Implementación del asistente de IA de OTTO
OTTO, el minorista en línea más grande de Alemania, lanzó asistentes de IA integrados directamente en su tienda y aplicación en línea para brindar orientación de compra y servicio al cliente. A partir del 31 de julio, la función aparece como una barra de chat encima de las reseñas de productos en otto.de, brindando respuestas en segundos extraídas de los títulos, descripciones de los productos y al menos 50 reseñas de clientes para garantizar respuestas equilibradas. Inicialmente disponible para alrededor de 180.000 artículos en categorías como zapatos, alfombras, máquinas de café y sofás, el asistente utiliza el modelo de lenguaje de Google Cloud PaLM 2 combinado con los datos patentados de OTTO a través de Vertex AI, manteniendo todos los datos en los servidores de OTTO.[1]
El lanzamiento marca a OTTO como la primera tienda en línea alemana en probar dicha IA de forma nativa en entornos de escritorio y móviles. Maneja consultas coloquiales, errores ortográficos y datos de revisión subjetivos, con una prueba A/B controlada que divide a los clientes: la mitad accede al asistente, la otra mitad no, para medir el impacto en la satisfacción, la orientación y las tasas de devolución. Desarrollado por el equipo de Digital & Consulting de OTTO, esto se basa en usos de IA existentes como la agrupación de reseñas, el reconocimiento de imágenes y la prevención del fraude.[1]
Implicaciones para los product feeds y los estándares de catalog
Los asistentes de IA como el de OTTO mejoran directamente los product feeds al sintetizar datos no estructurados de reseñas y descripciones en información útil, lo que reduce la dependencia de los metadatos estáticos. Esto eleva los estándares del catálogo, ya que las respuestas deben extraerse de elementos con alto volumen de reseñas, lo que presiona implícitamente a los comerciantes para que prioricen la acumulación de reseñas para obtener visibilidad. Los feeds estructurados se benefician de la capacidad de la IA para normalizar las diversas entradas (títulos, especificaciones, comentarios de los usuarios) en formatos consistentes y receptivos a las consultas, lo que agiliza la ingesta de datos para grandes surtidos.[1] Si quieres saber más sobre los product feeds, consulta nuestra publicación de blog sobre Product feed - NotPIM.
En la práctica, esta configuración exige umbrales de calidad mínimos: los productos sin más de 50 reseñas no son elegibles, lo que fomenta una mejor higiene del catálogo. Para las plataformas de e-commerce, esto indica un cambio en el que los feeds evolucionan de simples listados a activos dinámicos y consultables por IA, lo que podría estandarizar atributos como los detalles del material o el ajuste en todas las categorías para impulsar generaciones más precisas.[1]
Mejora de la calidad de la product card y la velocidad de la clasificación
La integridad de la product card aumenta a medida que la IA agrega los sentimientos de las reseñas con las descripciones, revelando detalles pasados por alto como la durabilidad o el tamaño sin curación manual. Los clientes que consultan "¿esta alfombra pierde pelo?" reciben respuestas sintetizadas, lo que llena los espacios vacíos en las cards estáticas y mejora la plenitud percibida. Esta capa sin código, que aprovecha los LLM pre-entrenados, permite mejoras rápidas sin rediseñar plantillas, ya que OTTO la integró rápidamente a través de herramientas en la nube.[1] Para obtener más información sobre cómo crear excelentes descripciones de productos, lee nuestro artículo sobre Cómo crear descripciones de productos que impulsen las ventas sin gastar una fortuna - NotPIM.
La velocidad de lanzamiento del surtido se acelera drásticamente: los nuevos listados aceleran la visibilidad una vez que se alcanzan los umbrales de revisión, lo que permite pruebas de mercado más rápidas para artículos de temporada o de tendencia. Los obstáculos tradicionales, como la lenta acumulación de reseñas, retrasan la exposición; la IA mitiga esto al calificar los elementos más rápido, convirtiendo los catálogos incipientes en feeds listos para consultas y comprimiendo el tiempo de comercialización de semanas a días.[1][2]
IA sin código e integración de comercio conversacional
La implementación sin código brilla aquí, con el asistente de OTTO construido a través de las interfaces de Vertex AI, evitando la codificación personalizada pesada para el ajuste fino del LLM en los datos internos. Esto democratiza la IA para los minoristas de nivel medio, donde los modelos plug-and-play manejan consultas complejas más allá de los bots con guiones, adaptándose a los cambios en el catálogo en tiempo real sin volver a entrenar.[1][2] Si estás buscando una herramienta, puede que quieras usar nuestro Feed validator - NotPIM.
En la infraestructura de contenido, potencia el comercio conversacional al interpretar la intención de las búsquedas vagas, las señales emocionales o los carritos abandonados, extrayendo datos de feeds en vivo para sugerencias de venta adicional. Este ciclo (consulta a la síntesis del feed a la respuesta) eleva el e-commerce estático a sistemas proactivos, lo que reduce la fatiga de la decisión y el abandono mientras se escala en las escalas B2C sin operaciones de contenido proporcionales.[2][3] Para saber más sobre nuestro contenido de producto, haz clic en el enlace.
Cambios más amplios en el e-commerce
Para la infraestructura de compras, la iniciativa de OTTO subraya el papel de la IA en la reducción de las devoluciones a través de la claridad previa a la compra, ya que las consultas informadas se correlacionan con las mejores coincidencias. Hipótesis: la adopción generalizada podría estandarizar los feeds preparados para la IA, priorizando los catálogos ricos en reseñas y datos sobre los escasos, remodelando los incentivos de los proveedores. Las plataformas obtienen análisis de los patrones de consulta, refinando los feeds de forma iterativa sin bucles de retroalimentación explícitos.[1]
Handelsblatt.
GeekWire.
El ejemplo de OTTO destaca un cambio significativo en el e-commerce, donde la información del producto se genera y mejora dinámicamente mediante la IA, lo que impulsa la importancia de los catálogos de productos ricos en datos y de alta calidad. Esta tendencia aumenta la presión sobre los minoristas para que mantengan datos de productos completos y estandarizados. Para plataformas como NotPIM, esto subraya el valor de la gestión eficiente de datos y las capacidades de optimización de feeds. Nuestros usuarios pueden aprovechar NotPIM para optimizar el enriquecimiento de datos, asegurando que la información de sus productos no solo cumpla sino que anticipe las demandas cambiantes de las experiencias de compra impulsadas por la IA.