Šta se dogodilo u britanskom Zlatnom kvartalu
Izveštaj Salesforce-a o uvidima u kupovinu na kraju godine ukazuje da je globalna onlajn prodaja tokom Zlatnog kvartala 2025. godine dostigla rekordnih 1,29 biliona dolara, pri čemu je Ujedinjeno Kraljevstvo činilo 38 milijardi dolara (oko 28 milijardi funti) prihoda od e-trgovine. Onlajn prodaja u Velikoj Britaniji porasla je za 5,5% na godišnjem nivou, vođena povećanjem od 9% u prosečnim prodajnim cenama i povećanjem saobraćaja za 10%, uprkos opreznom potrošačkom okruženju. InternetRetailing.
Ključni nalaz izveštaja je disproporcionalna uloga veštačke inteligencije (AI). Oko 20% maloprodaje globalno bilo je pod uticajem veštačke inteligencije i agenata, što predstavlja potrošnju od 262 milijarde dolara. Kanali za kupovinu veštačke inteligencije trećih strana i pretraga zasnovana na veštačkoj inteligenciji pokazali su znatno veću nameru: saobraćaj koji dolazi preko ovih izvora konvertovao se otprilike devet puta bolje od društvenih preporuka. Prodavci na malo koji su koristili sopstvene AI agente zabeležili su rast prihoda koji je blizu 60% veći od konkurenata, a AI agenti su takođe apsorbovali porast od 142% u operativnim zadacima kao što su povraćaj i ažuriranja isporuke. InternetRetailing; Salesforce.
U isto vreme, fizička maloprodaja u Velikoj Britaniji je podbacila. Prema British Retail Consortium, broj posetilaca u decembru se smanjio u glavnim ulicama i tržnim centrima, a prodaja neprehrambenih proizvoda u prodavnicama porasla je samo za 0,4% na godišnjem nivou, dok je onlajn prodaja neprehrambenih proizvoda porasla za 11,1%. InternetRetailing. Paralelni ONS i komentari iz industrije o Zlatnom kvartalu ističu prigušen ukupni rast maloprodaje, selektivan odgovor na promocije na Crni petak i kontinuirani strukturni pomak ka onlajn prodaji, pri čemu je onlajn penetracija u novembru dostigla najviši nivo od kraja 2021. PwC; FashionUnited.
Slika je nijansiranija u prehrambenim proizvodima, koji su uglavnom izvan Salesforce-ovog neprehrambenog fokusa. Prehrambeni proizvodi bili su jedno od retkih svetlih tačaka u maloprodaji u Velikoj Britaniji tokom Božića, podržani potrošnjom na prazničnu hranu i inflacijom; onlajn penetracija ovde ostaje oko niskih do srednjih tinejdžerskih vrednosti tokom perioda najveće potražnje, dok se 85–87% potrošnje i dalje odvija u prodavnicama. InternetRetailing. Kao rezultat toga, kvartal se može opisati kao "sezona sa dve brzine": digitalni kanali pojačani veštačkom inteligencijom se šire u vrednosti i efikasnosti, u odnosu na fizičke formate koji beleže marginalni ili negativni realni rast.
Zašto je ovaj Zlatni kvartal važan za infrastrukturu e-trgovine
Zlatni kvartal 2025. ne samo da potvrđuje snagu onlajn potražnje; on kristalizuje strukturnu promenu u načinu na koji se potražnja generiše i posreduje. Saobraćaj i prihod sve više se usmeravaju kroz AI agente, konverzacijske interfejse i pretragu zasnovanu na namerama, a ne tradicionalnom pretragom, plaćenim medijima ili društvenim mrežama. Ova rekonfiguracija ima direktne implikacije na strukture podataka o proizvodima, operacije kataloga i cevovode sadržaja.
Potražnja zasnovana na veštačkoj inteligenciji i feedovi proizvoda
Ako je 20% globalne maloprodaje već pod uticajem AI agenata, feedovi proizvoda više nisu samo ulazi za platforme za oglašavanje i pijace; oni su osnovni "jezik" koji AI sistemi koriste za razumevanje, rangiranje i preporučivanje inventara. U ovom okruženju:
Potpunost feeda postaje faktor komercijalnog rizika. AI sistemi se oslanjaju na strukturirane atribute (veličina, materijal, boja, kontekst upotrebe, kompatibilnost, zastave održivosti, istorija cena) da bi zaključili relevantnost i personalizovali rangiranje. Nepotpuni ili nedosledni podaci smanjuju verovatnoću da se proizvod pojavi u AI interakcijama sa visokom namerom, čak i ako se dobro ponaša u tradicionalnoj pretrazi.
Feedovi u realnom vremenu i svesni događaja dobijaju prioritet. Trgovanje u Zlatnom kvartalu karakterišu brze promene cena, brze promocije i brzi zalihi. Za AI agenta koji se očekuje da pregovara o ograničenjima (budžet, rokovi isporuke, preferencije brendova) u ime kupca, zastareli podaci o inventaru ili cenama umanjuju rezultate i poverenje. To pomera investicije sa skupne izvoza feeda ka API-jima niske latencije, ažuriranjima vođenim događajima i čvršćoj integraciji između sistema za merčendajzing i AI slojeva.
Upravljanje multi-channel feedom postaje složenije. AI preporuke sve više dolaze iz izvora koji se nalaze izvan klasičnih "ogradjenih bašta": nezavisnih agenata, alata za konverzaciju opšte namene i asistenata u vlasništvu prodavaca. Svi oni konzumiraju podatke o proizvodima i ponudama na malo drugačije načine. Standardizacija taksonomije, skupova atributa i rasporeda ažuriranja na svim kanalima postaje preduslov za dosledne performanse. Feedovi proizvoda postaju preduslov za dosledne performanse.
Standardi kataloga i semantička struktura
Snažne performanse saobraćaja pod uticajem veštačke inteligencije naglašavaju važnost standarda kataloga čitljivih za mašine. Što se više prodaje odvija kroz agentska iskustva, to je ekosistem manje tolerantan na bučne ili nestrukturirane kataloge.
Nekoliko trendova je pojačano ovim Zlatnim kvartalom:
Od orijentacije na ključne reči do semantičke orijentacije. AI agenti tumače namere korisnika koje su prirodno izražene u ciljevima ("pronađite zimsku jaknu koja je topla, ali ispod 150 funti i isporučena do petka") umesto naziva proizvoda. Katalozi moraju da izlože atribute i odnose koji se mapiraju na ove namere: ocene topline, vrsta izolacije, obećanje isporuke po poštanskom broju, zahtevi za negu i tako dalje. Tamo gde su takvi podaci nestrukturirani ili zakopani u marketinškom tekstu, agenti moraju da ih zaključe, povećavajući rizik od irelevantnih ili neusklađenih preporuka.
Normalizacija na svim brendovima i kategorijama. Pošto agenti upoređuju artikle od više prodavaca u jednoj konverzaciji, nedosledno imenovanje atributa (npr. "mornarsko plava" u odnosu na "ponoćno plava", mešovite konvencije za veličinu) otežava poređenje između prodavaca. Ovo stvara podsticaj za harmonizaciju definicija atributa, standarda jedinica i lista vrednosti u celom sektoru, kao i za rigoroznije interne rečnike podataka na nivou prodavca.
Metadata životnog ciklusa i politike. Sa agentima koji sada rukuju znatno većom količinom servisnih zadataka kao što su povraćaj, zamena i ažuriranja isporuke, katalozi moraju da uključe strukturisane podatke o politici i životnom ciklusu: periodi povraćaja po tipu proizvoda, naknade za obnavljanje zaliha, status renoviranja, uslovi garancije. Kada su ovi atributi eksplicitni i standardizovani, agenti mogu da odgovore na operativna pitanja i spreče trenje pre kupovine.
Stranice sa detaljima o proizvodu: kvalitet, potpunost i čitljivost mašine
Pomak ka otkrivanju posredovanom veštačkom inteligencijom menja funkciju stranice sa detaljima o proizvodu (PDP). Pričanje priča okrenuto ljudima ostaje suštinsko, ali PDP-ovi sve više funkcionišu kao "izvor istine" za AI modele koji raščlanjuju sadržaj na skali.
U kontekstu ovog Zlatnog kvartala:
AI preporuke sa visokom konverzijom naglašavaju vrednost kompletnih PDP-ova. Pošto AI ima tendenciju da usmerava već kvalifikovanu nameru, uska grla često leže u rešavanju poslednjih neizvesnosti: pristajanje, kompatibilnost, nega, pakovani artikli ili u potvrđivanju uslova povraćaja i isporuke. Prodavci na malo koji jasno i dosledno izlažu ove informacije – i za ljude i za mašine – bolje su pozicionirani da kapitalizuju na tu nameru.
Bogati mediji postaju strukturirani unos. Slike, video i sadržaj koji generišu korisnici tradicionalno su jačali konverziju kroz ubeđivanje ljudi. Kako se kompjuterski vid i multimodalni modeli integrišu u agente za kupovinu, ovi resursi takođe postaju izvori podataka. Čisto označavanje slika (uglovi, kontekst upotrebe, merenja modela) i dosledni metapodaci oko video zapisa ili vodiča omogućavaju agentima da odgovore na vizuelne ili stilske upite sa većom preciznošću.
Sadržaj recenzija i pitanja i odgovori je signal za obuku. Korisničke recenzije i sekcije pitanja i odgovora sada informišu ne samo percepciju ljudi, već i razumevanje modela o prednostima, slabostima i upotrebi proizvoda u stvarnom svetu. Prodavci na malo dobijaju polugu moderiranjem, označavanjem i strukturiranjem ovog sadržaja – na primer, sumiranjem ponavljajućih tema, isticanjem često postavljanih pitanja kao eksplicitnih atributa i obezbeđivanjem da se ključna pojašnjenja propagiraju nazad u osnovne podatke o proizvodu.
Brzina primene asortimana i sezonska agilnost
Sa onlajn prodajom u Velikoj Britaniji koja raste brže od ukupne maloprodaje i neprehrambenom e-trgovinom koja je porasla za dvocifreni broj tokom Božića, vreme potrebno za plasiranje novih SKU postaje još kritičnije. AI pojačava ovu dinamiku umesto da je opušta.
Podaci iz Zlatnog kvartala sugerišu nekoliko operativnih pritisaka:
Kraća vremena izrade sadržaja. Da bi kapitalizovali na prozorima vrhunske potražnje, prodavci na malo moraju biti u mogućnosti da unose podatke od dobavljača, obogate ih i primene PDP uživo za nekoliko dana, a ne nedelja. Ručno pisanje tekstova i radni procesi teški po studiju bore se da održe korak sa ovom kadencom, posebno u asortimanima dugog repa i sezonskim kapsulama.
Dinamično kuriranje asortimana. AI agenti koji razumeju kontekst na nivou korpe i navedena ograničenja mogu usmeravati kupce ka alternativnim SKU kada su primarni artikli van zaliha ili ne uspeju na ograničenju kao što je vreme isporuke. Da bi ovo funkcionisalo, arhitektura dometa, pravila zamene i metapodaci o kompatibilnosti moraju biti kodifikovani u sistemima, a ne prepušteni ad hoc odlukama o merčendajzingu.
Eksperimenti sa elastičnošću cena i promocija. Više prosečne prodajne cene i selektivni odgovor na promocije tokom Zlatnog kvartala ukazuju na kupce koji pažljivije razmenjuju vrednosti. Ugrađivanje eksperimentalnih okvira u slojeve cena i sadržaja – na primer, testiranje različitih paketa, uokvirivanje prednosti ili ponuda praga – zahteva blisku vezu između motora za određivanje cena, upravljanja sadržajem i personalizacije vođene veštačkom inteligencijom.
Bez koda, veštačka inteligencija i industrijalizacija operacija sadržaja
Narativ efikasnosti koji se pojavljuje iz podataka Salesforce-a – agenti koji rukuju velikim povećanjem zadataka usluge i podržavaju rast prihoda iznad proseka – naglašava dublju promenu: industrijalizaciju sadržaja e-trgovine i operacija putem alata bez koda i veštačke inteligencije.
Nekoliko obrazaca se ističe:
Automatizacija ponavljajućih zadataka sa sadržajem. Veštačka inteligencija se sve više koristi za generisanje prvih nacrta naslova, opisa i SEO teksta, za lokalizaciju sadržaja, za popunjavanje nedostajućih atributa iz PDF-ova ili slika dobavljača i za standardizaciju tona glasa. Interfejsi bez koda omogućavaju merčendajzerima da specificiraju pravila i radne procese (npr. koji se atributi prioritetizuju po kategoriji, kako se rukuje regulatornim frazama) bez intervencije programera, komprimujući cikluse uz zadržavanje uređivačkog nadzora.
Provera kvaliteta zasnovana na pravilima. Kako katalozi rastu i veštačka inteligencija posreduje u više putovanja, automatske provere potpunosti, doslednosti i usklađenosti postaju neophodne. Orchestracija bez koda i modeli validacije veštačke inteligencije mogu da označe proizvode kojima nedostaju kritični atributi za rangiranje veštačkom inteligencijom, koji odstupaju od pravila taksonomije ili koji sadrže kontradiktorne informacije o politici, gurajući samo "AI-ready" artikle u feedove sa visokom vidljivošću.
Operativni agenti kao kičma. Sa agentima koji već rešavaju porast zahteva za povraćaj i isporuke, sledeći korak je njihova integracija dublje u back-office sisteme: inventar, upravljanje porudžbinama, komunikaciju sa kupcima i repozitorijume sadržaja. Ovo omogućava, na primer, automatsko kreiranje ili ažuriranje PDP sadržaja na osnovu razloga povraćaja ili dinamičko podešavanje poruka na licu mesta kao odgovor na logistička ograničenja.
Demokratizacija eksperimentisanja. Alati bez koda olakšavaju timovima za e-trgovinu i sadržaj da konfigurišu i testiraju varijacije u prezentaciji proizvoda, navigaciji, filterima i uređivačkom pričanju priča bez čekanja na programske sprintove. Kada se kombinuje sa segmentacijom vođenom veštačkom inteligencijom, ovo omogućava kontinuiranu optimizaciju usklađenu sa promene u ponašanju uočene u Zlatnom kvartalu.
Strateške implikacije za infrastrukturu e-trgovine i sadržaja
Zlatni kvartal 2025. pozicionira veštačku inteligenciju ne kao periferni alat za optimizaciju, već kao centralni sloj koji posreduje u potražnji, otkrivanju i operacijama. Za igrače u e-trgovini, tačke podataka iz ovog perioda prevode se u skup infrastrukturnih prioriteta:
- Tretirajte podatke o proizvodima kao vrhunsko sredstvo, strukturirajući za mašine pažljivo kao što je dizajnirano za ljude.
- Uložite u standarde i upravljanje katalogom koji mogu da podrže potrošnju na više kanala, više agenata.
- Ponovo izgradite PDP-ove i pomoćni sadržaj imajući na umu dvostruku publiku: kupce ljude i AI sisteme koji će sve više unapred filtrirati i unapred objašnjavati opcije.
- Skratite i automatizujte lanac snabdevanja sadržajem od feeda dobavljača do PDP uživo, koristeći veštačku inteligenciju i bez koda da biste održali kvalitet na skali.
- Ubacite AI agente u radne procese okrenute kupcima i operativne radne procese, posmatrajući ih kao vezivno tkivo između sadržaja, trgovine i logistike, a ne kao izolovane widgete za ćaskanje.
U tom smislu, Zlatni kvartal služi kao test uživo za novi maloprodajni model u kojem je rast sve više uslovljen time koliko dobro infrastruktura sadržaja i kataloga prodavca "razgovara" sa AI sistemima koji sada utiču na značajan udeo potrošnje. Razumevanje uticaja na vaše upravljanje podacima o proizvodima je ključ uspeha.
Uvidi iz Zlatnog kvartala naglašavaju kritičnu potrebu za robusnim upravljanjem podacima o proizvodima. Kako veštačka inteligencija postaje primarni pokretač otkrivanja i prodaje, kvalitet, potpunost i struktura informacija o proizvodima su od najvećeg značaja. U NotPIM-u, prepoznajemo ovu promenu i nudimo sveobuhvatno rešenje koje omogućava preduzećima za e-trgovinu da pojednostave upravljanje feedovima, obogate podatke o proizvodima i prilagode se promenljivim zahtevima trgovine vođene veštačkom inteligencijom. Kompanije koje daju prioritet svojoj infrastrukturi podataka spremne su da steknu značajnu konkurentsku prednost.