Впровадження AI-асистента OTTO
OTTO, найбільший німецький онлайн-ритейлер, запустив AI-асистентів, інтегрованих безпосередньо в свій інтернет-магазин та додаток для надання рекомендацій щодо покупок та обслуговування клієнтів. Починаючи з 31 липня, функція з'являється у вигляді панелі чату над оглядами продуктів на otto.de, надаючи відповіді за лічені секунди, використовуючи назви продуктів, описи та щонайменше 50 відгуків клієнтів для забезпечення збалансованих відповідей. Спочатку доступний приблизно для 180 000 товарів у таких категоріях, як взуття, килими, кавоварки та дивани, асистент використовує велику мовну модель Google Cloud PaLM 2 у поєднанні з власними даними OTTO через Vertex AI, зберігаючи всі дані на серверах OTTO.[1]
Запуск робить OTTO першим німецьким онлайн-магазином, який тестує такий AI безпосередньо в середовищах як для настільних комп'ютерів, так і для мобільних пристроїв. Він обробляє розмовні запити, орфографічні помилки та суб'єктивні дані оглядів, з контрольованим A/B-тестуванням серед клієнтів: половина має доступ до асистента, половина - ні, щоб виміряти вплив на задоволеність, надання рекомендацій та показники повернення. Розроблено командою Digital & Consulting від OTTO, вона базується на існуючих випадках використання AI, таких як кластеризація оглядів, розпізнавання зображень та запобігання шахрайству.[1]
Наслідки для feeds продуктів та стандартів каталогу
AI-асистенти, як у OTTO, безпосередньо покращують feeds продуктів, синтезуючи неструктуровані дані з оглядів та описів у корисну інформацію, зменшуючи залежність від статичних метаданих. Це підвищує стандарти каталогу, оскільки відповіді мають надходити з товарів з великим обсягом оглядів, неявно змушуючи продавців надавати пріоритет накопиченню оглядів для видимості. Структуровані feeds виграють від здатності AI нормалізувати різноманітні дані — назви, характеристики, відгуки користувачів — у послідовні формати, що реагують на запити, оптимізуючи введення даних для великих асортиментів.[1] Якщо ви хочете дізнатися більше про feeds продуктів, ознайомтеся з нашою статтею в блозі про Feed продукту - NotPIM.
На практиці таке налаштування забезпечує мінімальні пороги якості: продукти без 50+ оглядів залишаються некваліфікованими, сприяючи покращенню гігієни каталогу. Для платформ електронної комерції це сигналізує про зрушення, коли feeds еволюціонують від простих списків до динамічних, запитуваних AI активів, потенційно стандартизуючи атрибути, як-от деталі матеріалу чи посадка, у різних категоріях, щоб сприяти більш точним поколінням.[1]
Підвищення якості product card та швидкості асортименту
Повнота card різко зростає, оскільки AI об'єднує настрої з оглядів з описами, виявляючи не помічені деталі, такі як довговічність або розміри, без ручної курації. Клієнти, які запитують «чи сиплеться цей килим?», отримують синтезовані відповіді, заповнюючи прогалини в статичних cards і покращуючи відчуття повноти. Цей безкодовий шар, використовуючи попередньо навчені LLM, дає змогу швидко вносити зміни без перероблення шаблонів, оскільки OTTO швидко інтегрував його за допомогою хмарних інструментів.[1] Щоб дізнатися більше про те, як створити чудові описи продуктів, прочитайте нашу статтю про Як створити описи продуктів, що стимулюють продажі, не витрачаючи ціле багатство - NotPIM.
Швидкість розгортання асортименту значно збільшується: нові лістинги прискорюють видимість, як тільки досягнуто порогових значень оглядів, що дає змогу швидше тестувати на ринку сезонні або трендові товари. Традиційні перешкоди, як-от повільне накопичення оглядів, затримують експозицію; AI пом'якшує це, швидше кваліфікуючи товари, перетворюючи нові каталоги на готові до запитів feeds і скорочуючи час виходу на ринок з тижнів до днів.[1][2]
Безкодове AI та інтеграція з розмовною комерцією
Безкодове розгортання тут сяє, при цьому асистент OTTO побудований через інтерфейси Vertex AI, обходячи важке власне кодування для тонкої настройки LLM на внутрішніх даних. Це демократизує AI для ритейлерів середнього рівня, де plug-and-play моделі обробляють складні запити за межами сценаріїв ботів, адаптуючись до змін каталогу в реальному часі без перепідготовки.[1][2] Якщо ви шукаєте інструмент, ви можете скористатися нашим Валідатор feed - NotPIM.
В інфраструктурі контенту він сприяє розмовній комерції, інтерпретуючи намір з нечітких пошукових запитів, емоційних сигналів або покинутих кошиків, витягуючи дані з живих feeds для підказок щодо апселінгу. Цей цикл — запит до синтезу feed для відповіді — підвищує статичну електронну комерцію до проактивних систем, скорочуючи втому від прийняття рішень та відмову від покупок, одночасно масштабуючи в B2C масштабах без пропорційних операцій з контентом.[2][3] Щоб дізнатися більше про наш контент про продукт, перейдіть за посиланням.
Ширші зрушення в електронній комерції
Для інфраструктури покупок крок OTTO підкреслює роль AI у зменшенні повернень через попередню покупку, оскільки обґрунтовані запити корелюють з кращими відповідностями. Гіпотеза: широке впровадження може стандартизувати готові до AI feeds, віддаючи перевагу багатим каталогам з великою кількістю оглядів над розрідженими, змінюючи стимули постачальників. Платформи отримують аналітику з шаблонів запитів, ітеративно уточнюючи feeds без явних петель зворотного зв'язку.[1]
Handelsblatt.
GeekWire.
Приклад OTTO підкреслює значний зсув в електронній комерції, коли інформація про продукт динамічно генерується та покращується за допомогою AI, підвищуючи важливість високоякісних, багатих даними каталогів продуктів. Ця тенденція посилює тиск на роздрібних продавців, щоб вони підтримували вичерпні та стандартизовані дані про продукти. Для таких платформ, як NotPIM, це підкреслює цінність ефективного управління даними та можливостей оптимізації feed. Наші користувачі можуть використовувати NotPIM для оптимізації збагачення даних, забезпечуючи відповідність інформації про їхні продукти не лише вимогам, а й випередженню потреб електронної комерції, керованої AI.
```