Bagaimana agen belanja AI yang otonom akan mengubah ritel

Revolusi ritel AI memasuki gelombang ketiga. Setelah AI prediktif dan AI generatif, agen otonom yang dapat menyelesaikan tugas belanja tanpa intervensi manusia muncul sebagai perbatasan berikutnya. Salesforce riset industri terbaru 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 agen adalah 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 hingga membeli – dengan intervensi manusia yang minim.

Evolusi AI dalam industri barang konsumen

Menurut Gabungan 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 berguna antara otomatisasi tradisional yang mungkin dikenal sebagai pemasar baru dan pendekatan AI:

Otomatisasi tradisional Ikuti 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 follow -up dikirim. Itu tidak menganalisis data, membuat keputusan, atau belajar dari waktu ke otomatisasi berbasis waktu.

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 keterlibatan historis pengeluaran dan memprediksi waktu terbaik untuk mengirim email.

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

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

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

Untuk pengecer dan merek, pengembangan ini tidak hanya akademis – itu membentuk kembali bagaimana konsumen menemukan dan membeli produk. Perusahaan barang konsumen telah mengidentifikasi kasus penggunaan agen AI mereka yang paling berharga, 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 agen (platform AI Salesforce Agent) pada bulan September 2024 untuk meningkatkan pengalaman pelanggan mereka.

Di Saks Chatbot, Agentforce menganalisis interaksi pelanggan dan menentukan tindakan terbaik berikutnya berdasarkan konteks, sambil mengotomatiskan dan merampingkan tugas dan pertanyaan.

Video Integration Demo Agent -Gen Saks menunjukkan interaksi SMS antara agen AI pelanggan dan Saks ', di mana pelanggan berbagi beberapa foto agen inspirasi pakaian dan punggung Saks dengan barang serupa. Dia tahu ukurannya yang biasa, seperti sylist pribadi, dan membantu mengoordinasikan pesanan dan pertukaran yang lebih baru.

Sharkninja, sebuah perusahaan desain dan teknologi produk global di belakang merek hiu dan ninja, juga menerapkan agen 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 Agentsforce, Sharkninja akan memiliki tenaga kerja digital yang selalu aktif tersedia 24/7 untuk memandu pelanggan melalui proses pembelian, menjawab pertanyaan produk, menyelesaikan masalah, dan mengelola pengembalian.

Mengubah media ritel dengan agen AI

Untuk jaringan media ritel, kebangkitan agen perbelanjaan AI menciptakan tantangan dan peluang. Saat ini, penghapusan media ritel sangat miring menuju konversi yang lebih rendah dalam analisis terbaru yang saya bahas dalam anggaran media ritel, lebih dari 71% biaya terjadi pada produk yang disponsori atau penempatan fungsi yang lebih rendah 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 memberikan jalan ke pendekatan berbasis atribut yang lebih terstruktur yang bertahan algoritma, bukan manusia.

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

Menurut laporan Salesforce/Accenture, penggunaan agen AI yang paling berguna kedua melibatkan mengoptimalkan kampanye pemasaran dan periklanan. Beberapa perusahaan teknologi telah 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 (Sempian: Xnurta adalah klien saya).

Sebagai pengembangan agen AI, platform ini kemungkinan akan berkembang dari optimasi menjadi agen pemasaran otonom yang dapat mengelola semua kampanye dengan pengawasan manusia minimal.

Strategi konten di dunia agen-sentris

Strategi konten merek juga akan membutuhkan kalibrasi ulang. Penelitian Salesforce menempati peringkat “membantu pembeli menemukan produk di situs web atau platform digital lainnya” sebagai kasus menggunakan agen AI ketiga yang paling menguntungkan, menyoroti pentingnya penemuan di era agen.

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

Pertimbangkan skenario belanja untuk sepatu atletik. Saat ini, konsumen dapat diayunkan oleh citra yang menarik atau pemasaran gaya hidup. Besok, agen belanja AI dapat menyaring opsi berdasarkan spesifikasi yang tepat – menarik 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 mengkompilasi dan membakukan konten produk mereka di semua saluran. Teknologi ini akan menjadi lebih berharga karena agen AI mulai memediasi lebih banyak perjalanan belanja dan memprioritaskan informasi terstruktur daripada konten pemasaran tradisional.

Tantangan kepercayaan

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

Untuk implementasi ritel, masalah ini diterjemahkan ke dalam masalah kepercayaan konsumen, terutama karena agen AI beralih dari membantu 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 cenderung mendapat manfaat 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.”

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

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

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