圣诞节前的几周总是西方家庭购物的高峰时期，英国消费者在这段时间内平均每人会花掉280英镑用于购买礼物，其中网购比例过半。虽然亲戚朋友的推荐是大家购物的主要参考方式，但是仍有近三分之一的人会根据网络评论决定是否购买某样商品。

截止今年年底，网购市场大约会整体提升24%。然而由于消费者始终寻求更高层次的购物体验，网络零售商在寻找能够保持消费者满意度的购物方式上就面临很大压力了。主流的英美零售商们今天求助于AI技术。AI可以帮助零售商们分析消费者的购物习惯、预测消费者需求并为其提供定制化服务。简而言之，AI完全可以为消费者提供更具个性化的在线体验。

个性化

目前已经有许多零售商使用AI与客户沟通的方法了，这类AI主要以学习客户偏好、行为并且提供大量定制化建议为主（也称为大规模定制）。

在线时尚零售商Stitch Fix每月会准备五套服装交由客户选择。所提供的这些服装会考虑到之前的客户调查结果、配色、天气和个人风格。AI算法可以根据这些数据帮助个人造型师设计出顾客最可能喜欢的类型。

网购选择纷繁复杂，因而零售商们也在试图简化购买过程。经常光顾同一家实体商店的顾客，自然会对店中情况很是了解，你可以在买玩具的途中瞄一眼针织衫，或者在浏览星战手办时，顺手挑选旁边的一条擦拭杯盘用的毛巾。

这种情况在互联网上是不会发生的，所以使用AI进行在线零售的关键目标之一是帮助消费者找到他们正在寻找的东西，并尽可能为他们排除潜在选项。一项新的研究表明，消费者一旦决定了购买类别，其他潜在选择越少越好。

如果是一个视觉购物者，那么你可能会喜欢从Snap Fashion寻得灵感。视觉搜索引擎可以基于网页或智能手机上的照片，向消费者呈现超过16,000个品牌的商品。预计Snap Fashion InStore会在 2017年8月起开设实体店。

聊天机器人

零售业AI的下一阶段将超越个性化建议，采取与客户直接进行对话的方式。

“对话商务”一词是由负责Uber生态合作伙伴拓展的Chris Messina在2015年率先提出来的。它起源于消息类APP、自然语言界面和品牌的融合，可以让消费者在聊天机器人的帮助下与品牌及服务直接用自然对话的方式交互。

在P2P保险网站Lemonade，用户可以使用聊天机器人Maya设计自己专属的个性化保险政策，整个过程在Lemonade会话中几分钟即可完成。客户还可以通过Maya使用内置App视频录制功能提交声明，描述相关事件。

对话商务可能使我们积极参与到AI工作中来——比如说在我们意识到之前就为我们提供了所需要的东西——与AI直接对话，并成为这一过程中的积极合作伙伴。

同样适用聊天机器人推动销售的还有户外品牌The North Face，用户通过IBM Watson支持下的自然语言问答系统更可以进行直接的交互，找到最适合的商品。用户需要回答服装穿着的季节、地区、以及服装的功能/用途（例如衣服需要有一个能放进手机的口袋），还有就是用户对款式的偏好。以这些信息为基础，加上对天气和物流的考虑，所有的选择会自然地按照先后推荐排列。

这种AI驱动下的个性化购物能够挑战甚至替换目前店铺内销售助理的工作。它智能、快速并且可以利用多个数据点快速有效地为客户提供个性化指导。AI助手会认真地对待客户的每一项提问，也不会闹情绪问题。

大规模定制

零售业AI的引入在为大规模定制提供了机会之外还能帮助客户更快地缩小选择范围。这对于那些原本要通过圣诞购物清单确定购买的人来说明显大有好处。对于公司而言，提供一致的服务能够提高用户粘性——这对零售之间的激烈竞争至关重要。

当然，也有一个问题：引入AI之后的购物，是一个经过机器学习与预测分析推动消费者完成定向购买的过程，它减少了客户发现和探索的机会，而这却是消费者购物过程中很喜欢的一个部分——特别是在节日期间。

消费者与品牌的互动也会在对话商务之后变得高度个性化。这些AI系统对那些希望解决简单和具体任务的人（例如购买保险或获得技术咨询）大有帮助。但是对于更为复杂的感性和主观方面的购买决定——例如为我们的亲人购买礼物，我们可能仍然会寻求朋友，家人或甚至销售助理们的帮助。