尝试使用 ChatGPT 等生成式人工智能技术，虽能迅速提升文本创作效率与创意，更为电子商务带来新机遇，但也伴随风险。因此，有必要从战略层面结合具体案例进行探讨。
首先，“AI 无处不在”在科技和电商领域已成共识。尽管对 AI 定义仍有争议，但本文聚焦于基于大型语言模型（LLM）的生成式 AI，这类工具能根据指令计算并呈现最合乎逻辑的答案。
生成式 AI 提升生产力
麦肯锡最新报告强调，从 ChatGPT、Bard 到 Midjourney 等生成式 AI 将在多行业提升生产力。在在线零售领域，其影响主要集中在营销、销售和客户服务环节，并延伸至软件开发领域。
“通过自动化重复性任务，人工客服可以将更多时间用于处理复杂问题。”
零售商可将现有 AI 工具与生成式 AI 结合，增强聊天机器人模仿人类互动的能力，使其能直接回应咨询、跟踪订单、提供折扣及交叉销售。同时，自动化重复任务让人工客服有更多精力处理复杂问题并获取上下文信息。
使用 AI 工具的零售商
纽约女装品牌 Ruti 部署了 Feel 公司基于 ChatGPT 技术的 AI 工具，辅助三位虚拟销售顾问。该工具经标准客户咨询训练后，能从互动中学习。例如面对“推荐紫色晚礼服”的提问，虚拟助手可解答时尚搭配并从目录中推荐合适商品。
Ruti 在部署 AI 工具后，转化率从 54% 提升至 57%。
数据显示，该品牌转化率从 2022 年下半年的 54.3% 升至今年上半年的 57.2%；同期平均订单金额也从 54.4% 上升至 59%。
Zalando 的新时尚助手
Zalando 即将推出由 ChatGPT 驱动的时尚助手测试版，旨在改善客户体验及提升网站用户感知。
若顾客询问春季赴西班牙婚礼着装，该助手能识别正式场合、预测天气并提供搭配建议。未来还将结合顾客关注的品牌及尺码偏好，呈现更个性化的产品选择。
用于试穿衣服的人工智能工具
谷歌近期推出虚拟试穿工具，帮助消费者了解网购服装效果。美国购物者可试穿 Anthropologie、Everlane、H&M 和 LOFT 等品牌的女装上衣。调研显示，42% 的网购者认为模特图未能真实反映自身形象，59% 的人因上身效果不符预期而不满。
通过虚拟试穿，顾客可以看到服装在不同模特身上的效果。
该功能展示了服装在多种真实模特身上的穿着效果。新的生成式 AI 模型仅需一张图片，即可准确呈现服装在不同姿势下的垂坠、折叠、贴合及褶皱阴影。所选模特涵盖 XXS 至 4XL 体型，代表不同肤色、种族和发质。
此外，引导式优化功能借助机器学习和视觉匹配算法，允许消费者按颜色、风格等条件筛选全网商品，突破单一零售商限制，直至找到完美之选。
快速创建新产品
麦肯锡指出，生成式 AI 能通过数字方式快速创建设计变体或从零生成包装设计，提升新品开发效率，未来还有望加入文本生成视频功能。
"以更低的成本创建内容，你可以制作更多变体。"
某咨询公司利用 ChatGPT 和 Midjourney 为荷兰超市 Albert Heijn 店刊《Allerhande》创建超写实食谱图像，耗时不到 1 分钟且零成本。创作者表示，低成本快速生成内容便于大规模 A/B 测试，从而优化营销 KPI 并提升 ROI，关键在于与 AI 模型的准确沟通。
使用生成式人工智能的风险
麦肯锡强调，部署生成式 AI 存在风险。零售和消费品高管需警惕影响价值捕获的因素。由于难以区分生成内容是基于事实还是推断，企业需实施更高层次的质量控制。
公司需要在AI辅助的流程中实施更详细的质量检查。
企业需为以往人工处理的流程（如客服邮件撰写）建立新的质量检查机制，并对产品设计等 AI 辅助流程进行更细致的审核。
电子商务中生成式AI的机会
生成式 AI 在电商领域的机会不断显现，例如结合 Ilumine AI 和 Midjourney 等工具快速开发虚拟世界。目前实验虽多在游戏领域，但迁移至在线购物环境并非不可能。
零售商应着眼于基于文本调整来改善客户体验。
对于面临成本危机等压力的零售商，建议参考亚马逊的做法：利用 AI 总结评论，将海量反馈浓缩为几句核心描述以改善用户体验。
这体现了生成式 AI 的优势：像请求人类同事一样让工具执行任务。虽然设置提示词需要试错和时间，但目前已有许多免费技巧和示例可供参考。