هوش مصنوعی چگونه به دستیار خرید شخصی تبدیل شده است؟
ضلع سوم بازار خردهفروشی
بر اساس آنچه تکلایف نوشته است، در ماههای اخیر پلتفرمهای بزرگ مجموعهای از قابلیتهای تازه عرضه کردهاند تا یافتن کالا میان میلیونها گزینه را آسانتر کنند. این ابزارهای هوشمند میتوانند تفاوت میان محصولات را خلاصه کنند، توصیفهای مبهم کاربران را تفسیر کرده و پیشنهادها را بر اساس چند فرمان ساده به فهرستی محدود کاهش دهند.
خردهفروشان نیز با هدف کاهش «فرسودگی جستوجو» بهویژه در گروههایی با تنوع قیمتی بالا و جزئیات فنی پیچیده در حال ادغام این تعاملات مکالمهمحور با ویترین دیجیتال خود هستند. دادههای اولیه نشان میدهد کاربران بیش از هر چیز برای کالاهای الکترونیکی، پوشاک و لوازم خانگی سراغ این ابزارها میروند و استفاده از آنها همزمان با شدتگرفتن رویدادهای بزرگ فروش در حال افزایش است.
در همین زمان خریداران با انتظارات گوناگونی به این سیستمها نزدیک میشوند. برخی از آنها از هوش مصنوعی برای ساخت فهرست خرید، مقایسه ویژگیها یا پیدا کردن ایده برای افراد سختپسند استفاده میکنند. گروهی دیگر محتاطتر هستند و یادآور میشوند که نتیجه توصیهها به شدت به نحوه طرح پرسش بستگی دارد و همیشه هم با موجودی واقعی کالا همخوانی ندارد. با وجود این خردهفروشان رشد علاقه به ترکیب پرسوجوهای مکالمهای با موجودی لحظهای و سیستمهای قیمتگذاری پویا را نشانهای مهم میدانند؛ بهویژه اکنون که فروشگاهها چه آنلاین و چه حضوری خود را برای روزهای اوج خرید آماده میکنند.
ادغام هوش مصنوعی در جستوجو و کشف کالا
فشار برای استفاده از ابزارهای خرید مبتنی بر هوش مصنوعی در حالی شدت گرفته که پلتفرمهای خردهفروشی بهدنبال راههایی هستند تا به مشتریان در غربالگری موجودیهای گسترده کمک کنند. شرکتها در ماههای اخیر رابطهای مکالمهمحوری را آزمایش کردهاند که میتواند نیت کاربر را تفسیر کند و مجموعهای محدودتر و دقیقتر از پیشنهادها ارائه دهد؛ مجموعهای که جستوجوی سنتیِ مبتنی بر کلیدواژه معمولا قادر به تولید آن نیست. این ابزارها به مشتریان اجازه میدهد پرسشهای باز درباره بودجه، سلیقه یا یک دستهبندی کلی مطرح کنند و بدون سرزدن به دهها صفحه فیلتر به پیشنهادهای ساختارمند برسند.
خردهفروشان همچنین این سیستمها را به موتورهای مقایسهگر جدیدی متصل کردهاند که توانایی تحلیل ویژگیهای محصولات و نمایش تفاوتها را در قالبی روشنتر دارند. برخی پلتفرمها مدلهای زبانی بزرگ را با دادههای تاریخیِ نظرات کاربران، مشخصات فنی و اطلاعات موجودی ترکیب کردهاند تا متنی فراهم کنند که معمولا مستلزم چندین مرحله جستوجوست. طی چند ماه گذشته فروشگاهها این ابزارها را برای پاسخگویی به تقاضای فصل تعطیلات گسترش دادهاند؛ با این انتظار که فناوری بتواند ترافیک خرید را در دورههای شلوغ به شکل متعادلتری توزیع کند.
رویدادهای تبلیغاتی مانند شروع زودهنگام فروشهای بلکفرایدی نخستین دادههای واقعی را درباره عملکرد پیشنهادهای هوش مصنوعی در مقیاس وسیع در اختیار خردهفروشان گذاشته بود و حالا برای خرید تعطیلات سال نو نیز میتوان از آن استفاده کرد. نشانههای اولیه حاکی از آن است که مشتریان بیش از همه هنگام جستوجوی کالاهای الکترونیکی، اسباببازی، لوازم آشپزخانه و اکسسوریهای شخصی سراغ این ابزارها میروند. خردهفروشان نیز به دقت دنبال میکنند که این الگوهای رفتاری چگونه به نرخ تبدیل، روند بازگشت کالا و شاخصهای رضایت مشتری ترجمه میشود؛ دادههایی که در نهایت تعیین میکند ویژگیهای هوش مصنوعی در سال آینده تا چه اندازه در ویترین فروشگاهها برجسته خواهد بود.
توجه به محدودیتها
درحالیکه علاقه خریداران به ابزارهای خریدِ پشتیبانی شده با هوش مصنوعی رو به افزایش است، بسیاری همچنان با احتیاط از این فناوری استفاده میکنند. کاربرانی که از ابزارهای مکالمهمحور برای جمعآوری ایده درباره محصولات بهره میبرند معمولا نتایج را با روشهای سنتی مانند مرور دستی یا جستوجوی مستقیم در سایت تولیدکننده راستیآزمایی میکنند. برخی نیز میگویند که پیشنهادهای هوش مصنوعی گاهی فهرستهای قدیمی را با محصولات موجود ترکیب میکند یا وضعیت موجودی منطقهای را بهدرستی بازتاب نمیدهد؛ موضوعی که باعث میشود قبل از خرید جزئیات را دوباره بررسی کنند.
در همین حال گروهی از خریداران از این سیستمها برای بخشهای متفاوتتری از تجربه خرید استفاده میکنند. از جمله ساخت فهرست هدایا یا یافتن ایده برای افرادی با علایق خاص. این نوع استفاده بیشتر بر خلاقیت تکیه دارد تا تطبیق دقیق محصول و کاربران میگویند ابزارهای هوش مصنوعی با تولید چندین پیشنهاد در یک درخواست زمان زیادی برایشان ذخیره میکند. خردهفروشان نیز بهدقت دنبال میکنند که این تغییر رفتار چگونه بر الگوهای خرید اثر میگذارد، بهویژه زمانی که کاربران بین مدلهای هوش مصنوعی، نوار جستوجوی سنتی و ردیفهای توصیهگر جابهجا میشوند.
نوسان قیمتها در روزهای اصلی خرید لایه دیگری از پیچیدگی ایجاد میکند. خریداران گاهی متوجه میشوند که سیستمهای هوش مصنوعی محصولاتی را نمایش میدهند که قیمتشان بهسرعت در حال تغییر است؛ موضوعی که باعث میشود برای بررسی تخفیفهای بهروز، مستقیم به صفحه فروشگاه مراجعه کنند. خردهفروشان در تلاشند تا با تنظیم دقیق اتصال دادههای لحظهای با مدلهای هوش مصنوعی این اختلافها را در دورههایی که گردش موجودی سریعتر است به حداقل برسانند.
آماده شدن برای فصلهای آینده
بهکارگیری هوش مصنوعی در خریدهای فصل تعطیلات هنوز در مراحل ابتدایی قرار دارد و خردهفروشان این فصل را آزمایشی برای تدوین راهبردهای بلندمدت میدانند. شرکتها در حال بررسی این موضوعاند که مشتریان در هفتههای پرترافیک چگونه با ابزارهای هوشمند تعامل میکنند، چند بار به این رابطها بازمیگردند و کدام دستههای کالایی بیشترین میزان تعامل را ثبت میکنند. نتایج این پایشها مسیر بهروزرسانی ویترینهای دیجیتال، سیستمهای توصیهگر و ابزارهای دستیار خرید را در فصلهای آینده تعیین خواهد کرد.
خردهفروشان همچنین بهدقت بررسی میکنند که مدلهای مولد چگونه انتظارات مشتریان را تغییر میدهند. با افزایش تعداد افرادی که برای ایدهپردازی و مقایسه محصولات به جستوجوی هدایت شده با هوش مصنوعی تکیه میکنند، ممکن است فروشگاهها چیدمان محصولات خود را طوری بازطراحی کنند که ویژگیهایی را که این ابزارها بیشتر برجسته میکنند، بهتر نمایش دهند. این تغییرات میتواند شامل بازسازماندهی گروهبندی کالاها، بهروزرسانی فرادادهها یا گسترش همکاریها با تولیدکنندگانی باشد که فهرستهای محصولاتشان سازگاری بیشتری با تحلیل مبتنی بر هوش مصنوعی دارد.
علاوه بر این شرکتها با دقت بررسی میکنند که مشتریان چگونه میان پیشنهادهای هوش مصنوعی و عادتهای شخصیِ خود تعادل برقرار میکنند. الگوهایی که از دادههای ابتدایی فصل تعطیلات استخراج شده نشان میدهد بسیاری از خریداران همچنان ترجیح میدهند بینشهای تولید شده توسط هوش مصنوعی را با ارزیابی فردی ترکیب کنند؛ بهویژه هنگام خرید کالاهای گرانقیمت یا هدایایی که نیازهای فنی مشخصی دارند. انتظار میرود این رویکرد ترکیبی مسیر توسعه نسل بعدی سیستمهای «هیبریدی» را تعیین کند. سیستمهایی که خلاقیت مدلهای هوش مصنوعی را با ابزارهای مقایسهگر ساختاریافته در هم میآمیزند.
مسیر بلندمدت استفاده از هوش مصنوعی در خریدهای فصل تعطیلات همچنان در حال شکلگیری است؛ مسیری که هم به میزان اعتماد مشتریان به پیشنهادهای خودکار بستگی دارد و هم به توان خردهفروشان در پالایش مدلهای زیربنایی. با مرور عملکرد امسال انتظار میرود آموختههای این دوره بر چگونگی ورود هوش مصنوعی به چرخههای بعدی برنامهریزی فصل تعطیلات از مرحله کشف محصول گرفته تا خدمات پس از خرید، اثر بگذارد.
