Forbrugernes parathed til AI-assisteret shopping
Ny forskning, der har kortlagt 2.000 forbrugere i USA og Storbritannien, afslører et stort behov for AI inden for online shopping, hvor 72 % forventer, at AI-assistenter vil øge effektiviteten gennem funktioner som tilbudsalarmer (59 %), personlige anbefalinger (51 %) og gaveidéer (44 %). Tilliden er dog skrøbelig: 69 % vil forlade en platform efter ét irrelevant forslag, 24 % på grund af bekymringer i forbindelse med håndtering af data og 21 %, hvis AI træffer beslutninger uden input.[8]
Tidlige brugere, især de 25-34-årige (59 % anvendelsesrate mod 34 % generelt), viser større positivitet, idet 77 % stoler mere på brands for at tilbyde AI-assistenter. Blandt dem accepterer 81 % AI's opbygning af fulde indkøbskurve til forskellige lejligheder, og 88 % værdsætter bundtforslag, hvilket signalerer udvikling til komplekse opgaver.
Stigende anvendelse og generationsskifte
AI-anvendelsen inden for shopping i Storbritannien er fordoblet år over år fra 12 % til 28 %, anført af Gen Z (43 %) og Millennials (42 %), hvor 18 % af Gen Z og 15 % af Millennials er førstegangsbrugere det seneste år. [2] [3] Næsten halvdelen af de britiske shoppere (44 %) er åbne over for, at AI håndterer hele rejser, herunder køb, når præferencer som budget og funktioner er indstillet - stigende til 49 % for Millennials, 41 % for Gen Z og 42 % for Gen X.[2]
Detailhandlere tilpasser sig med 84 % åbne over for AI-fuldførelser, og 49 % prioriterer det; 50 % planlægger AI-udvidelser for kundeoplevelsen.[2] Voksne under 45 år i Storbritannien viser 30 % åbenhed over for AI som personlige agenter for anbefalinger, leveringskontrol og køb.[7] Globalt set har 78 % af forbrugerne for nylig brugt AI-værktøjer som ChatGPT, hvilket rammer 93 % under 35 år.[7]
Implikationer for e-commerce-infrastrukturen
Dette behov presser produktfeeds, hvor irrelevante output fra dårlig datakvalitet udløser 69 % frafald. High-fidelity feeds - rige på attributter som varianter, priser og kompatibilitet - bliver afgørende for AI-relevans, da ufuldstændige data forstærker fejl i realtidsforslag.
Katalogiseringsstandarder skal udvikle sig for at understøtte agentbaseret AI og understrege strukturerede skemaer for attributter ud over grundlæggende funktioner (f.eks. egnethed til lejligheder, potentiale for bundling). Arvelige inkonsekvenser bremser AI-træning og udvider beredskabsgabet, hvor kun 27 % af de britiske detailhandlere anser stakke for at være skalerbare til autonome oplevelser.
Kortkvalitet og fuldstændighed påvirker tilliden direkte: tynde beskrivelser eller manglende billeder undergraver 51 % forventning til personlige anbefalinger, mens fuld metadata muliggør proaktive bundter (88 % appel til tidlige brugere). Detailhandlere, der forudser online vækst i 2026 (80 % i Storbritannien), forbinder AI med konverteringer, men kompetencegab og overholdelse hindrer eksekvering.[1] [6]
Acceleration gennem No-Code og AI-værktøjer
No-code-platforme bygger bro over adoptionsbarrierer og muliggør hurtig feedoptimering og AI-integration uden store udviklingsomkostninger - kritisk, da 90 % af de globale detailhandlere planlægger AI-forbrug til operationer. [6] Disse værktøjer automatiserer katalogberigelse og fremskynder opdateringer af sortimentet, der matcher dynamiske forbrugerforespørgsler som prisfald (59 % efterspørgsel).
AI-drevet no-code håndterer sikkerhedsafskærmninger fra første interaktion og sikrer dataansvar (24 % bekymring) via anonymiseret træning. Dette understøtter hastighed: Hurtigere indeksering af opdaterede kataloger holder trit med 44 % beredskab til end-to-end-automatisering og omdanner tidlig tillid (77 %) til gentagen engagement.[2]
Internet Retailing; Adyen Retail Report 2026.
Ud fra et NotPIM-perspektiv fremhæver denne forskning et kritisk vendepunkt for e-commerce. Forbrugernes forventninger til AI-drevne shoppingoplevelser stiger, men ydeevnen af disse værktøjer afhænger af kvaliteten af produktdata. Detailhandlere skal prioritere produktfeeds med høj troværdighed for at imødekomme denne efterspørgsel og opbygge kundernes tillid. NotPIM leverer en no-code-løsning til at berige og standardisere produktdata, så virksomhederne kan tilpasse sig hurtigt og implementere AI-forbedrede oplevelser med tillid. Kvaliteten af produktdata diskuteres i hele denne artikel. Håndtering af disse data er et nøgleelement i e-commerce-infrastrukturen. Lær, hvordan du bedre kan forstå dine data med vores artikler om produktfeeds på /blog/product_feed/. Desuden kan du læse mere for at forbedre din forståelse af hvordan du opretter salgsdrivende produktbeskrivelser for bedre datahåndtering. Med effektiv styring af dine produktdata er du bedre rustet til at håndtere et prislistebehandlingsprogram.