智能體落地零售，帶來了哪些新可能?

智能體的風(fēng)，終于吹到了零售行業(yè)。

過去幾年，從ChatGPT到Sora，從文生圖到文生視頻，AI技術(shù)的每一次突破都引發(fā)熱議，但熱鬧歸熱鬧，真正落到產(chǎn)業(yè)里的改變似乎總是慢半拍。直到最近，情況開始不一樣了。智能體開始從科技圈的話題逐漸落地到零售商家日常運營中的標(biāo)配。

我們觀察到，國內(nèi)外各大電商平臺都上線了智能體相關(guān)的功能。

在京東，京點點Oxygen Vision能夠自動批量生成商品圖和營銷視頻，制作效率提升90%。在不少電商平臺，AI試衣間讓用戶上傳照片就能看到衣服穿在身上的效果，不再靠想象下單。在亞馬遜，歐萊雅的ModiFace可以根據(jù)用戶的面部特征實時調(diào)整妝容效果。

（京點點Oxygen Vision產(chǎn)品首頁）

這些智能體有的幫商家干活，有的幫用戶決策，有的在投放環(huán)節(jié)持續(xù)優(yōu)化。它們不打卡、不領(lǐng)工資、不抱怨加班，卻正在全面滲透零售鏈條的每一個環(huán)節(jié)。

那么，智能體為何能率先落地零售行業(yè)？它給中小商家?guī)砹四男┯绊懀?/p>

要理解這場變革的深度，先得看清傳統(tǒng)零售內(nèi)容生產(chǎn)在近幾年AI技術(shù)浪潮下面臨的困境。

零售的本質(zhì)，其實很簡單：把貨賣給對的人。

但過去幾年，這個簡單的事情變得越來越復(fù)雜。一方面，用戶的購物習(xí)慣從線下轉(zhuǎn)到線上，商品曝光從貨架式搜索變成內(nèi)容驅(qū)動，一條視頻、一張圖片、一篇種草筆記，都可能成為用戶下單的起點。另一方面，一個平臺上有幾千萬SKU，商品的供給爆炸式增長讓商家之間的競爭從“誰有貨”變成了“誰能被看見”。

于是，內(nèi)容成了零售的新命脈。圖片拍得好不好，視頻精不精彩，詳情有沒有說服力，直接決定了用戶愿不愿意點進來，會不會下單。內(nèi)容做得好，轉(zhuǎn)化率能翻倍；內(nèi)容做得差，再好的商品也石沉大海。

生成式AI的出現(xiàn)曾讓商家短暫看到了希望。它可以批量生成圖片、自動撰寫文案、快速剪輯視頻，讓成千上百的商品詳情頁制作更快、成本更低。但市面上的生成式AI工具五花八門、良莠不齊，又給中小零售商帶來了新的問題。

這些工具分散在各個平臺，彼此割裂，且各自設(shè)有一定的使用門檻。生圖的、生文的、生視頻的、做投放的分屬不同系統(tǒng)，操作邏輯與數(shù)據(jù)格式各異。商家若想借助AI提升效率，首先需要耗費精力熟悉多套工具的操作方式，再自行將它們拼湊成一條完整的內(nèi)容生產(chǎn)鏈路。

并且，過往零售AI工具的執(zhí)行邏輯高度依賴指令、太被動。用戶告訴它“生成一張圖”，它便生成一張圖，但生成內(nèi)容的風(fēng)格、構(gòu)圖、賣點呈現(xiàn)等關(guān)鍵決策，仍需商家基于自身經(jīng)驗做出判斷。換言之，AI只負(fù)責(zé)執(zhí)行，無法承擔(dān)策略層面的思考，商家依然需要具備設(shè)計審美、文案功底和投放策略的判斷力。

除此之外，前幾年AI工具的使用模式也呈現(xiàn)出明顯的“一次性”特征。內(nèi)容生成完畢、投放上線之后，整個流程便宣告結(jié)束。效果好壞無從追蹤，經(jīng)驗得失難以沉淀。商家用了一次，效果平平，下一次仍要從頭開始，過往的教訓(xùn)無法被系統(tǒng)化地繼承和復(fù)用，消費者也難以獲得千人千面的購物體驗。

因此，過去AI在零售的落地更像是一堆零散的工具，而不是一個能真正融入業(yè)務(wù)流程的伙伴。

直到智能體出現(xiàn)，情況開始不一樣了。

過去，AI在零售的落地更像是一堆零散的工具，而不是一個能真正融入業(yè)務(wù)流程的伙伴。

智能體的出現(xiàn)正在改變這個局面。它從一堆工具的集合，轉(zhuǎn)向一個能自己思考、自己執(zhí)行、自己進化的數(shù)字員工。從京東的京點點Oxygen Vision、Shopify的Sidekick，到Salesforce的Agentforce，這些智能體雖然應(yīng)用場景不同，但都在用相似的方式，把過去AI沒做好的事，做出了新的可能。

變化一：從拼積木到全家桶。

過去，商家要用AI，得自己把各個工具拼在一起。智能體做的第一件事，是把這些分散的能力整合成一個完整的“全家桶”，讓內(nèi)容生產(chǎn)從多方協(xié)作的復(fù)雜流程變成單點輸入、自動輸出的簡潔動作。商家不需要關(guān)心圖是誰生的、文是誰寫的、視頻是誰剪的，只需要告訴智能體“我要上新一款商品”，剩下的工作智能體自己完成。

從京東的京點點Oxygen Vision身上，可以很清楚地看到這種變化。商家上傳一個商品編號或者幾張商品圖，它自動生成商詳圖、廣告圖，甚至是5-60s的商品視頻，不僅是簡單的商品展示，品牌片質(zhì)感的營銷視頻，京點點Oxygen Vision一天也能產(chǎn)出超過百條。京點點Oxygen Vision還自帶近200名AI模特的模特庫，衣服的模特試穿圖，眼鏡、項鏈等配飾的試戴圖，都能直接在平臺生成，京點點Oxygen Vision還囊括了從素材制作到投放測試再到結(jié)果優(yōu)化的全鏈路，都在一個智能體里跑通。商家不再需要在不同工具之間來回切換，內(nèi)容生產(chǎn)的復(fù)雜性被封裝在了智能體內(nèi)部。

值得一提的是，這種便利還從商家延伸到了他們的顧客。現(xiàn)在在京東買服裝，就可以在商品頭圖看到“AI試穿”按鈕，用戶可以上傳自己的照片，并輸入身體參數(shù)生成數(shù)字人模特，讓用戶一目了然看清不同顏色、類型穿搭的上身效果。原本需要親自試穿才能確認(rèn)的事情，現(xiàn)在通過Oxygen TryOn AI穿搭功能就能搞定。在家裝場景，京東還結(jié)合自身AIGC技術(shù)打造AI放我家，并在部分家具品類上線，用戶上傳一張自己家中的照片，就可以通過商品編號，將指定商品放到自己家庭的真實場景里，尺寸是否合適、裝修風(fēng)格是否匹配一目了然，定制化的內(nèi)容自然也進一步促進了商家的交易轉(zhuǎn)化。

變化二：從聽指令到懂意圖。

如果說第一個變化解決的是“怎么干”的問題，那么第二個變化解決的是“干什么”的問題。

過去的AI工具只能執(zhí)行明確的指令，并沒有真正理解商家的業(yè)務(wù)目標(biāo)，它只是在執(zhí)行一個又一個孤立的指令。

智能體則不同。基于自然語言交互的指令，它能夠根據(jù)用戶畫像、業(yè)務(wù)場景和歷史數(shù)據(jù)，自動判斷應(yīng)該生成、推薦什么。這種從執(zhí)行到判斷的角色變化意味著智能體開始分擔(dān)決策的壓力。

以Shopify的Sidekick為例，它會根據(jù)店鋪的歷史數(shù)據(jù)和當(dāng)前運營狀態(tài)，主動建議哪些商品適合做促銷、哪些渠道投放效果更好。商家不需要自己分析數(shù)據(jù)、判斷時機，智能體直接給出經(jīng)過計算的最優(yōu)方案。目前，京點點Oxygen Vision也已具備商品目標(biāo)客群的分析能力，并根據(jù)用戶的偏好個性化生成素材圖。同樣一件沖鋒衣，戶外運動型的買家，京點點Oxygen Vision生成的圖片會側(cè)重用戶關(guān)心的面料科技、防風(fēng)透氣等專業(yè)指標(biāo)；時尚顏值型的買家，商品圖則會更偏重服飾的設(shè)計風(fēng)格和搭配方式；生活實用型的用戶，商品素材就會展示最新的優(yōu)惠活動，結(jié)合投放鏈路的打通，真正做到千人千面的商品素材生成。Salesforce的Agentforce則更進一步，它能夠自主決定何時介入客戶對話、推薦什么產(chǎn)品、何時轉(zhuǎn)接人工，在客戶服務(wù)場景中實現(xiàn)了完整的感知、判斷、行動閉環(huán)。

（京點點Oxygen Vision生成千人千面的商品素材）

Gartner預(yù)測，到2029年，智能體將自主解決80%的常見客戶服務(wù)問題，無需人工干預(yù)。對于商家而言，這意味著他們可以把更多精力從策略判斷中解放出來，聚焦在選品、供應(yīng)鏈和用戶服務(wù)上，讓智能體接管這些瑣碎復(fù)雜的程序流程。

變化三：從一次性到持續(xù)進化。

素材生成后，如何讓內(nèi)容生產(chǎn)變得更好？如何讓經(jīng)驗?zāi)軌虺恋怼⒅R能夠積累？

這是過去AI工具始終沒能解決的問題。過去的AI工具每次生成都是一次性的，每一次內(nèi)容生產(chǎn)都像是從零開始，經(jīng)驗和教訓(xùn)無法被系統(tǒng)化地繼承，而智能體正在構(gòu)建生成、投放、分析、優(yōu)化的閉環(huán)。它不僅是生成內(nèi)容，還能追蹤效果、分析數(shù)據(jù)、總結(jié)經(jīng)驗并將這些經(jīng)驗反哺到下一次生成中。

在京東平臺，京點點Oxygen Vision自帶的投放系統(tǒng)就可以對產(chǎn)出的AI素材進行多組并行AB測試，商家效率提升超90%，生成即可投放。此外，京點點Oxygen Vision還能夠追蹤點擊率、轉(zhuǎn)化率等核心指標(biāo)，輸出分析報告，總結(jié)哪些視覺元素更受歡迎，并在下一次生成時自動優(yōu)化。內(nèi)容生產(chǎn)從孤立的一次性投入變?yōu)槟茉谘h(huán)中持續(xù)優(yōu)化的資產(chǎn)。

對于零售行業(yè)而言，這種轉(zhuǎn)變的意義在于，內(nèi)容生產(chǎn)正在從依賴經(jīng)驗和拼湊工具的手工作坊，演變?yōu)榭梢?guī)模化、可優(yōu)化、可閉環(huán)的智能系統(tǒng)。

而那個在背后默默操盤的智能體，正在成為這一切變化的核心支點。

那么，除了內(nèi)容生產(chǎn)的變革、智能體到底給零售行業(yè)帶來了什么真正的價值？

回顧上面這些案例，它們雖然應(yīng)用場景不同，但本質(zhì)上都是智能體在零售業(yè)的落地。

它們正在共同改寫零售業(yè)的三個底層邏輯。

首先，創(chuàng)業(yè)門檻正在被智能體拉低。過去，新品牌上線需要攝影師、設(shè)計師、文案、運營等多角色協(xié)同，啟動成本高，試錯周期長。現(xiàn)在，通過智能體，創(chuàng)業(yè)者只需上傳商品圖片，就能獲得全套商品素材、主圖視頻、廣告圖，甚至可以根據(jù)用戶畫像自動優(yōu)化素材風(fēng)格。京東的AI設(shè)計家就是一個例子，用戶上傳自家房屋照片，智能體就能把目標(biāo)家具植入真實環(huán)境，推薦多樣化的裝修風(fēng)格。

與此同時，創(chuàng)意的定義正在被智能體改寫。傳統(tǒng)意義上，“創(chuàng)意”靠的是設(shè)計師的審美和經(jīng)驗，是一種難以復(fù)制的能力。智能體通過學(xué)習(xí)海量數(shù)據(jù)讓有新意的設(shè)計從少數(shù)人的能力變成人人可用的工具。作為零售行業(yè)首個AI全自動素材設(shè)計平臺，京點點Oxygen Vision的商品素材生成功能已經(jīng)服務(wù)了京東海量商家，生產(chǎn)效率提升超90%的同時，降低成本超99%，以模特圖為例，批量應(yīng)用的用戶轉(zhuǎn)化率提升近30%。

隨著AI技術(shù)的進步，零售的競爭焦點正在轉(zhuǎn)移。過去，零售的核心競爭力是供應(yīng)鏈，誰能更快、更便宜地把貨生產(chǎn)出來，誰就能贏。現(xiàn)在，用戶更偏好個性化、千人千面的服務(wù)。AI試衣等功能的上線大大降低了用戶的選擇焦慮和決策成本。

創(chuàng)業(yè)門檻被拉低，創(chuàng)意的定義被改寫，競爭焦點從供應(yīng)鏈轉(zhuǎn)向用戶理解……這三層疊加的變化說明：創(chuàng)意正在從大品牌的特權(quán)變成中小零售商家的能力。

而這一切的背后正是那個隱形操盤手——智能體。智能體某種程度上打破了AI工具的碎片化、一次性難題，它正滲透進零售業(yè)務(wù)全流程，讓創(chuàng)意得以低成本地實現(xiàn)、個性化得以規(guī)模化地落地。

對于中小商家來說，這或許是他們離靠創(chuàng)意取得成功最近的一次。