Central Retail
assistant d'achat genAI et recherche visuelle produit
Central Retail (groupe Central, Thailande) a deploye une recherche visuelle Vertex AI Search et l'assistant Chefbot sous Gemini 1.5 Flash, obtenant une hausse de 10% du taux de conversion, une reduction de 94% du temps de recherche et des fiches produit generees jusqu'a 50% plus vite.
L'essentiel
- Central Retail (groupe Central) a deploye recherche visuelle Vertex AI Search, assistant Chefbot sous Gemini 1.5 Flash et enrichissement de catalogue.
- Recherche visuelle: temps de recherche des categories prix/promo/stock reduit de 94%, conversion en hausse de 10%.
- Fiches produit generees jusqu'a 50% plus vite; Chefbot mappe les recettes a plus de 50 000 SKU Tops.
- Preuve B: etude de cas Google Cloud chiffree, corroboree par le communique Google Cloud; deploiement lance en octobre 2024, statut confirme.
Objectif
Aider les clients a trouver et acheter plus vite en ligne, liberer les personal shoppers pour le cross-sell et l'up-sell, et industrialiser la production des fiches produit sur un catalogue qui grossit de 400 nouveaux produits par jour.
Le déploiement
Central Retail, filiale du groupe thailandais Central, exploite Tops, la plus grande chaine de supermarches de Thailande, et un service de personal shoppers qui font les courses pour les clients en ligne. Le groupe a deploye trois usages Google Cloud. Chefbot, lance le 9 octobre 2024 sur le compte officiel LINE de Tops Thailand, est un assistant genAI sous Gemini 1.5 Flash: il genere des recettes achetables selon les preferences du client, puis mappe leurs ingredients a plus de 50 000 SKU Tops pour construire une liste de courses que le personal shopper execute. Sur le site du grand magasin, une recherche visuelle sous Vertex AI Search analyse une image uploadee par le client et la met en correspondance avec le catalogue en temps reel, les resultats etant partages avec le personal shopper. Enfin, un outil d'enrichissement de catalogue sous Vertex AI genere des fiches produit optimisees SEO en anglais et en thai, la ou les merchandisers ecrivaient a la main pour 400 nouveaux produits par jour.
Résultats Preuve B
Etude de cas client Google Cloud chiffree (vendor, T2) avec conversion +10%, temps de recherche -94% et fiches produit jusqu'a 50% plus vite, corroboree par le communique Google Cloud Press Corner (T2) qui documente la stack Gemini 1.5 Flash et Vertex AI Search. Les metriques mesurent les outils IA eux-memes. Pas de source de resultats financiers, donc B et non A.
Comment ça fonctionne
Architecture documentéeLa stack en détail
- llm Gemini 1.5 Flash Modele qui alimente Chefbot: il mappe les ingredients d'une recette a plus de 50 000 SKU Tops pour generer une liste de courses pour le personal shopper.
- plateforme Vertex AI Search Recherche visuelle: analyse les images uploadees par le client et les met en correspondance avec le catalogue en temps reel; sert aussi de couche de grounding pour Chefbot.
- plateforme Vertex AI (LLM d'enrichissement de catalogue) Genere des fiches produit optimisees SEO en anglais et en thai a partir des descriptions existantes, en extrayant nom, marque et prix.
Comment ça tourne, concrètement
Pour les équipes ops-
1Demande client client
Le client demande une recette a Chefbot sur LINE, ou uploade une image produit sur le site du grand magasin.
-
2Mise en correspondance IA
Chefbot (Gemini 1.5 Flash) mappe les ingredients aux 50 000+ SKU Tops; la recherche visuelle (Vertex AI Search) apparie l'image au catalogue en temps reel.
-
3Execution par le personal shopper humain
La liste de courses ou les resultats de recherche sont transmis au personal shopper, qui selectionne les produits et conseille le client.
-
4Enrichissement du catalogue IA
L'outil sous Vertex AI genere les fiches produit optimisees SEO en anglais et en thai a partir des descriptions existantes, selon les regles de contenu Central Retail.
La correspondance entre la requete client (texte, recette ou image) et le catalogue Tops (inventaire, SKU, stock, promo). Si le catalogue et le stock ne sont pas a jour dans la source de grounding, les listes de courses et la recherche visuelle renvoient de mauvais produits.
Comment vos clients perçoivent ce type d'usage
Études sourcéesLes consommateurs n'acceptent pas les chatbots par defaut : 64% prefereraient que les entreprises n'utilisent pas d'IA dans leur service client (Gartner, 2024) et pres d'un utilisateur sur cinq du service client par IA n'en retire aucun benefice (Qualtrics, 2025). L'acceptation se construit sur trois conditions mesurees par Salesforce : savoir qu'on parle a une IA, pouvoir escalader vers un humain, comprendre la logique de l'agent.
Conditions d'acceptation
- Etre informe qu'on parle a une IA et non a un humain (pres de 75% le demandent, Salesforce 2024)
- Un chemin d'escalade clair vers un agent humain (45% plus enclins a utiliser l'agent IA, Salesforce 2024)
- Une logique de l'agent clairement expliquee (44% plus enclins, Salesforce 2024)
Lignes rouges
- Rendre l'humain injoignable : c'est la premiere inquietude des consommateurs sur l'IA dans le service client (Gartner 2024) et 50% craignent que l'IA les coupe du contact humain (Qualtrics 2025)
- Remplacer le service client par l'IA sans alternative : 53% envisageraient de partir chez un concurrent (Gartner 2024)
Sources : Salesforce 2024 · Gartner 2024 · Qualtrics 2025
Voir l'acceptation complète : par pays, par usage, par génération
Comment répliquer
Inférence - non sourcéPrérequis data
- Catalogue produit structure avec SKU, stock et promotions a jour
- Recettes ou contenu editorial a mapper aux produits pour l'assistant d'achat
- Descriptions produit existantes servant de base a l'enrichissement
Prérequis orga
- Regles de contenu produit claires (langues, ton, SEO)
- Articulation entre l'assistant IA et un service humain (personal shopper) pour l'execution
- Canal client existant a fort trafic (messagerie, site) pour brancher l'assistant
Stack possible
- LLM manage pour l'assistant et l'enrichissement de fiches
- Moteur de recherche semantique et visuelle grounde sur le catalogue
- Connexion temps reel a l'inventaire et au stock
Le plan, étape par étape
- Étape 1Structurer le catalogue (SKU, stock, promo) et l'exposer a une couche de recherche semantique.Livrable : Recherche produit grounded sur le catalogue en temps reel.
- Étape 2Ajouter la recherche visuelle: apparier une image uploadee au catalogue et remonter les resultats au vendeur ou au client.Livrable : Recherche par image en production sur un canal.
- Étape 3Brancher un assistant d'achat qui traduit une intention (recette, besoin) en liste de produits mappes aux SKU.Livrable : Assistant qui genere des listes de courses executables.
- Étape 4Industrialiser l'enrichissement des fiches produit multilingue et SEO a partir des descriptions existantes.Livrable : Pipeline de generation de fiches produit a l'echelle.
Première étape : Choisir un canal client a fort trafic et grounder un assistant de recherche sur le catalogue en temps reel avant d'ajouter la generation de recettes ou de fiches.
Le même pattern, prouvé dans d'autres industries
Amorepacific
agent conseil beaute genAI adosse a un diagnostic de peau
Booking.com
assistant de planification de voyage genAI
Burberry
copilote genAI pour conseiller (recherche, reconnaissance image, complete-the-look)
Sources
- S1 Central Group: Pioneering the future of retail with AI Officiel intéressé archive à générer
- S2 Central Food Retail Group Debuts Generative AI-Powered 'Tops Chef Bot' with Central Retail Digital and Google Cloud Officiel intéressé archive à générer
- S3 First in Thailand! Central Food Retail Group collaborates with Central Retail Digital and Google Cloud to debut 'Tops Chef Bot' Primaire archive à générer
Une erreur, une info plus récente, une source ?
Cette fiche vit de sa justesse. Si un chiffre a bougé, si le déploiement a changé, ou si vous avez une source de meilleure qualité, dites-le nous. Toute correction sourcée est vérifiée avant publication.