LLMs e GenAI elevando a experiência do cliente

Desde logística até atendimento ao cliente, os LLMs podem impulsionar experiências de compra melhores e ajudar os varejistas a transformar ventos econômicos contrários em ventos favoráveis para alcançar um crescimento maior.

Primeira regra do varejo: o cliente vem primeiro.

Qualquer nova tecnologia que serve para melhorar a experiência do cliente — desde como eles interagem com uma marca até o suporte que recebem — é essencial para impulsionar a receita de um negócio.

Não é surpresa que os varejistas estejam ansiosos para abraçar grandes modelos de linguagem (LLMs) para habilitar soluções novas e aprimoradas em toda a cadeia de valor do varejo.

O potencial de ROI é enorme.

Soluções de IA geradora (GenAI) que usam LLMs para capacidades avançadas de processamento de linguagem natural podem entregar um valor estonteante de $660 bilhões para varejistas e empresas de bens de consumo embalados (CPG). Com o atual momento econômico, escassez de mão de obra e pressões competitivas pesando sobre a indústria, a GenAI oferece aos varejistas um caminho para um crescimento maior.

Tudo isso graças a modelos de IA, como o Cohere Command R, que podem sintetizar rapidamente grandes quantidades de dados, criar conteúdo novo e simplificar o atendimento ao cliente. E, quando os modelos são dotados de capacidades de raciocínio sofisticadas que podem executar tarefas autonomamente, eles se tornam agentes de IA poderosos.

Tarefas simples, como atualizar automaticamente a conta de um cliente após uma solicitação de serviço online, são apenas o começo. Fluxos de trabalho e automações mais complexas para melhorar o atendimento ao cliente podem seguir rapidamente.

Neste artigo, destacamos quatro áreas da cadeia de valor do varejo — atendimento ao cliente, marketing e vendas, logística e distribuição, e experiência do funcionário — onde a GenAI já começou a transformar a experiência do cliente. Também oferecemos insights sobre como a próxima geração de agentes de IA autônomos pode logo permitir que os varejistas ultrapassem seus concorrentes.

Casos de uso no varejo para melhorar a experiência do cliente.

Encantando os clientes com um serviço mais rápido e melhor

Vamos começar com o uso de LLMs no atendimento ao cliente, dado o impacto massivo esperado dos LLMs nas operações de varejo.

A maioria das pessoas pode rapidamente listar suas frustrações com as experiências de atendimento ao cliente, como longos tempos de espera, respostas lentas a consultas sobre produtos e obter respostas diferentes de diferentes representantes sobre um problema. E os custos dessas frustrações podem se acumular rapidamente.

Entre os setores, estima-se que impressionantes US$ 3,7 trilhões sejam perdidos devido a problemas de atendimento ao cliente. Mais da metade dos clientes dizem que o atendimento ao cliente supera a afinidade com o produto ao decidir com quais empresas fazer negócios.

Para varejistas, os LLMs são uma mudança de jogo. Eles alimentam soluções de IA como assistentes virtuais que ajudam as equipes de atendimento ao cliente a resolver esses problemas persistentes e fornecer aos clientes uma experiência de compra mais suave e agradável.

Recomendações precisas aumentam as vendas

Um importante varejista de artigos de luxo, por exemplo, equipa seus consultores de clientes com um assistente de compras de IA conversacional que pode sugerir produtos com precisão com base na demografia do cliente, histórico de compras e preferências pessoais.

Construído usando o Cohere Command e nosso pipeline de geração aumentada por recuperação (RAG), incluindo o Cohere Embed e o Cohere Rerank, esses assistentes podem oferecer recomendações mais personalizadas e precisas aos clientes. Como resultado, os clientes do varejista estão sinalizando seu agrado aumentando o tamanho médio de seus cestos de compras.

Resposta rápida em escala

Outra aplicação popular de LLMs no atendimento ao cliente é o uso de GenAI para responder a perguntas de suporte.

As soluções de chatbot anteriores geralmente lutavam para encontrar as respostas certas quando as perguntas dos clientes se desviavam das FAQs padrão. Os LLMs, por outro lado, são ótimos em decifrar a intenção de consultas em linguagem natural.

Esses assistentes de IA conversacionais podem responder a dezenas de milhares de perguntas de clientes sobre todos os assuntos, desde orientar um cliente no processo de devolução até responder perguntas sobre promoções recentes. Algumas empresas já estão a caminho de realizar dezenas de milhões em economia e informar maior satisfação do cliente usando esses assistentes de IA.

Com as marcas competindo pelo atendimento ao cliente, não há tempo a perder. Estamos vendo líderes de varejo testando rigorosamente soluções de LLM internamente para alcançar o melhor equilíbrio entre custo e desempenho. Esse pode ser um processo iterativo, em que as empresas muitas vezes precisam explorar várias abordagens, modelos e ferramentas antes de chegar à solução ideal.

Durante essas explorações, é fundamental entender as implicações de diferentes modelos, incluindo tipo, tamanho, origem e opções de implantação. Essas escolhas podem impactar significativamente o ROI, a precisão e a velocidade dos modelos à medida que o uso escala.

Soluções como o Cohere Toolkit, um repositório de aplicações prontas para produção implantáveis em diferentes ambientes, podem ajudar os varejistas a acelerar o desenvolvimento e começar a testar novos assistentes de IA em alguns dias.

À medida que os primeiros adotantes expandem o uso de LLMs para construir agentes de IA mais sofisticados, eles estarão elevando a aposta ainda mais.

Considere, por exemplo, uma pergunta comum do cliente, como “Onde está meu pedido?” Os agentes de IA não apenas poderão solicitar um número de pedido e verificar o status no sistema de gerenciamento de pedidos, mas também resolver problemas quando ocorrerem atrasos inesperados. Isso pode incluir navegar por várias etapas, como verificar se o item ainda está em estoque, adaptar suas respostas com base no estoque disponível e solicitar informações adicionais do cliente para agilizar um novo envio.

Personalizar o Alcance Global em uma Voz de Marca Multilíngue

Integrar soluções de GenAI no marketing e nas vendas também deve ter um impacto desproporcional no varejo em comparação com outros setores.

Nos últimos anos, ficou mais desafiador do que nunca para essas equipes capturarem a atenção dos clientes e mantê-los engajados, à medida que um número crescente de concorrentes, canais, conteúdo e tecnologias inundam o mercado. Há muito ruído por aí, e os primeiros adotantes do GenAI estão usando a tecnologia para se destacar.

Por exemplo, alguns varejistas globais estão minerando grandes volumes de dados não estruturados de avaliações de clientes, devoluções de produtos e ligações de suporte ao cliente para identificar tendências de consumo mais localizadas e fornecer ofertas altamente personalizadas.

Um estilo para interações perfeitas

Para varejistas globais, uma grande prioridade é garantir que todo o conteúdo de marketing esteja de acordo com a marca e que todos os representantes globais sejam treinados para entregar a melhor experiência de marca.

Empresas com operações em todo o mundo geralmente acham desafiador manter o tom, o estilo e outras nuances da marca em potencialmente dezenas de idiomas. E capacitar rapidamente a equipe em todo o mundo pode ser difícil e demorado.

Os LLMs com fortes capacidades multilíngues, que podem capturar nuances culturais como nunca antes, podem agilizar muito esse trabalho, ajudando os profissionais de marketing a entregar comunicações e treinamentos de primeira linha em todas as regiões.

Tendências globais, insights locais

Mas isso não é tudo. Esses modelos também podem entender a intenção e as nuances dos comentários dos clientes em idiomas locais. Por exemplo, com modelos otimizados para uso multilíngue, como o Command R+ e o Cohere Embed, os varejistas globais podem extrair insights mais efetivamente dos comentários dos clientes em tickets de suporte, avaliações e fontes de terceiros em seus mercados em todo o mundo, para entender melhor as preferências e desagrados dos clientes, bem como as tendências globais.

Em breve, os varejistas poderão implantar agentes de IA globais que possam se conectar a sistemas de CRM, comércio eletrônico, gerenciamento de conteúdo e marketing por e-mail em qualquer idioma para entender as preferências dos clientes e adaptar automaticamente as comunicações de marketing.

Dada a abundância de soluções GenAI baseadas em SaaS prontas para incorporar capacidades agênticas em seus produtos, tais casos de uso avançados provavelmente se tornarão requisitos básicos na indústria de varejo.

Simplificando os desafios logísticos e de distribuição

Garantir que os produtos estejam prontamente disponíveis e com preços justos é a espinha dorsal de uma ótima experiência do cliente. Mas existem muitas peças móveis com as quais os varejistas devem lidar para acertar nisto. Interrupções devido ao clima, instabilidade política e outros problemas logísticos podem afetar a disponibilidade do produto.

Mudanças nas condições do mercado podem impactar o quanto os consumidores estão dispostos a gastar em uma determinada categoria de produto. Mudanças econômicas, como alterações nas taxas de juros, podem afetar o gasto do consumidor e tornar irrelevante a previsão de ontem.

Os Modelos de Linguagem de Grande Porte (LLMs) estão permitindo que as equipes de logística e distribuição gerenciem de forma mais eficaz essas variáveis em constante mudança, para garantir que os produtos certos estejam disponíveis na hora certa.

Os dias de verificar diferentes ferramentas e usar a terminologia correta para cada ferramenta rapidamente se tornarão obsoletos, com novas soluções fornecendo uma interface unificada.

Previsões de estoque refinadas

Um grande varejista europeu, por exemplo, está aproveitando a funcionalidade da ferramenta Cohere Command R para criar um agente de IA que pode verificar os sistemas de gerenciamento de inventário. Isso fornece aos comerciantes, compradores, gerentes de estoque e outras partes interessadas informações precisas e em tempo real sobre os níveis de produto nas lojas ou itens populares em momentos específicos, tudo em linguagem simples e conversacional.

Em seguida, a empresa planeja expandir as capacidades do modelo para executar fluxos de trabalho complexos e de várias etapas, usando uma variedade de ferramentas em várias interfaces de programação de aplicativos (APIs).

Cadeias de suprimento à prova de intempéries

Outro problema espinhoso que os agentes de IA poderiam ajudar os varejistas a resolver é o planejamento para um evento climático iminente que possa impactar a chegada de novas mercadorias, o que pode prejudicar a satisfação do cliente e a lealdade à marca.

E funciona assim: um gerente de cadeia de suprimentos solicita assistência do agente de IA para entender o impacto da tempestade. O agente de IA então verifica os sistemas relevantes para avaliar os pedidos em aberto de fornecedores que podem ser atingidos pela tempestade e, quando necessário, identifica fornecedores alternativos que podem ajudar a empresa a continuar atendendo às expectativas dos clientes.

Assim que o gerente de cadeia de suprimentos revisar e aprovar os pedidos atualizados, o agente de IA poderá ajustar os pedidos e notificar todos os fornecedores afetados, bem como as equipes de atendimento ao cliente.

Impulsionando a experiência do funcionário para clientes mais felizes

Uma pesquisa demonstrou um vínculo direto entre a experiência do funcionário e a experiência do cliente, com aqueles que se classificam mais alto em métricas de experiência do funcionário realizando maior receita e lucros.

Quando os funcionários estão sobrecarregados com tarefas manuais entorpecentes ou não conseguem encontrar facilmente as informações de que precisam, provavelmente estarão apressados, distraídos e despreparados quando um cliente precisar de ajuda.

A capacidade da GenAI de assumir o trabalho pesado e melhorar a produtividade dos funcionários pode abrir caminho para uma maior satisfação no trabalho e, em última análise, uma melhor satisfação do cliente.

Ferramenta de RH para economizar tempo

Tome, por exemplo, uma grande rede varejista norte-americana. A empresa criou um assistente de conhecimento de IA que fornece informações sobre RH, folha de pagamento e benefícios.

A solução usa o Cohere Command com geração aumentada por recuperação (RAG) e é otimizada para pesquisa com Cohere Rerank. Para os funcionários, o assistente de conhecimento de IA fornece respostas personalizadas às suas perguntas com base em sua localização, afiliação sindical e nível de cargo, tudo em minutos. E os gerentes de loja não precisam mais gastar tempo procurando as informações, o que antes levava semanas de esforço.

Menos pesquisa, melhor atendimento

Outro exemplo é o uso de assistentes de IA conversacionais para apoiar os funcionários de forma mais eficaz durante todo o dia. Um varejista usa um assistente de conhecimento de IA para ajudar seus funcionários de loja a obter mais rapidamente respostas a perguntas sobre os produtos, políticas e procedimentos da empresa, para que possam atender melhor os clientes. Fornecer tais capacidades a novos funcionários pode ser especialmente valiosos, uma vez que o treinamento, o suporte e a redução da produtividade durante o aprendizado tradicionalmente representam uma parcela significativa dos custos de integração.

Os assistentes de IA também podem lidar com outras tarefas operacionais complexas, liberando os colaboradores e gerentes de varejo para atividades mais voltadas para o cliente.

Um desses casos de uso é o gerenciamento de escalas de funcionários, normalmente uma grande dor de cabeça para os gerentes de loja. Usando agentes de IA que podem coordenar vários processos de back-end e solicitar mais informações, os funcionários podem fazer mais facilmente solicitações de folga. Da mesma forma, os gerentes podem acessar rapidamente os cronogramas de pessoal ou aprovar solicitações de alteração sem precisar navegar por sistemas internos complicados.

Olhando para o futuro, o potencial dos agentes de IA para transformar a experiência do funcionário é vasto. Com os varejistas mirando na GenAI em massa, esperamos ver alguns avanços surpreendentes na experiência do cliente.

Às vezes, são as soluções simples para problemas frustrantes do dia a dia que fazem a maior diferença. Combinando os LLMs com capacidades agênticas abre imensas possibilidades em toda a cadeia de valor do varejo na resolução dos muitos problemas (grandes e pequenos) que tornam os clientes insatisfeitos. Neste cenário dinâmico, é avançar ou arriscar perder clientes.