需求出发，使用生成式人工智能来解决这些问题，而不是发送技术来寻找要解决的问题，零售商将获得更好的服务。