در جریان کنفرانس امسال Groceryshop، مدیران ارشد شرکت‌های بزرگی همچون Kroger، Giant Eagle و DoorDash به تشریح دیدگاه‌ها و استراتژی‌های خود در زمینه به‌کارگیری هوش مصنوعی عامل‌محور (Agentic AI) پرداختند. این شرکت‌ها به این نتیجه رسیده‌اند که به جای اتکا به ابزارهای جستجوی ساده یا چت‌بات‌های مزاحم، باید ابزارهای کاربردی مبتنی بر هوش مصنوعی را توسعه دهند که شکاف میان فروشگاه‌های فیزیکی و سفارش‌دهی آنلاین را پر کند. تمرکز اصلی اکنون بر آموزش مشتریان برای ادغام طبیعی این ابزارهای خرید هوشمند در برنامه‌های روزمره و پرمشغله‌شان است.

کاهش اصطکاک در مسیر خرید؛ استراتژی Kroger

یائل کاست (Yael Cosset)، مدیر ارشد دیجیتال در Kroger، تأکید کرد که تمرکز اصلی این خرده‌فروش بزرگ بر حذف هرگونه اصطکاک فیزیکی و ذهنی از لحظه الهام گرفتن مشتری برای خرید یک ماده غذایی تا ثبت سفارش نهایی است. او در این باره گفت: «دستیار خرید هوشمند به پر کردن شکاف موجود میان لحظه الهام‌بخشی و قرار گرفتن کالا در سبد خرید کمک می‌کند.» به گفته کاست، چالش اصلی بسیاری از خرده‌فروشان بزرگ، ادغام این ابزارهای عامل‌محور در مسیرهای خریدی است که در حال حاضر نیز پیچیدگی‌های خود را دارند.

کاست معتقد است مشتریان با این ذهنیت بیدار نمی‌شوند که امروز حتماً آنلاین خرید کنند یا حتماً به فروشگاه فیزیکی بروند؛ بلکه آن‌ها نیازها و موقعیت‌های متفاوتی دارند که خرده‌فروشی مانند Kroger باید به آن‌ها پاسخ دهد. او افزود: «این وظیفه ماست که اصطکاک و بار فکری مشتری را برای تعامل با خودمان کاهش دهیم و این دقیقاً همان جایی است که هوش مصنوعی نقشی تحول‌آفرین ایفا می‌کند.»

شرکت Kroger ده سال گذشته را صرف توسعه هم‌زمان تجربه‌های دیجیتال و فیزیکی خود کرده است. به عنوان مثال، خریداران می‌توانند سفارش‌های آنلاین و خریدهای حضوری خود را در یک هاب واحد مشاهده و پیگیری کنند و این داده‌ها مسیر خریدهای بعدی آن‌ها را شکل می‌دهد. این خرده‌فروش به تازگی دستیار خرید هوش مصنوعی خود را راه‌اندازی کرده است که هدف آن حل مشکلات همگانی خرید، مانند نیاز والدین پرمشغله به خریدهای لحظه آخری یا برنامه‌ریزی برای شام با وجود محدودیت‌های رژیمی مختلف مهمانان است. این ابزار بلافاصله سبد خریدی متناسب با تمام این الزامات ایجاد می‌کند. کاربران حتی می‌توانند اطلاعات شخصی‌سازی‌شده‌تری مانند تصویری از لیست خرید دست‌نویس یا دستور غذای مورد علاقه مادربزرگ خود را برای دریافت پیشنهادهای دقیق‌تر به سیستم ارائه دهند.

با این تجربه خرید مبتنی بر زمینه، شرکای تجاری Kroger در حوزه کالاهای بسته‌بندی‌شده مصرفی (CPG) نیز این فرصت را دارند که از طریق تبلیغات رسانه‌ای خرده‌فروشی (Retail Media) یا محتوای دستورهای غذایی، با مشتریان این فروشگاه زنجیره‌ای ارتباط برقرار کنند.

افزایش ارزش طول عمر مشتری در Giant Eagle

شوتا پرابو (Shweta Prabhu)، معاون بخش دیجیتال، تجارت الکترونیک، فناوری بازاریابی (MarTech)، وفاداری، تحلیل داده، هوش مصنوعی و سیستم‌های سازمانی در Giant Eagle، اعلام کرد که تمرکز این شرکت بر استفاده از هوش مصنوعی عامل‌محور برای تبدیل خریداران تک‌کاناله به خریداران چندکاناله (Omnichannel) است. دلیل این رویکرد آن است که ارزش طول عمر (Lifetime Value) مشتریان چندکاناله در Giant Eagle حدود ۳۰ درصد بیشتر از مشتریانی است که تنها از یک کانال (چه حضوری و چه آنلاین) خرید می‌کنند.

پرابو توضیح داد که هر دلاری که این خرده‌فروش برای یکپارچه‌سازی این تجربه‌ها سرمایه‌گذاری می‌کند، سرمایه‌ای است که باارزش‌ترین مشتریان را به بازگشت مجدد ترغیب می‌کند. در همین راستا، Giant Eagle یک ژنراتور تولید دستور غذایی مبتنی بر هوش مصنوعی را در اپلیکیشن اصلی خود فعال کرده است که به مشتریان کمک می‌کند ایده‌های غذایی را اسکن کرده و مواد لازم را به راحتی به سبد خرید خود اضافه کنند.

علاوه بر این، تمرکز دیگر Giant Eagle بر یکپارچه‌سازی تیم‌های پراکنده در بخش عملیاتی و پشتیبانی (Backend) است. هدر فدر (Heather Feather)، معاون بخش دیجیتال، تجارت الکترونیک و تحلیل مشتریان در Giant Eagle، توضیح داد که این خرده‌فروش سال گذشته با ادغام تیم عملیات تجارت الکترونیک با تیم‌های بازاریابی و بازرگانی (Merchandising)، گام نخست را در این مسیر برداشت. فدر گفت: «هیچ‌کدام از فروشگاه‌های فیزیکی ما به اندازه وب‌سایت و اپلیکیشن موبایل ما ترافیک هفتگی دریافت نمی‌کنند. این یک بازنگری عالی برای ما و شرکایمان در زمینه سرمایه‌گذاری‌ها و اولویت‌بندی‌هاست.»

با همکاری نزدیک‌تر این بخش‌ها، هدف‌گیری مشتریانی که پتانسیل خرید هم‌زمان حضوری و دیجیتال را دارند، تسهیل می‌شود. همچنین با توجه به اعلام تصمیم Kroger برای تصاحب Giant Eagle در اوایل سال جاری که انتظار می‌رود فرآیند ادغام آن سال آینده نهایی شود، احتمالاً در سال ۲۰۲۷ شاهد یکپارچگی‌های بیشتری خواهیم بود.

رویکرد کاربردی DoorDash و چالش‌های پیش رو

اندی فنگ (Andy Fang)، هم‌بنیان‌گذار DoorDash، معتقد است چالش اصلی پلتفرم‌های تحویل کالا، درک دقیق خواسته‌های کاربران از ابزارهای خرید مبتنی بر هوش مصنوعی در حین توسعه آن‌هاست. فنگ گفت: «اغلب اوقات وقتی مردم به استفاده از هوش مصنوعی برای سفارش‌دهی فکر می‌کنند، یک پنجره چت پاپ‌آپ را متصور می‌شوند.» اما تجربه DoorDash نشان داد که کاربران هنگام مواجهه با این پنجره‌های چت، نمی‌دانند چه بگویند و در نهایت آن را نادیده می‌گیرند. او افزود: «بنابراین بخش زیادی از تلاش ما نه تنها صرف تزریق هوش به تجربه کاربری، بلکه صرف شناسایی الگوهای واقعی مشکلاتی شده است که مردم می‌خواهند هوش مصنوعی برایشان حل کند.»

به گفته فنگ، اکثر کاربران ابزارهای ساده و کاربردی را ترجیح می‌دهند؛ مانند امکان کلیک روی دکمه میانبر «سفارش مجدد اقلام همیشگی» در حین مرور اپلیکیشن، به جای جستجو در تاریخچه سفارش‌های قبلی. DoorDash تلاش می‌کند با ساخت ابزارهای بومی درون اپلیکیشن، فراتر از پر کردن ساده سبد خرید عمل کند و امکان تغییر سفارش‌ها در لحظه (مانند یافتن کالاهای مشابه یا جایگزین برای اقلام ناموجود) را تسهیل نماید.

اگرچه خرده‌فروشان بازخوردهای آنی زیادی درباره نحوه استفاده مشتریان از هوش مصنوعی عامل‌محور دریافت می‌کنند، اما همچنان مجهولات و درس‌های زیادی برای آموختن وجود دارد. یائل کاست از Kroger در خصوص فشارهای موجود برای پیاده‌سازی سریع این فناوری گفت: «طبیعی است که همه می‌خواهند سریع حرکت کنند زیرا فرصت بزرگی پیش رو است؛ اما سرعت با خود ریسک به همراه می‌آورد. بنابراین، سرعت همراه با دقت و جهت‌گیری درست، رویکرد مناسبی خواهد بود.»