Retail Keynote: jak zbudować „AI-native shopping” od danych po sklep stacjonarny

Retail keynote w San Francisco miał jeden wspólny mianownik: handel stał się konwersacyjny i agentyczny – od pierwszego wyszukania produktu w LLM, przez personalny chat na stronie, po obsługę w sklepie i głosową zmianę zamówienia w aplikacji. Prowadzący podkreślali, że to nie pojedyncze wdrożenia AI, lecz spięty łańcuch danych, procesów i agentów. Salesforce proponuje to łańcuchowe podejście pod nazwą Agentforce 360 + Data 360, a przykłady (m.in. Breitling i David Yurman) pokazały konkret: wyższe zaangażowanie w czacie i większą satysfakcję klientów. Najmocniej wybrzmiały trzy tezy: połowa odkryć produktowych już dzieje się w LLM-ach, 21% globalnych transakcji ma udział AI/agentów, a sklepy stacjonarne – wbrew narracji – nadal odpowiadają za 80% transakcji. Równanie sukcesu brzmi: ujednolicone dane → konwersacyjne interakcje → operacyjna spójność online-store-service.

AI-native shopping: nowe punkty styku, inne reguły gry

Alison Weinstein zarysowała zmianę, która dokonała się w 12 miesięcy: „przeszliśmy od rozmów o AI do handlu natywnie-AI”. Ponad połowa odkryć produktowych startuje dziś w modelach językowych, a 21% sprzedaży ma wkład agentów. Michelle Collins dodała, że 60% wyszukiwań kończy się bez przejścia na inną stronę – co oznacza, że to marka musi „posiadać” te momenty, których LLM nie odtworzy: emocję, kontekst lojalności, decyzję finansową, odbiór w sklepie. Przykłady Williams-Sonoma i Pandora pokazały, że tam, gdzie agent ma zaufany dostęp do danych i procesów, zdejmuje tarcie: mniej formularzy, mniej klikania, więcej decyzji „tu i teraz”. Stawką nie jest „chat na www”, tylko konwersacyjny lejek od intencji po retencję: asystent na stronie, dwukierunkowy SMS, personal shopper w aplikacji, a za kulisami – Marketing Cloud, Commerce, Service i Slack działające na jednym profilu klienta.

Fundament: Data 360 zamiast wysp danych

Pierwszy blok dema zaczął się od rzeczy przyziemnej – tabel w BigQuery. Sedno: dane POS, e-commerce, lojalności, zapasów i social muszą zostać zharmonizowane „zero-copy” i uaktywnione w doświadczeniach użytkownika. Wokół persony Lauren Bailey pokazano Driver/Customer 360: historia zakupów, LTV, status lojalności, a także Next Best Action. To właśnie ta warstwa napędzała kolejne kroki: agent konwersacyjny na stronie, segmentację w Einstein Segment Creation, oraz szybkie projektowanie kampanii e-mail/SMS w Marketing Cloud Next. Rzecz ważna operacyjnie: atrybuty segmentów są wyjaśnialne i edytowalne, więc zespół marketingu nie „ufa czarnej skrzynce”, tylko pracuje na wspólnej definicji odbiorcy. To przesuwa ciężar z jednorazowych kampanii na ciągłą personalizację w pętli danych.

Dwu­kierunkowe interakcje: od chatu do SMS i listy życzeń

Konwersacyjny agent NTO (Trail Guide) przeprowadził Lauren przez dobór namiotu – pytając o liczbę osób, łatwość rozstawienia i budżet, a następnie zawarł kontekst produktu w wątku (specyfikacja, gwarancja, warianty). Później ta sama baza danych zasiliła dwukierunkowy SMS: przypomnienie o promocji przerodziło się w dialog o wodoodpornej kurtce, zakończony dodaniem pozycji do wishlisty. Klucz jest jeden: ciągłość kontekstu – to nie trzy różne systemy, tylko jedna rozmowa prowadzona różnymi kanałami. W praktyce każda interakcja – klik, pytanie, decyzja – wraca do profilu 360 i zasila kolejne rekomendacje oraz segmenty.

Sklep żyje: POS, zapas i klienteling w jednym widoku

„Sklepy nie umarły” – przypomniała Celeste Richardson. 60% transakcji jest cyfrowo zainspirowanych, ale 80% nadal zamyka się w sklepie. Dla Gen Z na każde 1$ online przypadają 3$ w sklepie. Problemem są systemy: „do życia sklepu potrzeba ich 16”. Nowy Salesforce Point of Sale scala zamówienia, klienteling i zapasy. W efekcie sprzedawca widzi: profil klienta, status lojalności, wishlistę (w tym pozycje dodane przez agenta), a także zapas w sieci – więc gdy brak rozmiaru na sali, jednym gestem składa zamówienie ekspresowe do domu. To podnosi konwersję (endless aisle), przyspiesza obsługę i daje realny powód, by zespół wyszedł zza kasy do klienta.

Głos zamiast formularza: Agentforce Voice i Slack jako OS operacji

Najciekawszy fragment „ratowania sprzedaży” wydarzył się… w aucie klientki. Agentforce Voice w aplikacji NTO odebrał prośbę o anulowanie zamówienia kurtki (opóźnienie względem planów wyjazdu), po czym – na ustawionych guardrailach – zaproponował alternatywę: odbiór w sklepie po drodze (Klamath Falls, blisko Crater Lake). Transkrypcja i decyzje trafiają do CRM, a Slack powiadamia zespół sklepu: agent w kanale podaje skrót profilu, status lojalności i dodatkowe rekomendacje. Taki układ łączy trzy korzyści: ogranicza rezygnacje, skraca czas reakcji i buduje wrażenie „marka mnie zna”. Operacyjnie to przykład, jak Agentforce + Slack + Data 360 zamieniają jednorazowe zgłoszenie w ciągłość obsługi.

Case: Breitling – cztery transformacje i AI z człowiekiem w pętli

Rajesh Anmuga Sundaram z Breitling opisał cztery równoległe zmiany: re-pozycjonowanie marki (casual luxury), uproszczenie kolekcji, przejście na D2C i silną inwestycję w digital & data. Z praktycznych lekcji: najpierw CRM i Customer 360, dopiero potem skalowanie AI. Dwa najciekawsze wątki: „predictive website” współtworzony z Salesforce (strona, która dynamicznie zmienia się w oparciu o dialog z agentem) oraz „Breitling GPT” dla pracowników – jeden dostęp do danych o produktach, zapasach i klientach, by decyzje były data-driven, a nie wyłącznie „emocją marki”. Dwie przestrogi od Rajesha: (1) jakość i konsolidacja danych przed AI („Ferrari bez silnika”), (2) ludzie i zaufanie – od zarządu po sprzedawcę.

Case: David Yurman – ciepło butiku, precyzja algorytmu

CTO David Yurman, Christian Fortucci, nazwał to „emocjonalnym luksusem”: technologia ma być niewidoczna, ale skuteczna. Przejście z drzewkowych chatbotów na Agentforce chat przyniosło wyższe zaangażowanie, większą defleksję i wyższe CSAT. Kluczowe zasady: pełna konwersacyjność (bez hybryd), dobre dane w tle oraz brand voice agenta. Najbardziej przyszłościowy wątek to GSO – Generative Search Optimization: skoro klienci coraz częściej pytają agentów-przeglądarek, marka musi zadbać, by to jej narracja (obrazy, opisy, linki) była źródłem odpowiedzi. „Możemy dojść do świata, w którym UI strony nie jest potrzebne – transakcja dzieje się w dialogu między agentami.”

Strategia na teraz: od pilota do skali

Zacznij od danych: ujednolicenie identyfikacji, słowników i zdarzeń (POS, e-com, lojalność, zapas).

Wybierz jeden etap tarcia: np. porzucone rozmowy, dwukierunkowy SMS, odbiór w sklepie przy braku rozmiaru.

Ustal guardraile: priorytety akcji (np. „zaproponuj odbiór zanim anulujesz”).

Mierz i ucz: lead/save rate, czas do pierwszej odpowiedzi, AOV przy endless aisle, udział spraw self-service, CSAT.

Rozszerz do głosu i Slacka: gdy tekst działa, dołóż Voice i operacje w Slack (powiadomienia, swarming, skróty profilowe).

Myśl o GSO: przygotuj „pakiet prawdy” dla LLM – obrazy, copy, ceny, warunki – by agenci cytowali markę, nie webowe domysły.

AI nie sprzeda za Ciebie – ale pozwoli sprzedać więcej, szybciej i lepiej

Retail keynote nie był o „sztuczce z chatbotem”. Był o przeprojektowaniu ścieżek wokół rozmowy, danych i decyzji wykonywanych przez agentów – w zgodzie z uprawnieniami i procesami. Sklepy pozostają kluczowe, ale ich siła rośnie, gdy staną się naturalnym przedłużeniem doświadczenia agentycznego. Pytanie dla zespołów na Q4/Q1 brzmi: który pojedynczy moment tarcia (odkrycie, dostępność, płatność, odbiór, serwis) przyniesie największy, mierzalny zwrot, jeśli wpuścimy tam agenta z pełnym kontekstem danych?