First Insight 推出对话式 AI 工具 Ellis，助力零售决策

经过多年的人工智能实验，零售商正努力将消费者洞察直接嵌入日常商业决策。专注于预测性消费者反馈的美国分析公司 First Insight 认为，零售 AI 的下一个阶段应以对话而非仪表板为特征。在为期三个月的测试计划后，First Insight 已向品牌和零售商提供其新的 AI 工具 Ellis。Ellis 设计为对话式界面，允许商品、定价和规划团队在 First Insight 平台上询问有关产品、定价和需求的问题。该公司表示，其方法旨在将决策时间压缩至分钟级。McKinsey 的研究发现，虽然大多数大型零售商现在收集大量客户数据，但一些零售商无法足够快地将洞察转化为行动以影响产品开发决策。报告指出，缩短洞察与执行之间距离的 AI 工具比报告系统更可能带来可衡量的商业价值。First Insight 已与包括 Boden、Family Dollar 和 Under Armour 在内的零售商合作，使用调查反馈和预测模型来预测消费者需求、价格敏感性和表现。此类洞察通常通过仪表板或报告提供。Ellis 允许用户以对话方式查询洞察。例如，团队可以询问六项或九项品类在特定市场中可能表现更好，或移除某些材料可能如何影响吸引力。First Insight 表示，系统基于其现有数据模型返回答案。行业证据表明，这种方法可能有助于解决零售决策中的瓶颈。Harvard Business Review 对数据驱动零售组织的分析发现，当洞察无法快速访问时，其价值往往会丧失，特别是在品类审查或早期概念开发等阶段。First Insight 使用的基础技术已在零售行业部署。Under Armour 描述了使用消费者数据和预测模型来优化产品品类和定价策略，称该技术有助于降低降价风险并提高全价销售。同样，时尚零售商 Boden 讨论了客户洞察在指导品类决策中的作用，特别是在平衡趋势导向商品与核心商品方面。虽然这些公司未披露其专有系统的细节，但这些案例可以展示预测性消费者数据如何嵌入商业规划。类似工具也在行业其他地方使用。包括 Walmart 和 Target 在内的零售商已投资分析和机器学习，以了解区域需求模式、优化定价和测试新概念。根据 Deloitte 关于零售 AI 的研究，使用预测性消费者洞察的公司报告了预测准确性的提高和库存风险的降低，特别是在早期整合分析时。Ellis 由 First Insight 描述的预测性零售大语言模型驱动，该模型基于消费者响应数据训练。该公司表示，这使系统能够回答有关最优定价、预测销售率、理想品类规模和可能细分偏好的问题。这一重点与学术研究一致，显示价格优化和品类规划是零售中最高价值的 AI 用例之一。