오늘날 리테일러들은 일반적으로 고객 여정의 7단계 중 3단계에만 참여하고 있다. 생성형 AI는 전체 고객 여정에 걸쳐 리테일러의 참여를 증가시키고 고객 경험을 재창조할 수 있는 잠재력을 가지고 있다.
생성형 AI 기반 챗봇 어시스턴트는 리테일러들이 고객과 더 잘 소통하기 위해 사용할 수 있는 주요 도구 중 하나이다. 고객들은 챗봇을 사용해 제품 추천을 받거나, 제품이나 리테일러에 대해 더 자세히 알아보거나, 가상 쇼핑 카트에 항목을 추가하거나 제거할 수 있다. 중요한 점은 많은 소비자들이 제품을 구매한 후가 아니라 구매를 결정하기 전에 이러한 챗봇을 사용할 것이라는 점이다. 이는 리테일러들이 고객의 쇼핑 여정 초기에 참여할 수 있게 해주며, 이는 고객의 전반적인 만족도를 높이는 데 도움이 될 수 있다.
생성형 AI 챗봇은 고객 메시지의 의도를 인식해 작동한다. LLM 에이전트(챗봇이 추론 엔진으로 의존하는 시스템)가 고객의 메시지를 처리한 후 다양한 데이터 세트(예: 리테일러의 SKU 베이스)와 분석적 개인화 엔진과 같은 다른 모델에 연결된다. 최상의 결과를 만들기 위해 리테일러는 제품 설계에 자원을 투입하고 챗봇이 고객의 메시지를 어떻게 처리하기를 원하는지 보정하기 위해 빈번한 사용자 테스트를 수행해야 한다. 고객이 챗봇을 가장 자주 사용하는 방식이 이 보정을 크게 결정할 것이다.
예를 들어, 쇼핑객이 저녁 파티를 계획하고 있지만 무엇을 구매해야 할지 모를 수 있다. 고객이 생성형 AI 어시스턴트에게 저녁 파티에 대한 몇 가지 세부 사항(예: 참석자 수, 식이 제한이 있는 손님 여부, 전체 예산)을 제공한 후, 생성형 AI 어시스턴트는 고객의 선호도나 구매 이력을 기반으로 구체적인 제품 추천을 제공할 수 있다.
챗봇은 고객의 정신적 부담과 쇼핑 시간을 줄이는 데 도움이 되는 편리한 도구가 될 수 있지만, 쇼핑 경험을 진정으로 변화시키고 고객을 사로잡기 위해서는 챗봇이 깊이 개인화되어야 한다. 예를 들어, 고객의 주문 이력, 제품 선호도, 쇼핑 습관을 기억할 수 있어야 한다. 많은 선도적인 리테일러들, 특히 식료품과 패션 분야에서 이미 챗봇 실험을 시작했지만, 이러한 초기 실험의 대부분은 아직 개인화의 힘을 충분히 활용하지 못하고 있다.
