ASOS пренася видеото за покупка в машините за отговори
ASOS стартира интеграция, която позволява на купувачите да откриват и купуват продуктите му директно от ChatGPT, използвайки видео за покупка. Чрез изживяването ASOS Stylist, потребителите могат да опишат какво търсят на естествен език – например "розова флорална лятна рокля" – и да получат подбран набор от продукти от каталога на ASOS. Всеки резултат може да бъде разгледан като кратко видео и след това да бъде отворен подробно на ASOS.com за завършване на покупката. Пилотният проект се провежда във Великобритания и САЩ и се основава на AI Stylist, който вече е наличен в приложението ASOS.
Изживяването се захранва от технологията за видео търговия на Bambuser, която преобразува продуктовия каталог и видео активите на ASOS в структурирани данни, които могат да бъдат извлечени в реално време от големи езикови модели и визуализирани като видео за покупка. ASOS позиционира това като еволюция отвъд AI инструментите за пазаруване, базирани на текст и статични изображения, като целта е да направи модното откритие "по-бързо, по-лесно и по-вдъхновяващо" в интерфейси за разговори като ChatGPT.
От търсене на продукти до "отговорна търговия"
Интеграцията илюстрира по-широки промени в електронната търговия от търсенето и списъците към "отговорната търговия", където потребителите задават въпроси чрез разговор и очакват малък, много подходящ набор от опции, вместо да навигират във филтри и пагинация. В този модел качеството и структурата на данните за продукта стават толкова критични, колкото цената или асортимента: машината за отговори не може да покаже това, което не може да анализира.
Ходът на ASOS е един от по-напредналите опити на пазара във Великобритания да свърже голям, бързо променящ се моден каталог с общоприложим LLM по начин, който запазва логиката на търговията. Фактът, че изживяването връща не само плочки на продукти, но и видео, предполага, че ASOS е инвестирала в картографиране на продукти, атрибути и медийни активи в индексируем, машинно-четим слой, който може да бъде запитван на естествен език, вместо с твърда синтаксиса за търсене.
Последици за продуктовите фийдове и инфраструктурата за съдържание
За да работи разговорно преживяване, първо с видео, вътре във външен интерфейс като ChatGPT, търговецът на електронна търговия трябва да третира своя product feed като нещо повече от обикновен експорт за рекламните платформи. Следват няколко последствия.
Първо, фийдовете се нуждаят от по-богати атрибути. Заявка като "розова флорална лятна рокля за сватба през деня, под £80" може да бъде отговорена добре само ако основните продукти са маркирани с цветови семейства, модели (флорални), повод, цена и често по-субективни измерения като "лято" или "гост на сватба". Много търговци все още разчитат на ограничени фийдове, оптимизирани за машини за сравняване на цени; разговорната търговия ги насочва към много по-гранулирани таксономии на атрибути и контролирани речници.
Второ, фийдовете се нуждаят от по-тясна връзка с медиите. Видео за покупка в машините за отговори изисква картографиране между SKU и видео сегменти: кои продукти се появяват в кое видео, в какви моменти от времето и в какъв контекст (цялостен вид, близък план, проба, стилистичен съвет). Това обикновено не се улавя в стандартните продуктови фийдове, които се фокусират върху изображения и основни метаданни. ASOS и Bambuser ефективно третират видеото като обект от първа класа, свързан с каталога, а не като свободно прикрепен маркетингов актив.
Трето, фийдовете трябва да бъдат оптимизирани за извличане в реално време, а не за пакетен експорт. За да останат релевантни, препоръките, предоставени от LLM, трябва да отразяват нивата на наличност, промените в цените и актуализациите на асортимента. Това насочва търговците към API и стрийминг актуализации вместо нощни качвания на feed и към архитектури, при които данните за продукта, инвентарът и съдържанието са синхронизирани достатъчно плътно, за да бъдат изложени безопасно на външни машини за отговори.
Каталожна стандартизация и машинна четимост
Инициативата на ASOS подчертава как каталожните стандарти стават активиращ слой за пазаруване, управлявано от AI. "Интелигентният слой" на Bambuser е описан като трансформиращ каталога и видео библиотеката в структурирани данни, които могат да бъдат потребни от LLM. На практика това вероятно включва няколко стъпки, които стават стандартни в разширените стекове за електронна търговия:
- Нормализиране на продуктовите атрибути в последователни схеми, така че "floral", "flower print" и "bloom pattern" да се сведат до една единствена, разпознаваема от машината концепция.
- Обогатяване на каталожните записи с помощта на компютърно зрение и езикови модели за откриване на цвят, модел, силует и дори изведени случаи на употреба, когато собствените данни на търговците са непълни.
- Индексиране на съдържанието за семантично търсене, така че заявки като "меки, дишащи летни тъкани" да могат да бъдат съпоставени с продукти, описани като "памучен поплин" или "ленена смес", дори ако точният текст не присъства.
За по-широкия пазар това показва посока на пътуване: каталозите се преместват от описания, четливи от хора, но нестабилни за машини, към машинно четими структури, проектирани изрично за извличане от AI. Търговците на дребно, които поддържат наследени, нестандартизирани каталози, ще установят, че е по-трудно да участват в машини за отговори и среди за разговорна търговия.
Подобряване на продуктовите страници с подробности чрез видео
Пренасянето на видео в ChatGPT не е просто игра за дистрибуция; има последици за това как изглежда "добра" продуктова страница с подробности (PDP). Краткото видео вече доказа своята ефективност за увеличаване на конверсиите и намаляване на възвращаемостта в модата, като показва прилягане, движение и контекст на стила. Предоставянето на същото съдържание директно в нивото на откриване компресира традиционната фуния: вдъхновението, оценката и изборът на продукт се случват в едно взаимодействие.
За да подкрепи това, основното продуктово съдържание трябва да бъде по-дълбоко и по-последователно. Видеоклиповете трябва да бъдат налични за голям дял от SKU, а не само за водещи продукти. Подробностите за размер, прилягане и плат трябва да бъдат достатъчно точни, за да могат клиентите да действат уверено въз основа на това, което виждат във видеото. Непълните или непоследователни PDP стават по-видими слабости, когато първото впечатление е AI-подбран набор от видеоклипове за покупка, вместо мрежа от снимки.
Има и обратна връзка: взаимодействията на потребителите с видео (кои продукти са на пауза, възпроизведени, щракнати) създават допълнителни поведенчески сигнали, които могат да бъдат върнати обратно в моделите за класиране и приоритизиране на съдържанието. С течение на времето това може да повлияе на това кои продукти получават по-богато съдържание и как търговците инвестират във видеопродукция.
Скорост на влизане на асортимента и автоматизация на съдържанието
За големи модни каталози, едно от основните тесни места при разширяване на асортимента е създаването на съдържание: заглавия, описания, атрибути, изображения и все по-често видео. Разполагането на видео за покупка в машините за отговори прави скоростта още по-критична: нововъведените продукти трябва да станат откриваеми в разговорни пътувания бързо, а не седмици след първоначалното включване в списъка.
AI и автоматизацията стават централни за решаването на това. Компютърното зрение може да извлича атрибути от изображения, докато езиковите модели могат да генерират първоначални описания въз основа на структурирани данни. Работните потоци за видео могат да бъдат частично автоматизирани чрез шаблони, графики с движение и редактиране с помощта на AI, като човешките екипи се фокусират върху съдържанието, критично за марката, и контрола на качеството. Търговците, които систематизират тези процеси, могат да съкратят времето между решенията за покупка и готови за AI каталожни записи, което им дава предимство в динамичните категории.
Инструментите без код също играят роля. Маркетинговите и търговските екипи все повече разчитат на интерфейси, които им позволяват да дефинират сегменти, правила и варианти на съдържание, без намесата на разработчици. Когато са включени в управлявани от AI повърхности за откриване, тези инструменти позволяват на нетехнически потребители да управляват кои колекции, тенденции или кампании трябва да бъдат приоритизирани в разговорните отговори ("партийния сезон", "фестивални визии", "обратно в училище"), докато централните системи гарантират, че основната схема и етикетирането остават последователни.
Машините за отговори като нов канал за дистрибуция
Третирането на ChatGPT и подобни системи като машини за отговори, а не като традиционни медийни канали, променя рамките на дистрибуцията на електронната търговия. Вместо да купуват импресии или ключови думи, търговците трябва да се конкурират по качество на данните, уместност и способност да се интегрират безопасно с външни AI системи. Интеграцията на ASOS предполага модел, в който:
- Каталогът и слоевете със съдържание са изложени чрез защитени API или приспособления, които машините за отговори могат да извикват, без да им предоставят директен достъп до вътрешни системи.
- Търговците поддържат контрол върху ценообразуването, плащането и данните за клиентите, като връщат потребителите в собствените си домейни за завършване на транзакциите.
- Персонализацията може да бъде споделена между машината за отговори и системите на търговеца чрез контекстни сигнали, като същевременно се спазват ограниченията за поверителност.
Тази архитектура има последици за анализите и атрибуцията. Традиционните уеб анализи са лошо пригодени за пътувания, които започват във вътрешен разговор агент и продължават през няколко повърхности. Търговците, които пилотират такива интеграции, ще трябва да съгласуват регистрационни файлове от AI платформи, слоеве за видео търговия и своите собствени уеб и app анализи, за да разберат въздействието върху конверсията, средната стойност на поръчката и нивата на възвращаемост.
Стратегическо значение за SaaS и екосистемите за електронна търговия
От гледна точка на SaaS, инициативата на ASOS илюстрира модел: появяват се специализирани платформи, които да седят между суровите данни на търговците и общоприложимите AI интерфейси. Тези платформи обработват приемането, нормализирането, обогатяването и излагането на търговски данни във форми, които LLM могат да използват безопасно и ефективно. За бизнесите в електронната търговия това може да намали необходимостта от изграждане на сложна AI инфраструктура вътрешно, но повишава летвата за управление на данни нагоре по веригата и каталожна хигиена.
За сектора на електронната търговия като цяло, разполагането на разговорно пазаруване, първо с видео, в машините за отговори ускорява няколко тенденции:
- Продуктовите фийдове еволюират в графи с познания в реално време, с богати атрибути.
- Каталожните стандарти и таксономии стават конкурентни активи, а не грижи за back-office.
- Качеството на PDP се измерва не само от конверсията на сайта, но и от това колко добре продуктите могат да бъдат представени във външни, управлявани от AI среди.
- Скоростта на включване на асортимента все повече зависи от подпомогнато от AI съдържание и медийна продукция.
- Инструментите без код и AI стават оперативният слой, който позволява на търговски екипи да управляват пътувания, управлявани от AI, без постоянна инженерна поддръжка.
Пилотният проект на ASOS е на ранен етап и търговското му въздействие все още не е количествено определено, но той сигнализира посока, в която вероятно ще се движи модната електронна търговия: от статични списъци към разговорно откритие, богато на медии, което обхваща множество платформи, задвижвани от структурирано, машинно четимо съдържание в основата на стека за търговия.
Интеграцията на ASOS с ChatGPT подчертава нарастващата важност на структурираните, висококачествени данни за продукта. Тази промяна към “отговорна търговия” подчертава критичната необходимост от ефективно управление и обогатяване на каталога. За бизнесите, които искат да постигнат това, NotPIM предоставя стабилно решение за осигуряване на точни, последователни продуктови фийдове, готови за приложения, управлявани от AI. Чрез автоматизиране на задачи като картографиране на атрибути, обогатяване на съдържание и трансформиране на фийдове, NotPIM помага на бизнеса в електронната търговия да се адаптира към този развиващ се пейзаж, подобрявайки откриваемостта на продуктите и улеснявайки безпроблемната интеграция с платформи като ChatGPT. Това помага на нашите клиенти да бъдат пред кривата, като оптимизират своите данни за тези нови, иновативни изживявания в електронната търговия. Това е особено полезно за подобряване на продуктовите фийдове, което е от решаващо значение за интеграцията на AI. С помощта на AI можете бързо да създавате описания на продукти, които стимулират продажбите. Разбирането как функционират тези системи ви позволява да не се страхувате от сложните интеграции. Търговците могат също да се възползват от използването на програма за обработка на ценови листи.