Μέχρι σήμερα, όταν ένας καταναλωτής αναζητά ένα προϊόν, συνήθως ξεκινά από μια μηχανή αναζήτησης, ένα marketplace, ή κάποιο ηλεκτρονικό κατάστημα που ήδη γνωρίζει. Ήδη, όμως, ένα μέρος αυτής της διαδικασίας μεταφέρεται σε εργαλεία τεχνητής νοημοσύνης.
Ο χρήστης μπορεί πλέον να ζητήσει σε έναν ΑΙ agent: «Βρες μου ένα αδιάβροχο μπουφάν έως 150 ευρώ, κατάλληλο για ταξίδια, ελαφρύ και με καλές αξιολογήσεις».
Η τεχνητή νοημοσύνη αναζητά διαθέσιμες επιλογές, συγκρίνει χαρακτηριστικά και προτείνει προϊόντα που θεωρεί ότι ανταποκρίνονται καλύτερα στο αίτημα. Το ChatGPT διαθέτει ήδη εμπειρίες αναζήτησης και σύγκρισης προϊόντων, ενώ για ορισμένους εμπόρους μπορεί να υποστηρίζεται ακόμη και ολοκλήρωση της αγοράς μέσα από το περιβάλλον της συνομιλίας. Η Google αναπτύσσει αντίστοιχες δυνατότητες μέσω της AI Mode και των υπηρεσιών αγορών της.
Το ερώτημα για κάθε e-shop είναι απλό: Με ποια κριτήρια θα επιλέξει η τεχνητή νοημοσύνη ποια προϊόντα θα προτείνει;
Η AI πρέπει πρώτα να καταλάβει τι πουλάτε
Μια μηχανή δεν βλέπει μια σελίδα προϊόντος ακριβώς όπως ένας άνθρωπος. Χρειάζεται σαφείς πληροφορίες, ώστε να καταλάβει τι είναι το προϊόν, σε ποιον απευθύνεται, πόσο κοστίζει και αν είναι διαθέσιμο.
Ένας τίτλος όπως «Μοναδικό ανδρικό παπούτσι κορυφαίας ποιότητας» προσφέρει ελάχιστες χρήσιμες πληροφορίες. Ένας τίτλος όπως «Ανδρικό αδιάβροχο παπούτσι πεζοπορίας, μαύρο, μέγεθος 42» είναι πολύ πιο συγκεκριμένος.
Το ίδιο ισχύει για τις περιγραφές. Οι γενικές διαφημιστικές εκφράσεις δεν αρκούν. Η τεχνητή νοημοσύνη χρειάζεται πραγματικά χαρακτηριστικά:
- υλικό και διαστάσεις,
- χρώματα και παραλλαγές,
- συμβατότητα,
- βασικές χρήσεις,
- τιμή και διαθεσιμότητα,
- χρόνο παράδοσης,
- κόστος αποστολής και όρους επιστροφής.
Όσο πιο πλήρης και ξεκάθαρη είναι η πληροφορία, τόσο ευκολότερα μπορεί ένα σύστημα AI να αντιστοιχίσει το προϊόν με την ανάγκη του καταναλωτή.
Ο κατάλογος προϊόντων αποκτά ακόμη μεγαλύτερη σημασία
Οι μεγάλες πλατφόρμες δεν βασίζονται μόνο στο κείμενο που εμφανίζεται στη σελίδα. Χρησιμοποιούν επίσης product feeds και δομημένα δεδομένα, δηλαδή πληροφορίες οργανωμένες σε μορφή που μπορούν να διαβάσουν εύκολα οι μηχανές.
Η Google χρησιμοποιεί ειδικές πηγές πληροφοριών για να καταλαβαίνει σωστά τι πουλά ένα e-shop. Μία από αυτές είναι το Google Merchant Center, δηλαδή η υπηρεσία στην οποία ένα ηλεκτρονικό κατάστημα μπορεί να στέλνει οργανωμένα τον κατάλογό του με στοιχεία όπως τίτλος προϊόντος, τιμή, διαθεσιμότητα, φωτογραφίες και μεταφορικά.
Παράλληλα, μπορούν να προστεθούν στις σελίδες προϊόντων ειδικές «ετικέτες» που δεν φαίνονται στον επισκέπτη, αλλά διαβάζονται από τις μηχανές αναζήτησης. Αυτές ονομάζονται structured data και βοηθούν τη Google να αναγνωρίζει με ακρίβεια ποιο είναι το προϊόν, πόσο κοστίζει, αν είναι διαθέσιμο και ποιοι είναι οι όροι αποστολής ή επιστροφής.
Κάτι παρόμοιο αρχίζει να συμβαίνει και στις πλατφόρμες τεχνητής νοημοσύνης. Οι έμποροι θα μπορούν να στέλνουν οργανωμένες πληροφορίες για τα προϊόντα τους, ώστε εργαλεία όπως το ChatGPT να εμφανίζουν σωστά τις τιμές, τα αποθέματα και τα βασικά χαρακτηριστικά τους.
Αυτό δεν σημαίνει ότι κάθε e-shop πρέπει να αναπτύξει από την αρχή μια νέα τεχνική υποδομή. Μεγάλες πλατφόρμες ηλεκτρονικού εμπορίου αρχίζουν ήδη να δημιουργούν συνδέσεις ανάμεσα στους καταλόγους των e-shops και σε εργαλεία τεχνητής νοημοσύνης. Έτσι, στο μέλλον, προϊόντα ενός καταστήματος θα μπορούν να εμφανίζονται απευθείας μέσα σε υπηρεσίες όπως το ChatGPT, το Gemini ή το Copilot, χωρίς ο έμπορος να χρειάζεται να δημιουργήσει μόνος του όλη την τεχνική υποδομή.
Δεν θα κερδίζει πάντα το φθηνότερο προϊόν
Η τεχνητή νοημοσύνη μπορεί να λαμβάνει υπόψη πολλά περισσότερα από την τιμή. Αν ο πελάτης ζητήσει ένα προϊόν που πρέπει να παραδοθεί μέχρι την Παρασκευή, ένα ελαφρώς ακριβότερο προϊόν με άμεση διαθεσιμότητα μπορεί να προτιμηθεί από ένα φθηνότερο που θα παραδοθεί σε δύο εβδομάδες.
Παρόμοια σημασία μπορούν να έχουν:
- οι αξιολογήσεις των πελατών,
- η αξιοπιστία του καταστήματος,
- η σαφήνεια των όρων επιστροφής,
- η ακρίβεια του αποθέματος,
- η ποιότητα και η πληρότητα των πληροφοριών.
Με άλλα λόγια, η AI δεν αξιολογεί μόνο το προϊόν. Αξιολογεί ολόκληρη την εμπορική πρόταση.
Τί μπορεί να κάνει σήμερα ένα e-shop;
Η προετοιμασία δεν χρειάζεται να ξεκινήσει με κάποιο σύνθετο έργο τεχνητής νοημοσύνης. Χρειάζεται πρώτα να μπουν σε τάξη τα βασικά: Να διορθωθούν οι τίτλοι και οι περιγραφές, να συμπληρωθούν τα χαρακτηριστικά, να ενημερώνονται συστηματικά οι τιμές και τα αποθέματα και να παρουσιάζονται καθαρά τα μεταφορικά, οι παραδόσεις και οι επιστροφές.
Παράλληλα, πρέπει να ελεγχθούν τα product feeds, το Google Merchant Center και τα δομημένα δεδομένα του e-shop. Οι ίδιες υποδομές που βοηθούν σήμερα την παρουσία στη Google και στα marketplaces, μάλλον θα συνεχίσουν να αποτελούν τη βάση και για την ανακάλυψη προϊόντων από AI assistants.
Μέχρι σήμερα, το βασικό ζητούμενο ήταν να εμφανίζεται ένα προϊόν στα αποτελέσματα αναζήτησης και να κερδίζει το κλικ. Στη νέα πραγματικότητα, το ζητούμενο, όλο και περισσότερο, θα είναι να μπορεί η τεχνητή νοημοσύνη να το καταλάβει, να το εμπιστευτεί και τελικά να το συμπεριλάβει στις προτάσεις της.
Επιμέλεια: Γιάννης Τζώρτζος
