零售商如何用对话式 AI 将互动转化为长期客户关系
How retailers can turn interactions into lasting customer relationships
Sierra 提出零售商应让 AI 智能体主动发起对话而非等待用户提问,同一智能体可贯穿浏览、购买与售后全流程。其 Context Engine 将商品目录、商务系统与客户记录同对话内容打通,形成随交互累积的零售商专属上下文。
零售商是对话式 AI 最早的一批早期采用者,他们从客户服务入手:跟踪订单、处理退货、办理换货。在过去一年里,这一雄心迅速扩展,从被动响应式支持转向主动发现,帮助购物者找到心仪之物并提升客单价。
购物者通常大致知道自己想要什么。难的是从数百个选项中缩小到真正合适的那两三个。网站和应用在很多方面都很出色,但选择可能令人不知所措,商品网格也不易浏览。
购物智能体改变了这一切。对话(“给我看看适合我周年纪念日的红色连衣裙”)成为界面。这是一个你无需学习的界面,它会根据你的话进行调整(“我喜欢那件,但我的尺码能及时到货吗?”)。一旦你找到了完美的红裙,同一个智能体还能跟踪订单、处理换货,或找到搭配的鞋子。每一次对话都加深了零售商与顾客之间的关系。
开启对话
大多数购物者仍然不会主动打开聊天窗口。但那些主动打开的人体验更好,也更有可能购买。因此,智能体不应等待被询问,而应主动开启对话。
想象有人正在看一件雨衣。他们看到一个建议问题:“它能套在抓绒衣外面吗?”,然后点击它。智能体利用产品详情、顾客评价以及对购物者过往购买的了解来回答。它推荐大一号的尺码,显示有库存,并将其加入购物袋。
购买前后同一个智能体
对购物者而言,浏览、购买和客户服务是一体化的体验。他们期望零售商记住他们分享过的信息,无论是购买还是退货。而且他们不应该为了完成基本操作而不得不去梳理公司的组织架构。
由一个智能体处理一切,零售商就能在恰到好处的时刻提供帮助。当某件商品不合身时,智能体可以在加入购物车之前建议合适的尺码。当有人不喜欢某个颜色时,它可以在处理退款之前建议更好的颜色,从而保住这笔销售。
每一次对话也会让智能体有所学习。Sierra 的 Context Engine 将零售商的商品目录、商务系统和客户记录与购物者告诉智能体的信息连接起来。这种上下文对每个零售商都是独一无二的,并且会随时间不断积累。
与个人智能体协作
像 Muse 和 Instinct 这样的个人智能体仍相对较新,但其使用正在快速增长,而购物是人们最常给出的理由之一。这给零售商提出了一个重要问题:如何在尊重顾客选择的同时,保持对购物体验的控制?
我们认为第一步是零售商构建自己的智能体:一个品牌的数字前门,个人智能体可以与之交互,与他们的网站和 API 并列。
我们还在与 100 多家领先企业共同开发个人代理协议(简称 Poppy),包括 Muse、Meta 的 AI agent、Genesys、Shopify、Stripe 和 Walmart。这是一项开放标准,规定了个人代理与企业如何协同工作,以选择和控制为基础。消费者选择其个人代理可以访问什么,零售商决定它可以在其网站上做什么。例如,零售商可能允许个人代理发起退货,但不允许更改支付详情。当某项任务需要更多信息时,比如尺码问题,个人代理可以直接与品牌的代理协作,以获得正确的答案。

基于你已有的基础构建
零售商希望代理的外观和声音与其品牌一致,因此我们用于构建和改进代理的 Ghostwriter 会利用品牌指南和产品知识来构建它们。很快,团队还将能够直接在 Agent Studio 中跟踪购物代理的表现。
我们在 Sierra 的目标是帮助全球优秀的零售商打造更好的客户体验,同时带来更好的业务成果:更大的购物篮、更少的退货和更多的增长。
来源:Sierra Blog · sierra.ai