AI辅助整理：本文基于下方列出的公开原始来源改写，不代替原文。
核心摘要： 韩国乐天百货在AWS官方技术博客中披露，基于Amazon Bedrock构建生成式AI导购服务，为线上顾客提供个性化商品推荐和咨询。该服务上线后，线上咨询转化率提升35%，同时将顾客等待时间从平均2分钟缩短至10秒以内，展示了零售业用生成式AI改造导购环节的实际效果。
业务背景
乐天百货是韩国最大的百货零售集团之一，拥有庞大的线上和线下销售网络。随着线上购物成为主流，乐天百货的官网和App每天都会收到大量商品咨询，从‘这款护肤品适合油性皮肤吗’到‘这款冰箱的尺寸是多少’，问题琐碎但直接影响购买决策。
传统模式下，这些咨询依赖人工客服响应，高峰期顾客常常需要排队等待。等待时间过长不仅导致顾客流失，也增加了客服团队的压力。乐天百货希望找到一种方式，在不无限扩充客服团队的前提下，提升响应速度和咨询转化率。
问题诊断
乐天百货发现，线上咨询存在明显的‘二八现象’：约八成的问题是重复性的商品属性、库存和推荐类咨询，只有两成需要人工介入的复杂售后或投诉。但客服团队的时间和精力被均匀分配，导致真正复杂的问题也得不到足够关注。
与此同时，顾客在咨询前往往已经浏览了多个商品页面，如果AI能结合浏览记录和商品知识库给出即时推荐，就能在顾客犹豫的瞬间完成转化。这比事后的人工跟进更高效。
AI怎么落地
乐天百货选择在AWS上基于Amazon Bedrock构建生成式AI导购服务。Amazon Bedrock提供了对多种基础模型的托管访问能力，乐天百货无需自建GPU集群，即可调用大语言模型来理解顾客的自然语言提问。
AI导购的核心是‘知识库+推荐引擎’的组合：一方面，将商品名称、规格、价格、库存、用户评价等结构化数据整合为知识库；另一方面，让大模型理解顾客的模糊需求（如‘适合送礼的男士香水’），再通过API调用商品搜索引擎返回具体结果。
在交互层面，AI导购以聊天窗口形式嵌入乐天百货的线上购物页面，顾客可以像和真人导购对话一样提问，AI会给出推荐商品、链接和简要说明。对于无法回答的复杂问题，系统会无缝转接给人工客服。
实施步骤
乐天百货首先梳理了高频咨询问题清单，并据此构建了结构化的商品知识库，确保AI有足够的数据回答常见问题。
随后，团队在Amazon Bedrock上选定了合适的基础模型，并通过提示词工程让模型学会乐天百货的推荐话术风格，例如强调品牌优势、关联搭配建议等。
完成内部测试后，AI导购先在一到两个热门品类（如美妆、家电）上线试运行，对比人工客服的转化率和顾客满意度，验证效果后再逐步扩展到全品类。
结果证据与边界
据AWS官方博客披露，AI导购上线后，乐天百货的线上咨询转化率提升了35%，顾客平均等待时间从约2分钟缩短至10秒以内。这两个数据直接回应了零售业最关心的两个指标：成交和体验。
需要指出的是，该数据来自乐天百货在AWS博客中的自述，具体统计周期、样本量和是否排除大促等特殊时段，来源未披露。此外，AI导购的效果高度依赖商品知识库的完整度和更新频率，如果商品信息滞后，推荐质量会明显下降。
可复制动作
乐天百货的实践表明，零售企业落地生成式AI导购的关键不在模型训练，而在于知识库的整理和与现有系统的集成。企业应优先盘点客服对话记录，找出高频问题，并确保商品数据库的准确性和实时性。
在技术选型上，使用云厂商托管的生成式AI服务（如Amazon Bedrock）可以显著降低起步门槛，让团队聚焦在业务逻辑和提示词优化上。建议采用‘先品类试点、再全量推广’的策略，用真实转化率数据驱动决策，避免一次性大规模投入带来的风险。
证据与边界
- AWS官方技术博客案例，数据由乐天百货提供，未经第三方审计。
- 转化率提升35%和等待时间缩短至10秒以内的具体统计口径与时间区间，来源未披露。
- AI导购的技术细节（如使用的具体模型、知识库构建方式）在博客中部分披露，但未提供完整架构图。
企业今天可以做什么
零售企业可参考乐天百货的做法：优先选择顾客咨询量大、商品标准化程度高的品类（如美妆、家电）试点AI导购；基于云上的生成式AI服务快速搭建，而非从零训练模型；将AI导购与现有商品数据库和订单系统打通，确保推荐结果可执行。上线后需持续用真实对话数据优化提示词和推荐逻辑。