ASOS mută video-ul cumpărabil în motoarele de răspuns
ASOS a lansat o integrare care le permite cumpărătorilor să descopere și să cumpere produsele sale direct din ChatGPT, utilizând video cumpărabil. Prin experiența ASOS Stylist, utilizatorii pot descrie ceea ce caută în limbaj natural – de exemplu, „o rochie de vară roz cu imprimeu floral” – și primesc un set de produse curatoriat din catalogul ASOS. Fiecare rezultat poate fi vizualizat ca un video scurt, apoi deschis în detaliu pe ASOS.com pentru a finaliza achiziția. Pilotul este lansat în Marea Britanie și SUA și se bazează pe AI Stylist deja disponibil în aplicația ASOS.
Experiența este alimentată de tehnologia de comerț video a Bambuser, care transformă catalogul de produse și activele video ale ASOS în date structurate care pot fi preluate în timp real de modele lingvistice mari și redate ca video cumpărabil. ASOS poziționează acest lucru ca o evoluție dincolo de instrumentele de cumpărături AI bazate pe text și imagini statice, având ca scop să facă descoperirea modei „mai rapidă, mai ușoară și mai inspirată” în interfețe conversaționale precum ChatGPT.
De la căutarea de produse la „comerțul de răspuns”
Integrarea ilustrează o schimbare mai amplă în e-commerce de la căutări și liste la „comerțul de răspuns”, unde utilizatorii pun întrebări conversaționale și se așteaptă la un set mic, deosebit de relevant de opțiuni, mai degrabă decât să navigheze prin filtre și paginare. În acest model, calitatea și structura datelor produselor devin la fel de critice ca prețul sau sortimentul: motorul de răspuns nu poate arăta ceea ce nu poate analiza.
Mișcarea ASOS este una dintre cele mai avansate încercări de pe piața din Marea Britanie de a conecta un catalog de modă mare, cu schimbări rapide, cu un LLM de uz general, într-un mod care să păstreze logica de merchandising. Faptul că experiența returnează nu numai dale de produse, ci și video sugerează că ASOS a investit în maparea produselor, atributelor și activelor media într-un strat indexabil, lizibil de mașină, care poate fi interogat prin limbaj natural, mai degrabă decât prin sintaxa de căutare rigidă.
Implicații pentru feed-uri de produse și infrastructura de conținut
Pentru a face o călătorie conversațională, video-first să funcționeze într-o interfață externă precum ChatGPT, un retailer e-commerce trebuie să își trateze feed-ul de produse ca fiind mai mult decât un simplu export pentru platformele publicitare. Urmează câteva consecințe.
În primul rând, feed-urile au nevoie de atribute mai bogate. O solicitare precum „rochie de vară roz cu imprimeu floral pentru o nuntă, sub 80 de lire sterline” poate fi răspunsă bine doar dacă produsele subiacente sunt etichetate cu familii de culori, modele (floral), ocazie, preț și adesea dimensiuni mai subiective, cum ar fi „vară” sau „invitat la nuntă”. Mulți comercianți se bazează încă pe feed-uri limitate optimizate pentru motoarele de comparare a prețurilor; comerțul conversațional îi împinge spre taxonomii de atribute mult mai granulare și vocabulare controlate.
În al doilea rând, feed-urile au nevoie de o conexiune mai strânsă la media. Video-ul cumpărabil în motoarele de răspuns necesită mapare între SKU-uri și segmente video: ce produse apar în ce video, la ce intervale de timp și în ce context (aspect complet, prim-plan, încercare, sfat de stil). Acest lucru nu este de obicei capturat în feed-urile de produse standard, care se concentrează pe imagini și metadate de bază. ASOS și Bambuser tratează efectiv video-ul ca un obiect de date primar legat de catalog, mai degrabă decât ca un activ de marketing atașat în mod liber.
În al treilea rând, feed-urile trebuie optimizate pentru preluare în timp real, mai degrabă decât pentru exportul în loturi. Pentru a rămâne relevante, recomandările afișate de un LLM trebuie să reflecte nivelurile de stoc, modificările de preț și actualizările sortimentului. Acest lucru împinge comercianții spre API-uri și actualizări de streaming în loc de încărcări zilnice ale feed-urilor și spre arhitecturi în care datele produselor, inventarul și conținutul sunt sincronizate suficient de strâns pentru a fi expuse în siguranță motoarelor de răspuns externe.
Standardizarea catalogului și lizibilitatea de mașină
Inițiativa ASOS evidențiază modul în care standardele de catalog devin un strat de activare pentru cumpărăturile bazate pe AI. „Stratul de inteligență” al Bambuser este descris ca transformând catalogul și biblioteca de video în date structurate consumabile de LLM. În practică, acest lucru implică probabil mai mulți pași care devin standard în cadrul stivelor de e-commerce avansate:
- Normalizarea atributelor produselor în scheme consistente, astfel încât „floral”, „imprimare florală” și „model cu flori” să se combine într-un singur concept recunoscut de mașină.
- Îmbogățirea intrărilor de catalog utilizând viziunea computerizată și modelele lingvistice pentru a detecta culoarea, modelul, silueta și chiar cazurile de utilizare inferate atunci când datele proprii ale comercianților sunt incomplete.
- Indexarea conținutului pentru căutare semantică, astfel încât solicitări precum „țesături de vară moi, respirabile” să poată fi potrivite cu produse descrise ca „poplin de bumbac” sau „amestec de in”, chiar dacă textul exact nu este prezent.
Pentru piața mai largă, acest lucru indică o direcție de deplasare: cataloagele se mută de la descrieri lizibile de oameni, dar fragile pentru mașini, la structuri lizibile de mașini, proiectate explicit pentru preluarea AI. Retailerii care mențin cataloage vechi, nestandardizate, le va fi mai greu să participe la motoare de răspuns și medii de comerț conversațional.
Ridicarea paginilor de detalii ale produselor prin video
Introducerea video-ului în ChatGPT nu este doar un joc de distribuție; are implicații pentru ceea ce arată o „bună” pagină de detalii despre produs (PDP). Video-ul scurt a dovedit deja eficacitatea în creșterea conversiei și scăderea returnărilor în modă, arătând potrivirea, mișcarea și contextul stilistic. Afișarea aceluiași conținut direct în stratul de descoperire comprimă pâlnia tradițională: inspirația, evaluarea și selecția produselor au loc într-o singură interacțiune.
Pentru a sprijini acest lucru, conținutul produsului subiacent trebuie să fie mai profund și mai consistent. Video-ul trebuie să fie disponibil pentru o cotă ridicată de SKU-uri, nu doar pentru produsele principale. Detaliile despre dimensiune, potrivire și material trebuie să fie suficient de precise pentru ca clienții să poată acționa cu încredere asupra a ceea ce văd în video. PDP-urile incomplete sau inconsistente devin puncte slabe mai vizibile atunci când prima impresie este un set de video-uri cumpărabile curate de AI, în loc de o grilă de imagini statice.
Există, de asemenea, o buclă de feedback: interacțiunile utilizatorilor cu video-ul (ce produse sunt întrerupte, redate, pe care se dă clic) creează semnale comportamentale suplimentare care pot fi introduse înapoi în modelele de clasare și în prioritizarea conținutului. De-a lungul timpului, acest lucru poate influența ce produse primesc conținut mai bogat și modul în care comercianții investesc în producția de video.
Viteza de integrare a sortimentului și automatizarea conținutului
Pentru cataloagele mari de modă, unul dintre principalele blocaje în extinderea sortimentului este crearea de conținut: titluri, descrieri, atribute, imagini și, din ce în ce mai mult, video. Implementarea video-ului cumpărabil în motoarele de răspuns face ca viteza să fie și mai critică: produsele nou integrate trebuie să devină descoperibile rapid în călătoriile conversaționale, nu săptămâni după listarea inițială.
AI și automatizarea devin centrale pentru rezolvarea acestei probleme. Viziunea computerizată poate extrage atribute din imagini, în timp ce modelele lingvistice pot genera descrieri inițiale pe baza datelor structurate. Fluxurile de lucru video pot fi parțial automatizate prin șabloane, grafică animată și editare asistată de AI, cu echipe umane concentrându-se pe conținut critic pentru brand și controlul calității. Comercianții care sistematizează aceste procese pot scurta timpul dintre deciziile de cumpărare și intrările de catalog pregătite pentru AI, oferindu-le un avantaj în categorii dinamice.
Instrumentele fără cod joacă, de asemenea, un rol. Echipele de marketing și merchandising se bazează din ce în ce mai mult pe interfețe care le permit să definească segmente, reguli și variante de conținut fără implicarea dezvoltatorilor. Când sunt integrate în suprafețe de descoperire bazate pe AI, astfel de instrumente permit utilizatorilor non-tehnici să gestioneze ce colecții, tendințe sau campanii ar trebui să aibă prioritate în răspunsurile conversaționale („sezonul petrecerilor”, „aspecte de festival”, „înapoi la școală”), în timp ce sistemele centrale asigură că schema și etichetarea de bază rămân consistente.
Motoarele de răspuns ca un nou canal de distribuție
Tratarea ChatGPT și a sistemelor similare ca motoare de răspuns, mai degrabă decât canale media tradiționale, reconfigurează distribuția e-commerce. În loc să cumpere impresii sau cuvinte cheie, retailerii trebuie să concureze pe calitatea datelor, relevanță și capacitatea de a se integra în siguranță cu sistemele AI externe. Integrarea ASOS sugerează un model în care:
- Straturile de catalog și conținut sunt expuse prin API-uri sau widget-uri securizate pe care motoarele de răspuns le pot apela, fără a le oferi acces direct la sistemele interne.
- Comercianții mențin controlul asupra prețurilor, finalizării comenzii și datelor clienților, readucând utilizatorii la propriile domenii pentru finalizarea tranzacției.
- Personalizarea poate fi partajată între motorul de răspuns și sistemele comerciantului prin semnale contextuale, respectând în același timp constrângerile de confidențialitate.
Această arhitectură are implicații pentru analize și atribuire. Analizele web tradiționale sunt slab potrivite pentru călătoriile care încep în interiorul unui agent conversațional și continuă pe mai multe suprafețe. Comercianții care testează astfel de integrări vor trebui să reconcilieze jurnalele de pe platformele AI, straturile de comerț video și propriile analize web și aplicații pentru a înțelege impactul asupra conversiei, valorii medii a comenzii și ratelor de returnare.
Semnificația strategică pentru ecosistemele SaaS și e-commerce
Din perspectiva SaaS, inițiativa ASOS ilustrează un model: platformele specializate apar pentru a sta între datele brute ale retailerilor și interfețele AI de uz general. Aceste platforme gestionează ingestia, normalizarea, îmbogățirea și expunerea datelor de comerț în forme pe care LLM-urile le pot utiliza în siguranță și eficient. Pentru companiile de e-commerce, acest lucru poate reduce necesitatea de a construi o infrastructură AI complexă intern, dar ridică standardul pentru guvernanța datelor și igiena catalogului.
Pentru sectorul e-commerce în ansamblu, implementările de cumpărături conversaționale, video-first în interiorul motoarelor de răspuns accelerează mai multe tendințe:
- Feed-urile de produse evoluează în grafice de cunoștințe în timp real, bogat atribuite.
- Standardele și taxonomiile de catalog devin active competitive, mai degrabă decât preocupări de back-office.
- Calitatea PDP este măsurată nu numai prin conversie pe site, ci și prin modul în care produsele pot fi reprezentate în medii externe conduse de AI.
- Viteza de integrare a sortimentului depinde din ce în ce mai mult de crearea de conținut și media asistată de AI.
- Instrumentele fără cod și AI devin stratul operațional care permite echipelor comerciale să direcționeze călătoriile bazate pe AI fără asistență constantă din partea ingineriei.
Pilotul ASOS este în stadiu incipient și impactul său comercial nu a fost încă cuantificat, dar semnalează o direcție în care e-commerce-ul de modă este probabil să se îndrepte: de la liste statice la descoperire conversațională, bogată în media, care se extinde pe mai multe platforme, alimentată de conținut structurat, lizibil de mașină, la baza stivei de comerț.
Integrarea ASOS cu ChatGPT subliniază importanța tot mai mare a datelor de produse structurate, de înaltă calitate. Această schimbare către „comerțul de răspuns” evidențiază o nevoie critică de gestionare și îmbogățire eficientă a catalogului. Pentru companiile care doresc să realizeze acest lucru, NotPIM oferă o soluție robustă pentru a asigura că feed-urile de produse sunt precise, consistente și pregătite pentru aplicațiile bazate pe AI. Automatizând sarcinile precum maparea atributelor, îmbogățirea conținutului și transformarea feed-urilor, NotPIM ajută companiile de e-commerce să se adapteze la acest peisaj în evoluție, îmbunătățind capacitatea de descoperire a produselor și facilitând integrarea perfectă cu platforme precum ChatGPT. Acest lucru ajută clienții noștri să rămână în fruntea curbei prin optimizarea datelor pentru aceste experiențe noi și inovatoare de e-commerce. Acest lucru este deosebit de util pentru îmbunătățirea feed-urilor de produse, care este crucial pentru integrarea AI. Cu ajutorul AI, puteți crea rapid descrieri de produse care generează vânzări. Înțelegerea modului în care funcționează aceste sisteme vă permite să nu vă fie frică de integrări complexe. Comercianții pot beneficia, de asemenea, de utilizarea unui program de procesare a listelor de prețuri.