AI 语音代理从客户服务走向零售销售

Google News 揭示了零售领域一场愈发尖锐的冲突：AI 语音代理正超越客户服务，进入商品发现、说服消费者和结账环节。

这一变化并不意味着自主代理已经取代门店销售人员。它意味着零售商和科技平台正在测试将语音作为一种新的销售界面。这些系统能够识别客户意图、查询库存、推荐商品、组建购物车并发起交易。

这一区别至关重要。传统语音助手只能等待明确且有限的指令，而新系统能够理解目标，并在多个业务工具之间执行操作。如今的竞争，发生在代理驱动的便利性与商家掌控客户关系之间。

Google 处于这场竞争的核心位置。其 AI 可以致电本地商家询问价格和库存情况，汇总回答后反馈给消费者。Google 还将对话式商品发现与库存数据及部分结账功能连接起来。

Amazon、Walmart、Salesforce、OpenAI 以及专业语音平台都在追逐相互重叠的机会。它们都希望成为那个在零售商接触消费者之前，就先理解消费者需求的界面。

因此，销售场景正变得更少依赖实体空间，也更不易被察觉。它可以存在于一次电话通话、一个搜索结果、车载系统、移动应用或 AI 对话中。

但决定性问题并不在于代理能否自然地说话，而在于零售商和消费者是否会信任该代理，能否准确代表商品、偏好、价格和购买授权。

Google News 捕捉到语音 AI 从回答问题转向促成销售

关键变化在于，语音代理如今能够推动一笔交易，而不只是回答问题。

多年来，零售语音自动化通常只是交互式电话菜单。来电者说明事由、选择部门，然后等待人工接听。更先进的系统则可以查询订单状态，或处理范围有限的退货请求。

现代 AI 语音代理使用语言模型来理解开放式请求，随后调用能够访问库存、客户记录、商品目录、日历或支付流程的软件工具。

这种工具访问能力改变了对话的商业角色。代理不再只是帮助降低客服成本，也能够影响消费者购买什么，以及交易能否完成。

家居装修是一个很有代表性的案例，因为消费者往往描述的是项目需求，而不是产品编号。消费者可能会询问修理漏水水龙头或安装置物架需要哪些材料。

一个有效的代理必须将这一目标转化为相互兼容的商品。它还需要获得特定地点的库存信息、可靠的规格数据，以及清晰的人工协助路径。

PYMNTS 此前报道称，Home Depot 曾测试可识别用户意图并引导来电者寻找商品或提交服务请求的语音代理。根据其零售销售分析，该零售商表示，早期试点的解决速度快于传统电话菜单。

这些结果来自零售商自身对部署情况的说法，并不能证明该系统在所有地点、所有客户群体或复杂项目中都具有同样表现。

不过，这一运营模式意义重大。一通电话可以成为活跃的购物会话，而不再只是销售完成后才发生的支持互动。

同样的模式也出现在餐饮点单中。语音和文本代理能够理解多人订单、应用可用促销活动，并将请求发送到现有履约系统。

代理无需取代餐厅的点单平台。它成为连接该平台的一层对话式界面。

Google 将这一模式扩展到单个商家之外。其代理式致电功能可以联系附近商家，代消费者询问商品、价格、促销或库存情况。

该公司更新后的代理式致电指南称，美国用户可通过 Search 或 AI Mode 发起致电请求，Google 随后会通过短信或电子邮件返回摘要。

这改变了零售商与潜在客户之间的首次接触。电话另一端的声音，可能属于消费者、商家，也可能两者都不是。

一名员工可能正在回答某个 AI 代理的问题，而另一套系统随后会对这些回答进行排序。消费者会收到压缩后的比较结果，却听不到原始对话。

Google News 所反映的不只是又一次语音技术发布，而是机器对人、并最终可能是机器对机器的零售对话正在出现。

零售商的首要任务不再只是接听电话。它必须向控制答案如何触达消费者的中间方，提供准确、结构化且具有说服力的信息。

Google News 显示零售界面为何突然成为争夺焦点

掌控对话的一方，能够在商家获得一次网站访问之前影响发现、比较和转化。

传统上，零售商衡量的是一个清晰可辨的漏斗：广告带来关注，搜索或社交媒体带来流量，商家网站则负责比较和结账。

代理式商业压缩了这些阶段。消费者只需描述一次需求，随后便可让代理研究选项、致电商家、追踪条件并准备购买。

语音降低了这一模式中的摩擦。尤其当请求包含多项偏好时，说出详细需求通常比在手机上输入更容易。

以一位正在寻找适合旅行、视频编辑和偶尔游戏使用的笔记本电脑的消费者为例。其需求可能包括重量、电池续航、屏幕尺寸、软件兼容性和送达时间。

关键词查询只能表达其中一部分意图。语音对话让消费者能够在代理展示取舍时进一步细化需求。

代理还能在多轮对话之间保留上下文。这使其能够处理后续请求，例如剔除无货商品，或优先考虑保修保障。

Google 将这一对话层与其 Shopping Graph、商家列表、本地商家数据和支付基础设施结合起来。其AI 购物发布将商品研究与门店致电及部分结账流程连接在一起。

该公司称，其致电功能最初覆盖美国的玩具、健康与美容产品以及电子产品等类别。这些类别既常涉及库存咨询，也经常需要消费者进行比较。

Google 还推出了一项流程，可在达到价格条件后购买符合条件的已追踪商品。该公司表示，用户仍需确认购买和配送信息。

这一确认至关重要。查询库存的代理所承担的风险，低于获授权花钱、选择替代品或同意商业条款的代理。

经济压力并不只影响大型连锁企业。较小的零售商往往缺乏完整的实时库存数据源，但仍然可以接听电话。

代理式致电将这条电话线路转化为一种非正式的商业界面。它让本地商店有机会接触 AI 中介带来的需求，而无需进行复杂的商品目录集成。

同一功能也可能暴露运营短板。错过来电、拒绝披露价格或提供不一致信息的商店，可能会从代理的摘要中消失。

Google News 的报道还使传统搜索营销面临压力。多年来，商家一直在针对人工点击优化页面和广告。

AI 代理未必会点击排名最高的结果。它可以比较库存数据、致电多个地点，并生成一条综合回复。

因此，零售商必须针对准确检索和可靠执行进行优化。商品事实、库存状况、退货规则和服务边界都需要经得起机器解读。

战略问题随之变成：谁拥有客户上下文。零售商了解自身商品目录和交易历史，而通用 AI 平台则能够观察消费者跨越多个类别的需求。

一位客户可能请同一个助手规划旅行、购买装备、预订服务并监控支出。没有任何一家商家能看到这种更广泛的意图。

这让平台在商品发现阶段具有优势。商家则在产品专业知识、履约、支持和责任承担方面保有优势。

任何一方都无法完全取代另一方。压力来自平台能够决定哪些商家会进入对话。

真正的竞争是代理便利性与商家控制权之争

语音代理通过吸收决策来简化购物，但每一个被吸收的决策都会削弱零售商的直接影响力。

零售商通常希望展示自己的品牌故事、商品层级、促销活动和替代选项。它也希望获得关于消费者在购买前考虑过什么的第一方信息。

独立代理可能会打断这种关系。它可能在消费者打开商家页面之前，就将该零售商的商品与竞争对手进行比较。

它还可以按照自己的排序逻辑总结选项。这种摘要可能突出价格和库存，却忽视服务质量或商品差异。

这构成了本文的核心张力。消费者在代理管理复杂性时获得便利，但商家会失去对自身价值如何传递给这些消费者的控制权。

这场冲突并不只是 Google 与零售商之间的对立。许多零售商正直接与大型 AI 平台合作，因为它们希望获得新的需求入口。

Google 宣布扩大与主要零售及商业公司的购物合作关系。Walmart、Shopify、Wayfair 及其他商家已探索如何让商品数据和交易能力进入对话式界面。

Associated Press 报道称，Google 和 Walmart 将代理主导的商业描述为零售发展的下一阶段。其代理商业报道还提到，部分购买可能无需离开 Gemini 对话即可完成。

Amazon 从另一个方向处理这一问题。它已经掌控了大型市场、商品目录、履约网络和支付关系。

其购物助手能够在 Amazon 自己拥有的环境中引导客户。Google 拥有更广泛的搜索覆盖范围，但必须与外部商家和支付服务商协调。

OpenAI 提供了另一条路径。ChatGPT 可以成为商品研究的起点，而商业合作伙伴则提供商品目录和交易能力。

Salesforce 专注于由商家运营、并连接客户记录、服务流程和销售工具的代理。这一模式让零售商能够对指令和数据保有更多控制权。

专业语音公司则为这些方法提供组件。ElevenLabs 开发语音生成和对话工具，而 LiveKit 提供实时音频交互的基础设施。

因此，竞争格局包含三个层面：模型提供商负责理解语言，语音平台负责管理实时语音，商业系统负责执行操作。

零售商必须决定每一层要掌握多少控制权。全部内部自建能带来控制力，但也需要专业的工程、监控和集成工作。

使用托管式智能体能加快部署，但也会增加对另一家公司模型、政策、可用性和数据实践的依赖。

最佳答案会因零售任务而异。门店营业时间查询可以容忍更高程度的自动化，而高价值商品推荐则不然。

简单的补货订单可能几乎不需要讨论。涉及安全性、兼容性、安装或融资的复杂购买，则需要更清晰的升级处理路径。

零售商还应区分协助与劝购。中立检索库存的智能体，与因提高客单量而获得激励的智能体，承担的是不同角色。

客户有权知道自己听到的是哪一种角色。当推荐反映付费置位、商家激励或平台关系时，披露尤为重要。

商家还需要留存智能体作出过哪些承诺的记录。自然对话听起来或许很随意，但由此产生的承诺可能涉及价格、配送、库存或退货资格。

人工员工在销售电话中本就会犯错。AI 带来了规模化、一致性和监控能力，但它也可能将同一个错误复制到数千次对话中。

最终胜出的零售方案，不会是听起来最像人类的智能体，而是能够在不掩盖权限、激励机制或责任归属的前提下保留便利性的系统。

自然语音无法修复糟糕的零售数据

语音质量能够吸引注意力，但可靠的商品数据和工作流控制，才决定智能体能否完成有用的工作。

现代语音模型比早期自动菜单更能有效识别打断、不同口音和对话中的修正。一些系统还能以极低延迟生成富有表现力的回应。

这些能力改善了互动体验，但并不能保证商品推荐正确，也不能保证交易符合门店政策。

零售智能体依赖多个系统提供的信息，包括商品目录、库存数据库、客户档案、订单管理工具、支付服务和支持记录。

这些信息往往彼此冲突。网站可能显示有库存，但门店却找不到商品；商品目录也可能遗漏资深员工已知的兼容性限制。

智能体在检索过时信息时仍可能自信地表达。自然语音会让底层错误显得更有说服力。

零售商应将事实依据约束视为运营要求。所谓事实依据约束，是指将回答限制在经批准、可检索的信息之内，而非依赖通用模型知识。

系统还需要工具权限控制。销售智能体可以读取库存并创建购物车，但不应在未经单独授权的情况下退款或修改地址。

每项操作都需要清晰记录。零售商应记录请求、信息来源、工具调用、结果以及任何人工批准。

在开放式对话中，这一要求会更难实现。客户会转换话题、改变约束条件、提及敏感信息，并要求例外处理。

有用的智能体必须识别任务何时越过了获批边界。随后，它应说明限制，并在不丢失上下文的情况下将客户转交出去。

延迟仍是另一项实际限制。电话交谈中，如果每次请求后都陷入沉默，体验就会显得支离破碎。

开发者可以通过更快的模型、流式语音识别和直接音频处理来减少延迟，但他们仍必须检索数据并等待业务系统响应。

集成负担往往比语音模型更重要。如果门店库存更新缓慢，零售商就无法提供准确的实时库存信息。

当多个履约系统给出不同结果时，它也无法承诺配送时效。没有可靠的身份和同意控制，也无法负责任地实现个性化。

这正是内部知识管理变得重要的地方。在将商品事实、政策和例外情况交给智能体之前，团队需要维护好相应的信息来源。

可搜索的 AI knowledge base 可以帮助人们整理经批准的信息。但零售生产系统仍需要专门的访问控制、审计和交易集成。

知识质量也会影响员工采纳度。若智能体反复编造库存信息，或把客户转往错误部门，门店员工就会失去信任。

客户也会得出同样的结论。再悦耳的声音也无法弥补一次白跑。

最可信的部署始于范围狭窄、结果可衡量的任务，例如查询门店营业时间、查找库存、预约服务，或恢复被放弃的服务请求。

零售商随后可以在审查错误后扩大权限。这样的顺序能够为智能体可可靠处理哪些决策提供证据。

它也将自动化价值与新奇感区分开来。成功的试点应提升完成率、准确性或客户省力度，而不在其他环节制造隐性工作。

仅看通话时长还不够。一次更短却给出错误答案的通话，只是把成本转移到了后续互动中。

零售商应衡量重复联系、转接、更正、取消、投诉和完成购买等指标，并将这些结果与同等条件下由人工协助的流程进行比较。

只有当这些运营指标经得起检验时，语音智能体才能成为销售基础设施。在此之前，它仍只是连接到不确定数据的界面实验。

当推荐变成权限，信任便会破裂

消费者或许会在信任智能体作出不可逆的零售决策之前很久，就接受 AI 协助。

商品发现是一个相对宽容的使用场景。购物者可以查看多项推荐，并拒绝任何看起来不合适的选项。

库存查询的后果更大，因为它可能促成一次到店行程。结账则进一步提高了风险，因为它涉及资金、身份、配送详情和合同条款。

这形成了一条信任梯度。零售商不应将消费者接受 AI 推荐视为同意自主购买。

Google 的结账方式在符合条件的购买前加入确认步骤。这一设计让消费者在最关键的时刻仍处于决策环节之中。

其他零售工作流也需要类似检查点。替代品、定期订单、保修、融资和高价值购买，都值得获得明确批准。

语音带来了文本界面可通过视觉方式处理的披露问题。来电者需要知道说话者是否为人工智能，以及由哪家公司运营。

来电者还应知道录音何时开始，以及信息将如何被使用。这些细节必须无需冗长的法律声明也能让人理解。

安全风险不止存在于零售商自己的智能体。合成语音可以模仿客户、员工、高管或知名公众人物。

美国联邦贸易委员会已研究身份验证、实时检测和使用后分析等应对语音克隆的方式。其 voice cloning guidance 警告称，没有任何单一方法能够消除这一风险。

零售系统不应将熟悉的声音视为身份凭证。敏感操作需要通过可信渠道和既有账户控制进行身份验证。

智能体之间的通话带来了另一项挑战。商家可能收到消费者 AI 发出的请求，却并未直接与该消费者互动。

商家必须确定该智能体具有什么权限，也需要可靠地将合法助手与自动化欺诈或滥用流量区分开来。

速率限制和验证能够减少不受欢迎的来电。然而，过于严格的控制可能会阻碍那些选择智能体作为无障碍工具的真实客户。

语音界面可以改善难以打字或浏览复杂网站人群的访问体验，也可能为有言语差异或网络连接嘈杂的用户制造障碍。

测试不能只包含理想的录音棚对话。零售商需要在不同口音、语言、残障情况、音频质量不佳、打断和含糊请求下进行评估。

员工的担忧同样值得关注。语音智能体可以减少重复来电，但也可能改变人员配置、绩效衡量和升级处理的工作量。

自动化有时会让人们只处理最棘手的案例。即使总通话量下降，这些互动仍会耗时更长，也需要更多判断。

因此，零售商应在衡量自动化解决率的同时衡量员工负担。较高的自动完成率，可能掩盖剩余人工队列中不断加剧的压力。

此外还存在商业透明度问题。助手可能声称服务于购物者，但其所在平台却由广告或商家付款资助。

当排序逻辑不清晰时，推荐的可信度会下降。消费者需要能够明确区分相关性、可用性、赞助内容和平台偏好。

监管机构可能会通过现有消费者保护、隐私、电话营销和反歧视规则审查这些边界。AI 并不会免除对误导性主张的责任。

Google News 的关注能够加快公众认知，但新闻标题无法决定客户是否接受这些系统。采用情况将取决于新鲜感消退后人们的日常体验。

可信赖的智能体应表明自身身份、说明限制、请求确认，并提供转接人工的途径。当决策受到争议时，它还应保留证据。

这些做法可以降低部分风险，但无法消除不确定性。零售商仍需决定哪些错误可以容忍，以及由谁承担其成本。

Google News 时刻之后，零售商应关注什么

下一阶段将由完成的交易、披露的错误和商家参与度决定，而非语音演示。

第一个信号是从信息收集扩展到已确认的商业交易。更多零售商将测试能够创建购物车、预留库存、安排服务或完成部分指定购买的智能体。

重要的衡量指标不是已宣布试点的数量，而是无需本可避免的转接、更正或取消便能正确完成的对话占比。

如果完成率提高而投诉保持稳定，语音作为销售渠道的理由便会增强。如果更正率上升，这项技术仍更适合用于商品发现。

第二个信号是商家对智能体中介流量的控制权。企业需要针对参与、营业时间、可执行任务、身份验证和升级处理进行设置。

Google 已允许企业通过其资料控制 AI 通话的某些方面。随着通话影响收入，零售商将要求获得更多可见性。

他们会希望了解智能体联系自己的频率、提出哪些问题，以及回答如何出现在消费者摘要中。

他们还需要纠正被错误呈现信息的流程。如果商家无法查看由此产生的客户体验，就无法有效管理智能体渠道。

更好的报告能力将强化平台与商家能够共享该界面的论点。有限的可见性则会加深人们对平台控制权的担忧。

第三个信号是信任标准的发展。关注更清晰的披露规则、交易授权方式和智能体身份系统。

可靠的智能体生态系统需要回答一些基本问题：谁请求了该操作，授权了什么，哪个系统作出了响应，以及哪些信息支持了这一结果？

这些问题类似于支付授权和审计要求。随着零售代理获得消费或谈判权限，它们也需要具备相当的纪律性。

低延迟语音技术将持续进步，但仅靠这一改进无法解决问责问题。真正困难的工作在于权限、数据质量和商业政策。

零售商应从界定明确的使用场景开始准备。他们可以为每个场景记录获批信息、允许执行的操作、升级规则和成功衡量标准。

他们还应倾听失败的对话。错误类别能够揭示问题究竟来自语音识别、推理、数据缺失、集成还是政策。

这种区分很重要，因为每一种失败都需要不同的补救措施。更换语音模型无法修复过时的库存数据流。

零售团队不应将单一的总体遏制指标视为成功证明。他们需要按不同任务、门店、客户群体和订单金额细分结果。

一个系统或许能很好地回答门店营业时间，却难以处理技术兼容性问题。将这些结果合并，会掩盖风险更高的体验。

营销团队也必须重新思考信息发现方式。产品信息应足够清晰，让人和代理都能无需猜测地检索。

这并不意味着要为机器撰写每一个页面，而是要保持规格、可用性信号、政策和结构化目录数据的一致性。

门店员工需要获得处理来电代理的指引。他们应了解披露提示、获准提供的信息、欺诈升级流程，以及如何记录异常互动。

他们不应假设每个自动来电者都代表合格客户，也不应将代理流量视为毫无意义。

消费者将决定最终边界。有些人会迅速委托代理完成日常采购，但对于陌生、昂贵或带有情感因素的决策，仍会保留直接控制权。

这种分化意味着一个混合型销售场景。代理将处理重复性的研究和协调工作，而人则负责判断、安抚和例外情况。

Google News 已凸显这一转变中最显眼的一面。更深层的竞争在于：谁来解读意图，谁来代表商家，以及谁能赢得购物者的信任。

在赋予代理更多权限之前，零售商应先问一个实际问题：组织能否解释并纠正系统作出的每一项决策？

如果答案是肯定的，语音可以成为有用的商业渠道。如果答案是否定的，人类检查点仍应是产品的一部分。

未来几个月应会揭示，代理式呼叫究竟能带来持久的客户价值，还是只会获得短暂关注。请关注完整旅程、商家控制措施和经验证的错误率。

这些信号将表明，AI 语音代理是否真正走上了零售销售一线，还是仍在入口处等待。