Intelligenza artificiale generativa per il commercio al dettaglio: Come Amazon prenderà in mano le nostre decisioni d’acquisto

Se il 2023 è stato l'anno in cui l'intelligenza artificiale generativa è esplosa sulla scena e il 2024 è stato l'anno della sperimentazione, allora il 2025 sarà probabilmente l'anno in cui la tecnologia maturerà ulteriormente. Ci stiamo avvicinando alla "pendenza dell'illuminazione" di Gartner, ma non ci siamo ancora del tutto.

Ecco, quindi, tre casi d'uso specifici per il commercio al dettaglio e tre tecnologie da tenere d'occhio nel 2025:

1. Assistenti virtuali per lo shopping (caso d'uso)
2. Iperpersonalizzazione (caso d'uso)
3. Prova virtuale (caso d'uso)
4. Agenti AI (tecnologia)
5. Modelli di fondazione specifici del dominio (tecnologia)
6. Uso del computer (tecnologia)

Assistenti virtuali per lo shopping

Il concetto è semplice. Quando un acquirente non è sicuro di cosa acquistare, può chiedere consiglio agli addetti in negozio, almeno in teoria. Ma cosa succede se si fa shopping online? Entra in gioco l'assistente virtuale per lo shopping basato sull'intelligenza artificiale, esperto in argomenti diversi come l'idraulica, le reti digitali e la moda per la stagione fredda. Di quali strumenti ho bisogno per riparare un sistema di irrigazione interrato? Quale router Wi-Fi funziona meglio all'aperto? E cosa dovrei cercare in guanti da sci alla moda? Ottenere risposte a queste domande è stata l'idea alla base di Rufus , l'assistente virtuale per lo shopping lanciato da Amazon.

Ciò che rende Rufus particolarmente utile è il fatto che è colloquiale, consentendo uno scambio avanti e indietro con gli acquirenti finché non sono soddisfatti delle risposte. Proprio come un esperto umano, l'assistente virtuale per lo shopping pone domande per aiutare a comprendere le esigenze e le preferenze dell'acquirente. Alcuni potrebbero considerare questa ricerca conversazionale.

Questo non sostituisce certamente la ricerca tradizionale, quindi i rivenditori dovrebbero iniziare a modernizzare la loro soluzione di ricerca e scoperta dei prodotti , quindi decidere se Chatbot e assistenti virtuali hanno senso per loro. Queste soluzioni probabilmente aumenteranno la fiducia degli acquirenti, portando a maggiori vendite e forse a meno resi.

Iper-personalizzazione

La personalizzazione tramite apprendimento automatico è in uso da 25 anni, da quando Amazon ha iniziato a usare il filtraggio collaborativo che prevede le preferenze di un dato cliente in base ai gusti e alle antipatie di clienti simili. La prossima ondata combina l'apprendimento automatico con l'intelligenza artificiale generativa per creare esperienze personalizzate per gli acquirenti. Ciò include comunicazioni di marketing iper-personalizzate , risultati di ricerca, pagine di dettaglio dei prodotti e persino conversazioni con chatbot.

Alla fine, ogni sessione di web store potrebbe essere personalizzata per i singoli acquirenti, mostrando loro prodotti con temi accattivanti, assortimenti personalizzati e offerte curate in base alle loro preferenze personali. Questo tipo di servizio di guanti bianchi che un tempo era riservato ai ricchi potrebbe arrivare anche agli acquirenti medi. I rivenditori dovrebbero considerare il modo migliore per iper-personalizzare ogni singola interazione con l'acquirente, sfruttando dati come vendite passate, dati sui prodotti e dati di clienti terzi.

Prova virtuale

Le vendite online sono state ostacolate dalla mancanza di fiducia degli acquirenti, soprattutto in settori come la moda. Senza essere in grado di concettualizzare il prodotto, potrebbero essere riluttanti all'acquisto o potrebbero ordinare più versioni e restituire quelle non selezionate. L'intelligenza artificiale generativa apre la possibilità di rappresentare visivamente i prodotti nel contesto in modo che gli acquirenti possano provarli virtualmente . Ciò si ottiene combinando due immagini, ad esempio una persona più un maglione o una sedia più un soggiorno, in modo che l'acquirente possa valutarne l'aspetto.

Modelli di intelligenza artificiale come Stable Diffusion e Amazon Titan Image Generator vengono utilizzati per combinare in modo intelligente le immagini, mostrando agli acquirenti cosa aspettarsi e aumentando la loro sicurezza nell'acquisto. I rivenditori che vendono abbigliamento, moda, accessori, mobili o altri prodotti che traggono vantaggio dalle visualizzazioni dovrebbero prendere in considerazione questa capacità.

Agenti AI

Chattare con un chatbot o un assistente virtuale può essere informativo, ma raramente è orientato all'azione. Gli agenti, d'altro canto, svolgono un ruolo nel raggiungimento di un obiettivo. Sono in genere autonomi e hanno strumenti che li aiutano a svolgere compiti specifici. Puoi persino pensare agli agenti come parte del tuo team, che danno il loro contributo e fanno progredire le cose. Prodotti come Amazon Bedrock Agents possono usare il ragionamento a catena di pensiero per scomporre e risolvere problemi complessi. Ad esempio, potresti avere un agente di determinazione dei prezzi che può analizzare i prezzi dei siti web dei concorrenti, esaminare i margini dei prodotti e fare raccomandazioni sui prezzi entro le sue regole definite.

Immagina che quando acquisti un software di previsione, ad esempio, questo sia dotato di un agente di previsione che può utilizzare il software per tuo conto, aggiornando e distribuendo le tue previsioni secondo necessità. I ​​rivenditori dovrebbero cercare attività che potrebbero essere automatizzate con agenti, producendo una maggiore produttività complessiva del team.

Modelli di fondazione specifici del dominio

La maggior parte dei modelli di fondazione (FM), come i modelli di linguaggio di grandi dimensioni (LLM), sono addestrati su un corpus di dati pubblici, quindi hanno una conoscenza generale, ma è anche possibile costruire un modello da zero per concentrarsi su un dominio particolare. Il team Amazon Science ha creato un LLM specifico per la vendita al dettaglio per l'uso da parte di Rufus , che è stato addestrato sul suo vasto catalogo di prodotti, recensioni dei clienti e altri dati simili con l'obiettivo di migliorare l'esperienza di acquisto. La speranza è che il suo focus gli consenta di essere più piccolo e quindi più economico da gestire, ma che comunque produca risultati superiori.

Naturalmente, costruire un LLM è un'impresa enorme, e probabilmente non alla portata della maggior parte dei rivenditori. Quindi la maggior parte sceglierà di mettere a punto i modelli esistenti con i propri dati. I rivenditori dovrebbero prendere in considerazione questo approccio conveniente per migliorare l'output dell'IA generativa.

Uso del computer

Sebbene sia ancora agli inizi, è possibile lasciare che un FM, come Claude 3.5 , prenda il controllo del tuo computer e lo utilizzi più o meno nello stesso modo in cui lo faresti tu. Ad esempio, potresti chiedergli di creare un ordine di acquisto per te, quindi "guarderà" il tuo schermo, prenderà il controllo del tuo mouse e compilerà il modulo. L'intelligenza artificiale generativa potrebbe anche essere utilizzata per i test di regressione, assicurandosi che le modifiche al tuo negozio web funzionino come previsto. Dal lato del consumatore, un acquirente potrebbe chiedere di trovare e acquistare gli Apple AirPods Pro al prezzo più basso, ad esempio, lasciando che faccia la ricerca e alla fine selezioni un prodotto da acquistare.

Man mano che i FM saranno addestrati a usare software, in particolare browser, saranno in grado di automatizzare alcune attività di routine, liberando così gli esseri umani per dedicare più tempo a attività creative. È un po' troppo presto per adottare questa tecnologia oggi, ma tenetela d'occhio nel 2025 per la disponibilità generale.

Per  monitorare i progressi dell'intelligenza artificiale generativa nel settore della vendita al dettaglio:
•    Amazon Science
•     Intelligenza artificiale generativa per la vendita al dettaglio e i beni di consumo
•     Libreria di soluzioni AWS

0