IA générative dans le retail : 4 leviers pour accroître chiffre d'affaires et productivité
Publié par Nathaniel Ives, directeur commercial Entreprise France, chez Nvidia le | Mis à jour le
Le monde du retail se prépare à vivre le « moment iPhone » propulsé par une technologie d'IA générative révolutionnaire. Contrairement à l'IA traditionnelle qui est utilisée pour détecter des modèles et prendre des décisions, les modèles d'IA générative utilisent des réseaux neuronaux qui sont entraînés avec des quantités massives de données pour créer un contenu nouveau et original - tout cela à partir de quelques questions posées par une personne.
Les entreprises s'empressent de l'adopter. Carrefour a annoncé en juin dernier le lancement de trois solutions basées sur l'IA générative : un robot de conseil pour les courses, des fiches descriptives des produits de marque Carrefour sur son site internet, ainsi qu'un accompagnement des procédures d'achat. En avril, Zalando lançait son projet d'assistant mode virtuel pour enrichir l'expérience de découverte et d'achat en ligne.
Selon Morgan Stanley, les ventes mondiales du commerce en ligne, qui représentent 22 % de l'ensemble des ventes au détail, pourraient atteindre 5,4 milliards de dollars en 2026, contre 3,3 milliards de dollars aujourd'hui.
Voici les quatre domaines les plus susceptibles de porter rapidement leurs fruits pour les enseignes :
1. Achats hyperpersonnalisés
Les commerçants disposent d'une grande quantité de données sur le comportement d'achat et l'historique des ventes clients. L'IA générative peut enrichir considérablement l'expérience client et générer des revenus en aidant les acheteurs à trouver les produits les plus en phase avec leurs critères de recherche actuels, et pas seulement en fonction de ce qu'ils ont acheté dans le passé. L'IA générative peut analyser les données clients, le sentiment des médias sociaux et créer des parcours personnalisés pour offrir des recommandations de produits personnalisées, comme le fait un styliste, et même des réductions sur les articles que l'IA pense que le client désire le plus, afin de générer des revenus.
2. Descriptions automatisées des catalogues et des produits
Les codes UGS (Unité de Gestion de Stock) sont l'élément vital de tout commerce de détail, car ils permettent de suivre les milliers, voire les centaines de milliers, d'articles en stock. Cette tâche se complexifie avec les extensions de marque, les nouvelles couleurs, ou nouveaux arômes, les nouveaux emballages, les promotions, les produits allégés, etc. Le problème est particulièrement aigu en ligne, où chaque nouvelle UGS nécessite une description précise et détaillée du produit pour les acheteurs.
Les enseignes découvrent la puissance de l'IA générative pour rationaliser le processus d'intégration de nouveaux produits dans les catalogues, en utilisant des modèles d'IA formés à partir d'une multitude de données spécifiques sur les produits. L'IA générative peut créer automatiquement ces catalogues de produits, en aidant à structurer des données non structurées.
Il en résulte des descriptions de produits plus riches et plus robustes qui améliorent le référencement SEO et offrent aux acheteurs des informations actualisées sur les produits, avec des images haute résolution qui dopent le chiffre d'affaires. Pour optimiser les descriptions générées par l'IA, les enseignes peuvent demander à des experts en commerce électronique ou en produits de les examiner et de les approuver.
3. Optimisation automatique des prix
L'inflation et les inquiétudes quant à l'entrée en récession des économies du monde entier ont conduit à une sensibilité accrue des acheteurs à l'égard des prix. La tarification dynamique, processus par lequel les prix sont automatiquement ajustés en fonction des conditions du marché ou du comportement des clients, est essentielle pour aider les commerçants à améliorer des marges très réduites.
L'IA générative peut rechercher les prix des concurrents plusieurs fois par jour, analyser les modèles de demande et les tendances du marché, analyser les coûts opérationnels et fournir des recommandations de prix en temps réel pour éviter de perdre des clients au profit des concurrents ou ajuster les prix pour maximiser les profits.
Il en résulte une amélioration des marges bénéficiaires, car les enseignes peuvent mieux attirer et fidéliser les clients grâce à une stratégie de tarification plus fluide. Étant donné que les facteurs affectant le marché changent rapidement et souvent, la tarification dynamique est une tâche particulièrement adaptée à l'IA et les marques l'utilisent avec succès.
4. Un service client d'assistance
L'amélioration du service à la clientèle est depuis longtemps une priorité pour les commerces, grands et petits. Les interactions avec le service définissent souvent le parcours d'achat d'un client. Les enquêtes ont montré que les acheteurs recherchent de plus en plus un service rapide, précis et personnalisé - et qu'ils sont prompts à passer à un concurrent si leurs besoins ne sont pas satisfaits.
L'IA générative peut également être utile dans ce domaine. Une fois formés sur les données d'une marque, les assistants virtuels peuvent créer des réponses générées par l'IA et traduire automatiquement le contenu dans plusieurs langues.
Cette assistance de l'IA peut également rendre les agents traditionnels plus productifs en générant automatiquement des réponses au service client par chat ou par courriel, réduisant ou éliminant ainsi le temps que les agents humains consacrent à la rédaction d'une réponse. La technologie peut vérifier les systèmes de planification des ressources lors de la rédaction de ces réponses, aider à déterminer quand les commandes seront expédiées et fournir l'état de l'expédition ou aider les clients à modifier leurs commandes. Les agents peuvent alors se concentrer sur des problèmes plus complexes ou sur des offres de fidélisation.
Un autre cas d'usage des modèles d'IA consiste à déterminer le sentiment des clients. L'IA peut analyser le comportement des clients sur les médias sociaux pour déterminer l'importance de la situation et informer les agents du service client des cas les plus urgents ou les plus graves. Elle peut également être utilisée pour analyser les commentaires des clients et fournir des résumés succincts aux clients qui recherchent certains produits.
Conclusion
L'IA générative apporte un avantage concurrentiel se traduisant par des revenus plus élevés, une plus grande fidélité client, mais aussi des marges plus importantes. Aucune enseigne ne peut ignorer cette vague révolutionnaire de productivité. Cependant, le chemin vers l'efficacité de l'IA générative repose sur la solidité du modèle de fondation. Les modèles qui alimentent l'IA générative sont appelés grands modèles de langage (LLM), et ils fonctionnent en apprenant à partir de vastes quantités de données provenant de sources multiples pour produire un nouveau contenu. Les nouveaux modèles d'IA générative de pointe pour le texte, les images, les vidéos haute-fidélité et les actifs 3D peuvent être formés et affinés avec les données propriétaires des enseignes, reflétant leur territoire de marque et leur ton spécifiques, tout en instaurant des garde-fous appropriés pour effectuer des tâches spécifiques à un domaine.