关键要点
- AWS Agentic Shopping Assistant 是与 AWS 生成式 AI 创新中心联合打造的解决方案，封装了架构、入门代码及源自亚马逊 Alexa for Shopping 的专家指导经验。
- 零售客户可基于此方案结合自身数据、业务规则和品牌语调，构建满足个性化需求的对话式购物助手。
- Kate Spade 已利用该方案打造专属 AI 购物体验，另有其他零售商正处于测试阶段。
随着亚马逊持续迭代以打造领先的 AI 购物助手，我们积累了宝贵见解，明确了去年超 3 亿用户所用助手中最重要的功能与特性。仅去年一年，亚马逊 AI 购物助手便带来近 120 亿美元增量销售额。上周，亚马逊宣布推出用于购物的 Alexa，这一更强大的下一代版本整合了 Rufus 和 Alexa+。
今日，AWS 宣布推出全新 AI 零售解决方案——AWS Agentic Shopping Assistant，首次将构建 Alexa for Shopping 过程中积累的学习成果与专业经验开放给亚马逊以外的零售客户。
专为零售行业打造的 AI 驱动购物辅助
该解决方案提供包括架构指导、入门代码及 AWS 专家与系统集成商合作伙伴支持在内的技术基础，助力零售商在数周内启动定制化对话式购物体验，而非从零开始耗时数年。每次部署均针对零售商特定的产品目录、客群及购物环境进行定制，确保匹配品牌语调与领域专业知识。
为什么零售商需要拥有自己的 AI 购物存在
聊天代理可根据购物者需求展示推荐内容，降低顾客浏览产品目录的难度。
随着 AI 智能体成为购物决策的主要界面，零售商面临关键抉择：建立自有 AI 存在，或依赖不服务于自身品牌与客户的通用问答引擎。商业逻辑充分证明，对话式购物会话转化率是传统关键词搜索的 3.5 倍。
零售商拥有产品、客户及品类的深厚垂直知识，这是通用 AI 无法比拟的。专业零售商比中间商更懂产品；餐饮连锁企业以平台无法复制的方式了解菜单与客户偏好；CPG 品牌最了解自身产品。AWS Agentic Shopping Assistant 为零售商提供经验证的技术基础，使其能利用这些知识并保持与客户的直接关系。
Kate Spade 如何使用 AWS 构建 AI 购物助手
Kate Spade 利用该解决方案创建了自身对话式购物体验。4 月 13 日，Tapestry 推出 Kate Spade AI Gift Concierge，这是首个基于 Amazon Bedrock AgentCore 构建的生产就绪型零售 AI 助手，专为礼品购买这一情绪高涨但信心不足的场景设计。
鉴于 53% 的购物者在选购礼品时感到压力，该智能体通过与购物者就场合、收礼人和风格进行自然对话，将不确定意图转化为精心策划且令人自信的产品推荐。该体验植根于真实购物行为，从顾客向 Amazon Alexa for Shopping 提出的问题及促成成功结果的答案中汲取见解，交互模式更像与懂品牌、懂送礼的人交谈，而非搜索。
该方案基于 Anthropic Haiku 4.5 模型构建，由 Amazon Bedrock 提供可观测性、身份验证和评估功能。团队在完成约 2.5 个月严格测试后直接进入生产环境。正如 Tapestry 首席信息和数字官 Yang Lu 所言：“我们对智能体商务的可能性感到兴奋。AWS 提供了配方，但我们共同构建了消费者所需的定制化内容。”
包含内容：AWS 服务、架构和部署时间线
AI 驱动的风格顾问通过自然对话推荐产品，该体验已获超 3 亿 Alexa for Shopping 用户验证。
AWS Agentic Shopping Assistant 基于 Amazon Bedrock、AgentCore 和 OpenSearch 等 AWS 服务构建，并经 Amazon.com 数十亿次真实购物互动验证。Amazon 作为 AWS“零号客户”，确保每个组件都在全球最具挑战性的零售环境中经过测试。
每个品牌的部署均针对其特定商品目录、客群、购物环境和品牌调性定制。零售商可获得多年推动 Amazon.com AI 购物体验的技术基础，同时保留专有客户洞察、领域知识和品牌关系的竞争优势。在 AWS 生成式 AI 创新中心团队指导下，零售商无需从零开始，约 60 天即可部署这一经验证的解决方案。
零售商如何着手实施
面对客户期望转变，零售商已无暇等待。AWS Agentic Shopping Assistant 提供经验证的基础架构，零售商则贡献使购物体验独具特色的领域专业知识。
了解更多关于此解决方案的信息及如何开始使用，请访问 AWS Retail 页面或与您的 AWS 客户经理联系。
接下来，了解为什么亚马逊正在大力投资 AI 基础设施。