成人av视屏I久草久视频I国产美女免费视频I亚洲成人软件I天天干人人插I日韩在线看片

每年的這個時候，專家們都會對明年為零售業的發展提出意見，特別是零售業的主要技術趨勢。本文將重點介紹生成式AI，以及一些值得關注的關鍵趨勢。

如果說2023年是生成式AI大放異彩的一年，2024年是實驗之年，那么2025年很可能是該技術進一步成熟的一年。我們越來越接近Gartner的“啟蒙斜坡（slope of enlightenment）”，但我們還沒有完全達到那個目標。

很多人厭倦了聽到生成式AI，這可以同情，但沒有人可以否認生成式AI對我們的世界產生了重大影響。因此，以下是2025年值得關注的三個特定于零售的案例（虛擬購物助手、超個性化、虛擬試妝）和三項技術（AI代理、特定于域的基礎模型、計算機使用）：

虛擬購物助手 Virtual Shopping Assistants

概念很簡單，當購物者不確定要買什么時，他們可以向店內員工尋求專業建議——至少在理論上是這樣。但是，如果您在網上購物怎么辦？進入AI驅動的虛擬購物助手，它精通商品知識、數字網絡和潮流時尚等各種主題。例如，哪種Wi-Fi路由器在戶外效果最好？時尚的滑雪手套有什么推薦？獲得這些問題的答案是Amazon推出的虛擬購物助手Rufus背后的算法。

Rufus特別有用的一點是它是對話式的，允許與購物者互動交流，直到他們對答案感到滿意。就像人類專家一樣，虛擬購物助手會提出問題以幫助了解購物者的需求和偏好。有些人可能會考慮這種對話式搜索。

這肯定不會取代傳統的搜索，零售商應該從改進他們的搜索和產品發現解決方案開始，然后決定聊天機器人和虛擬助手是否對他們有意義。這些解決方案可能會增強買家的信心，從而提高銷售額，并可能減少退貨。

超個性化 Hyper-personalization

個性化的機器學習已經使用了25年，當時 Amazon首次開始使用協同篩選，根據類似客戶的好惡來預測特定客戶的偏好。下一波浪潮是將機器學習與生成式AI相結合，為購物者創造個性化的體驗。這包括超個性化的營銷通信、搜索結果、產品詳細信息頁面，甚至聊天機器人對話。

最終，每個網店會話都可以為個人購物者進行定制，使用吸引人的主題、量身定制的分類和基于他們個人喜好的精選優惠向他們展示產品。零售商應考慮如何利用過去的銷售、產品數據和第三方客戶數據等，更好地對每一次購物者互動進行超個性化。

虛擬試衣/試妝 Virtual Try-on

購物者缺乏信心會阻礙在線銷售，尤其是在時尚等領域。如果無法概念化產品，他們可能不愿意購買，或者他們可能會訂購多個型號或規格并退回未選擇的型號或規格。生成式AI開啟了在上下文中更直觀地描述產品的可能性，因此購物者可以虛擬試穿產品。這是通過組合兩張圖片來實現的，比如一個人加一件毛衣，或者一把椅子加一個客廳，這樣購物者就可以更直觀地評估外觀效果。

Stable Diffusion和Amazon Titan Image Generator等AI模型用于智能組合圖像，向購物者展示預期內容并提高他們的購買信心。銷售服裝、時裝、配飾、家具或其他受益于可視化效果的產品的零售商應考慮此項功能。

AI自主智能體 AI Agents

AI Agent是 “以大語言模型為大腦驅動的系統，具備自主理解、感知、規劃、記憶和使用工具的能力，能夠自動化執行完成復雜任務的系統。AI Agent不同于傳統的人工智能，它具備通過獨立思考、調用工具去逐步完成給定目標的能力。與聊天機器人或虛擬助手聊天可以提供信息，但很少以行動為導向。另一方面，自主智能體在實現目標方面發揮著作用。他們通常是自主的，并擁有幫助他們完成特定任務的工具。您甚至可以將自主智能體視為您團隊的一部分，對銷售做出貢獻。Amazon Bedrock Agent等產品可以使用思維鏈推理來分解和解決復雜的問題。例如，您可能有一個定價自主智能體，它可以在競爭對手的網站上抓取價格、檢查產品利潤率并在其定義的規則內提出價格建議。

想象一下，當您購買預測軟件時，它帶有一個預測自主智能體，可以代表您操作該軟件，根據需要更新和分發您的預測。零售商應該尋找可以與自主智能體一起自動化的任務，從而提高團隊的整體生產力。

垂直域基礎模型 Domain-specific Foundation Models

大多數基礎模型（FM），如大型語言模型（LLM），都是在公共數據資料庫上訓練的，因此它們具有一般知識，但也可以從頭開始構建模型以專注于特定領域。Amazon Science 團隊創建了一個特定于零售的LLM供Rufus使用，該LLM已針對其龐大的產品目錄、買家評論和其他類似數據進行了培訓，旨在增強購物體驗。希望它的重點使其更小，因此運行成本更低，但仍能產生卓越的輸出。

當然，建立LLM是一項艱巨的任務，而且大多數零售商可能都無法做到。因此，大多數會選擇使用自己的數據對現有模型進行微調。零售商應考慮這種經濟高效的方法來提高生成式AI的輸出。

電腦自動操控 Computer Use

目前,Computer use主要依靠API來驅動自動化指令,當開發者通過API向Claude 發送指令時,Claude會運用其自然語言處理能力解析指令。雖然仍處于早期階段，但可以讓FM（例如 Claude 3.5）控制您的計算機并像您一樣使用它。例如，您可以請求它為您創建一個采購訂單，然后它將“查看”您的屏幕，接管您的鼠標并填寫表格。生成式AI還可用于回歸測試，確保對Web Store的更改按預期工作。例如，從消費者的角度來看，購物者可以要求查找并購買價格最低的Apple AirPod Pro，讓它進行研究并最終選擇要購買的產品。

由于FM接受過使用軟件（尤其是瀏覽器）的培訓，他們將能夠自動執行一些日常任務，從而使人類將更多時間花在創造性追求上。現在采用這項技術還為時過早，但請密切關注 2025年的全面可用性。