<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Genesys on 玩数据de强尼</title><link>https://awesomedata.pages.dev/tags/genesys/</link><description>Recent content in Genesys on 玩数据de强尼</description><generator>Hugo -- gohugo.io</generator><language>zh</language><lastBuildDate>Mon, 05 Oct 2026 09:39:00 +0800</lastBuildDate><atom:link href="https://awesomedata.pages.dev/tags/genesys/index.xml" rel="self" type="application/rss+xml"/><item><title>每日AI赋能案例 2026-10-05</title><link>https://awesomedata.pages.dev/p/daily-ai-case-2026-10-05/</link><pubDate>Mon, 05 Oct 2026 09:39:00 +0800</pubDate><guid>https://awesomedata.pages.dev/p/daily-ai-case-2026-10-05/</guid><description>&lt;img src="https://awesomedata.pages.dev/p/daily-ai-case-2026-10-05/cover.jpg" alt="Featured image of post 每日AI赋能案例 2026-10-05" /&gt;&lt;h2 id="案例一constructor-对话式-ai-导购智能体一年客户部署量增长-900discovery-mcp-把商品目录接进-chatgpt"&gt;案例一：Constructor 对话式 AI 导购智能体——一年客户部署量增长 900%，Discovery MCP 把商品目录接进 ChatGPT
&lt;/h2&gt;&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;时间与来源&lt;/strong&gt;：2026-10-02 官方发布，Agile Brand Guide 报道（10-03）&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;背景痛点&lt;/strong&gt;：传统电商搜索与商品发现依赖关键词匹配，语义理解弱、转化漏斗长；同时 ChatGPT 等外部 AI 入口正在分流购物流量，零售商的个性化商品发现能力被困在自己站点内，无法触达站外的 AI 购物场景。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;策略&lt;/strong&gt;：电商商品发现平台 Constructor 围绕&amp;quot;三类智能体&amp;quot;布局：面向购物者的对话式导购 Agent（自然语言找货、问答式推荐）、面向商家的运营 Agent（商品数据与 merchandising 决策）、以及面向其他 Agent 的机器互操作层——其中 Discovery MCP 基于 Model Context Protocol，把零售商的个性化商品发现能力直接放进 ChatGPT 等外部引擎，让站外 AI 购物会话也能调用零售商的排序与个性化逻辑。该方案获 MACH Impact Award &amp;ldquo;Agentic Achievement&amp;rdquo; 类奖项。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;量化成果&lt;/strong&gt;：官方披露其对话式 AI 智能体的客户部署数量过去一年增长 900%（一年前的 10 倍）；Discovery MCP 已进入生产环境，成为零售商把&amp;quot;个性化发现&amp;quot;外挂到第三方 AI 入口的标准管道。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;创新价值&lt;/strong&gt;：把商品发现从&amp;quot;站内搜索框&amp;quot;重新定义为&amp;quot;任何 AI 都能调用的能力服务&amp;quot;——当购物入口迁移到 ChatGPT 类助理时，零售商不再是被动等流量，而是把自己的推荐算法输出成 AI 可调用的接口。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;原文链接&lt;/strong&gt;：https://agilebrandguide.com/yesterdays-martech-ai-cx-news-october-3-2026&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;分析师短评&lt;/strong&gt;：900% 是厂商口径（未披露基数），但方向判断可信：AI 购物的&amp;quot;入口-目录&amp;quot;关系正在反转，零售商要从&amp;quot;建站引流&amp;quot;转向&amp;quot;把目录变成 Agent 可消费的服务&amp;quot;。国内平台（千问×淘宝、豆包×抖音）已用自家闭环走通类似路径，独立站与跨境卖家最该研究 Constructor 这类&amp;quot;开放外挂&amp;quot;路线。&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id="案例二巴西时尚零售-riachuelo--genesysagentic-虚拟客服让自助解决率从-30-升至-84"&gt;案例二：巴西时尚零售 Riachuelo × Genesys——Agentic 虚拟客服让自助解决率从 30% 升至 84%
&lt;/h2&gt;&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;时间与来源&lt;/strong&gt;：2026-09-30 官方发布，Genesys 新闻室&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;背景痛点&lt;/strong&gt;：时尚零售的电商售后咨询量大且琐碎（物流延迟、换码、退换货），传统规则式聊天机器人仅能解决约 30% 的问题，转人工率高、响应慢，WhatsApp 上的消费者体验与品牌口碑持续承压。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;策略&lt;/strong&gt;：Riachuelo（巴西头部时尚零售商）在 Genesys Cloud 上部署 Agentic Virtual Agent 承接 WhatsApp Business 渠道：智能体自主处理配送延迟等复杂交互，可独立完成工单创建、串联后端系统与工作流推进到解决阶段，全程保留上下文；顾客需要时无琏转接人工。此前该公司已用 Genesys Cloud Copilot 改造员工侧体验，此次把 Agentic AI 从&amp;quot;辅助员工&amp;quot;推进到&amp;quot;直接服务顾客&amp;quot;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;量化成果&lt;/strong&gt;：使用 Agentic 自助服务的客户中 84% 无需人工介入即可解决问题（传统聊天机器人仅 30%）；客户满意度（CSAT）提升 60%；电商支持流程精简带来技术成本下降 26%。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;创新价值&lt;/strong&gt;：验证了&amp;quot;客服 Agent 的价值=解决率&amp;quot;这一硬口径——从 30% 到 84% 的跃升不是靠话术模板，而是把 Agent 接进后端工单与履约系统，让&amp;quot;会说话的机器人&amp;quot;变成&amp;quot;能办事的员工&amp;quot;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;原文链接&lt;/strong&gt;：https://www.genesys.com/company/newsroom/announcements/riachuelo-advances-autonomous-customer-experience-with-genesys-cloud-agentic-virtual-agent&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;分析师短评&lt;/strong&gt;：对国内电商 AI 客服项目的对标意义在于指标选型：别只报&amp;quot;满意度 92%&amp;ldquo;这类软指标，84% 自助解决率 + 26% 技术成本下降的组合才是 CFO 认账的口径。WhatsApp 承接 84% 自助解决也提示：社交渠道（对应国内微信生态）是 Agent 化客服的主战场，而非 APP 内。&lt;/li&gt;
&lt;/ul&gt;</description></item></channel></rss>