Walmart生成式AI應用實例與業界學界觀點

 生成式AI應用 1 
混用GAI和預測型AI分類商品，靠思維鏈優化提示工程找出高關聯商品組合

同一件商品，在不同情境下有不同用途。在不同顧客尋找同一件商品時，辨別他們心目中的用途，並呈現出用途相關的商品，是Walmart打造個人化電商體驗的重要一環。不只如此，完善了商品分類數據，也有助於搜尋、推薦、顧客意圖理解，以及發展其他各種會用到商品數據的應用。

為了做到這件事，Walmart打造了一套多對多商品分類法，利用自家開發的AI工具Ghotok，來配對商品目錄上能看到的主分類（Category），以及商品用途分類（Product Type），並評估兩種分類之間的關聯性，進而決定推薦或搜尋等頁面呈現出的相關商品。

Ghotok同時應用了預測型AI與生成式AI。首先，會用領域專門的預測型AI模型，來評估商品的主分類和哪些用途分類有高關聯性，並記錄高關聯性的「主分類、用途分類」組合。接著，再利用思維鏈（Chain-of-thought）提示工程，讓生成式AI模型進一步從這些組合中找出最具關聯性的少數商品，呈現給顧客。

Walmart有4億商品SKU、上千種主要商品分類和商品用途分類，產生的商品分類組合有上百萬種，數據規模非常龐大。設計商品分類方法時，必須兼具硬體運算成本管控，以及對語意理解的高精確度。這正是為什麼，Ghotok分類分為2個階段，採取先後使用預測型AI和生成式AI。

 生成式AI應用 2 
打造購物用聊天機器人，靠GAI比價、搜尋，甚至主動追問顧客需求

除了利用生成式AI來強化搜尋系統分類能力，Walmart還將生成式AI應用於消費者語意理解上。消費者不只可以使用關鍵字來搜尋商品，更可以利用自然語言來形容商品或商品使用情境。例如：輸入「我想要為周日足球觀賽派對準備」，Walmart搜尋功能就可以根據這個情境，橫跨不同分類，呈現出相關商品。

不只用生成式AI強化傳統搜尋體驗，他們還開發商品探索用的聊天機器人，有問答、搜尋和商品比較功能，還會摘要商品的描述及其他顧客的評價，供顧客進一步參考。未來，Walmart還計畫強化此機器人語意理解能力，主動根據個人情況追問問題，來提供超級個人化的購物建議，例如詢問消費者看電視情境及家裡客廳採光情況，來推薦電視規格。

應用生成式AI於搜尋，不只能強化跨分類搜尋能力，以呈現出更符合顧客需求的商品，同時也能從顧客對話中，更精確地理解、蒐集顧客需求。甚至，Walmart發現，當他們能呈現出與關鍵字語意上關聯性較低，但符合消費者潛在購買意願的其他商品，可以促成了更多衝動消費，提升了電商獲利能力。

 生成式AI應用 3 
為不同職務建置GAI助手，門市店員幫手甚至能管理庫存和協助報廢

在2023年，Walmart推出了總部員工用的超級App，Me@Campus。用生成式AI介面整合了自主學習、保險與福利資格查詢、薪資查詢、職涯發展、員工訓練、甚至是公司內導航等各種功能。

去年，他們在此App新增了生成式AI助手功能My Assistant，來進一步輔助知識管理及涉及圖文生成的業務。例如，回答員工福利問題或自主學習相關問題，或是用來摘要文件、生成文件草稿等行政作業輔助。

他們也將生成式AI導入門市店員的App中，利用Walmart內部文件及個別門市等級的數據，來提供日常門市營運問答、員工訓練輔助、庫存管理及查詢等知識管理功能。甚至，還能對廢棄物減量及處理提供建議。

廢棄物減量及處理功能是一個利用個別門市數據及Walmart內部最佳實踐數據打造的功能。當商品接近有效期限，甚至只是有缺陷，廢棄物減量系統便會根據情況，自動通知門市員工，並給予員工建議，包括降價商品、移動商品、將商品退給供應商，或是捐出此商品等。系統還會分析哪些商品在個別門市造成最多廢棄物，包括常態性或季節性報廢情況，並給出具體的處理指示，未來甚至還會呈現出其他門市的廢棄物處理方法，來促進門市間交流。

 生成式AI應用 4  
用GAI打造多語系語音客服及個人化語音購物功能

語音對話服務是另一個Walmart導入生成式AI的領域。他們打造了一個對話式AI平臺「Converse」，用來開發語音購物、語音客服、內部員工用語音助手等流程和應用。其中，語音購物功能是與Android和iOS兩大行動作業系統合作開發。這個平臺背後是一個多語言、多模態模型，一方面能支援海外語音對話應用，另一方面，當購物情境發展到更適合其他媒介的情況，系統也可以將整趟購物流程轉移到電商App等其他介面。多語言模型通常相當龐大，Walmart為了確保語音購物等體驗足夠即時，利用知識蒸餾法（Knowledge Distillation）來為模型瘦身，以達到毫秒級反應速度。

現有Walmart語音對話購物功能，可以搭配過往顧客購物紀錄來給出一定程度的個人化服務。例如，只需要講「請把洗髮精加入購物清單」，系統就可以自動把顧客過往愛買品牌的洗髮精加入購物車。後來，Walmart還開發出能在顧客詢問商品缺貨時，由語音購物機器人主動推薦替代品的功能。

未來，Walmart還計畫開發直接能跟語音機器人進行一般性對話，並讓顧客聲控機器人代操整個Walmart 電商及會員App的功能。

 生成式AI未來應用 
未來應用GAI到個人化AR購物及第三方供應商客服

不只將生成式AI應用於傳統零售場景，Walmart還計畫將生成式AI應用於更多非傳統購物場景，例如AR購物場景。目前，Walmart App可以透過鏡頭掃描實際房間或人物，再於螢幕上模擬擺設家具、試穿衣物飾品。這些場景目前主要以傳統AI實現，Walmart打算用生成式AI來進一步強化。

一個做法是，打造生成式AI購物助手，在AR試用的介面中，即時根據消費者預算、偏好主題等需求，來協助消費者決策。

另一個計畫用生成式AI強化的購物場景是B2B2C商務。他們正在測試一個針對第三方電商市集賣家的客服機器人，讓他們可以針對商品上架、金流物流及其他賣家相關業務提問，提升賣家問題獲得解答的即時性，也降低Walmart客服負擔。架、金流物流及其他賣家相關業務提問，一方面提升賣家問題獲得解答的即時性，另一方面也降低Walmart客服負擔。

 業界觀點：全國電子資訊管理處協理黃漢傑 
零售業GAI應用，如何真正落地帶來效益才是關鍵
「我看到Walmart生成式AI做法很驚訝，怎麼好像在看自己，原來零售業想的事情都一樣！」看完Walmart生成式AI應用，全國電子資訊管理處協理黃漢傑說，自家生成式AI應用規畫，許多領域也類似Walmart的方向。

他坦言，全國電子數據規模與開發量能，遠比Walmart來得小，他們選擇尋求市面上較成熟的解決方案，而非從頭開發。不過，全國想發展的生成式AI應用領域，不少和Walmart一樣，例如用於商品分類數據整理、內部知識管理助手、行銷素材生成、外部客服，甚至是結合生成式AI與AR購物場景等。

目前，全國電子已經開始利用生成式AI，生成個人化購物體驗所需素材。他們還利用生成式AI整理了大量跨部門的數據，包括IT技術文件、家電規格與操作文件、行銷活動文件、業務最佳實踐方法文件等，現在正在以這些文件為基礎，打造內部知識管理系統。未來，將打造內部用KM機器人來進一步簡化內部文件存取難易度，更要建置外部客服機器人，提供電器需求規劃、產品諮詢等客戶服務。

看到了先行者的種種生成式AI用法，黃漢傑最在意的是，哪一種可以帶來實際效益，他不諱言：「IT部門想追求最新最厲害的技術，但有時候，做法會與企業的實際利益脫鉤。」黃漢傑更想知道的是，生成式AI該如何達成以下這些業務目的，例如創造業績、提升了特定工作流程效率、吸引更多消費者目光等。這才是他眼中，應用生成式AI的核心價值。

他進一步說明，許多新技術應用難以直接歸因出實際營收，至少要有量化指標可循。例如優化搜尋系統後，顧客尋找商品時間縮短多少？商品數據貼標時間節省了多少？都是可以為生成式AI應用價值背書的指標。「Walmart在資料處理上節省了100倍人力，對我來說，就是一大亮點。」他說。

黃漢傑也提到，對全國電子來說，除了AI人才普遍不足的限制，還有一大挑戰是如何將技術包裝成產品，實際落地。導入生成式AI技術後，如何結合現有技術、系統或介面？如何與行銷等其他非技術的業務策略並用？他希望從Walmart等先行者做法中，學習他們如何面臨這些課題。

 學界觀點：高科大行銷與流通管理系副教授歐宗殷 
Walmart GAI應用兼具深度廣度，能創造四大價值
高雄科技大學行銷與流通管理系副教授歐宗殷觀察，Walmart生成式AI應用已經發展到相當後期的階段，且兼具深度與廣度。

歐宗殷曾借調到統一資訊擔任總經理，之後仍持續擔任顧問，協助統一集團發展數據、AI及生成式AI的應用。他從經驗歸納，零售業應用生成式AI有5個階段，依序是加速開發、分析消費紀錄及產品資訊等數據、建置企業綜合知識庫及知識管理工具、設計和影音等內容創作，最後一個階段是顧客服務、行銷與推薦。每個階段都可以產生4類價值，包括提高生成內容精準度、帶來實質效益、業務模式創新，和體驗優化。 歐宗殷指出，越後期的階段，這4種價值的含量越高。Walmart生成式AI應用，就遍及了多個階段，更展現了技術深度與豐富的領域知識。 他尤其注意到，Walmart用生成式AI處理上億商品數據的分類時，運用思維鏈（Chain-of-thought）提示工程，來有效描述出消費者使用意圖、行為模式、思考路徑。「這件事情非常困難，背後就是他們雄厚的Know-how。」另外，Walmart已經計畫將生成式AI結合AR/VR購物等新興購物體驗，也是高度創新的應用方法。

他並指出，Walmart第五階段生成式AI做法，進一步幫助了他們其他階段的做法。Walmart透過生成式AI強化顧客購物體驗同時，能更好蒐集消費者注重的價值與購物意圖，這些都是極具價值的資訊，可以再投入回第二、第三階段的生成式應用，也就是數據蒐集、分析與管理做法。

回頭看臺灣零售業的GAI成熟度，他認為，臺灣零售業主要停留在第三到第四階段，較少大規模應用生成式AI於第五階段做法，只有一類GAI第五階段應用開始在臺成形。「許多臺灣零售業者想發展RMN，大家都希望能用生成式AI來生成大量素材，準確地提供個人化購物與行銷體驗。」 不過，他認為，要真正善用GAI輔助RMN，首先要做好消費紀錄、產品資訊分析，才能根據這些數據來生成素材，並在實務上投入這些素材於個人化體驗。也就是說，第二到第四階段的紮實應用是先決條件。「臺灣零售業還有一段路要走。」他坦言。

 相關報導