### ASOS преноси шопинг видео у механизме за одговоре
ASOS је покренуо интеграцију која омогућава купцима да откривају и купују своје производе директно из ChatGPT-а користећи шопинг видео. Кроз ASOS Stylist искуство, корисници могу да опишу шта траже на природном језику – на пример, „розо рођенданска летња хаљина“ – и да добију курирану серију производа из ASOS каталога. Сваки резултат може да се види као видео кратке форме, а затим отвори детаљно на ASOS.com за комплетирање куповине. Пилот се креће у Великој Британији и САД, и надограђује AI Stylist који је већ доступан у ASOS апликацији.
Искуство покреће Bambuser-ова технологија видео комерције, која претвара ASOS-ов каталог производа и видео материјале у структуриране податке који се могу повући у реалном времену од стране великих језичких модела и приказати као шопинг видео. ASOS ово позиционира као еволуцију изнад AI алата за куповину заснованих на тексту и статичним сликама, са циљем да откривање моде учини „бржим, лакшим и инспиративнијим” у конверзацијским интерфејсима као што је ChatGPT.
### Од претраге производа до „одговарајуће комерције”
Интеграција илуструје шири помак у е‑трговини од путовања заснованих на претрази и листингу до „одговарајуће комерције”, где корисници постављају конверзацијске упите и очекују мали, изузетно релевантан скуп опција, уместо да се крећу кроз филтере и пагинацију. У том моделу, квалитет и структура података о производу постају критични као и цена или асортиман: механизам за одговоре не може показати шта не може да се парсира.
ASOS-ов потез је један од напреднијих покушаја на тржишту Велике Британије да повеже велики, брзо променљиви модни каталог са генералном језичким моделом на начин који чува логику меренџајза. Чињеница да искуство враћа не само плочице производа већ и видео сугерише да је ASOS инвестирао у мапирање производа, атрибута и медијских материјала у индексирани, машински читљив слој који може да се упита природним језиком, а не крутом синтаксом претраге.
### Импликације за product feed-ове и инфраструктуру садржаја
Да би путовање које првенствено користи видео и конверзацију функционисало унутар спољашњег интерфејса као што је ChatGPT, продавац е‑трговине мора да третира свој product feed као више од једноставног извоза за огласне платформе. Следе неколико последица.
Прво, feed-овима су потребни богатији атрибути. Подстицај као што је „розо рођенданска летња хаљина за дневну свадбу, испод 80 фунти” може да се одговори само добро ако су основни производи означени породицама боја, шарама (цветни), поводом, ценом и често субјективнијим димензијама као што је „лето” или „гост на венчању”. Многи продавци се још увек ослањају на ограничене feed-ове оптимизоване за моторе за поређење цена; конверзацијска комерција их гура ка далеко зрнестијим таксономијама атрибута и контролисаним вокабуларима.
Друго, feed-овима је потребна теснија веза са медијима. Шопинг видео у механизмима за одговоре захтева мапирање између SKU-а и видео сегмената: који производи се појављују у ком видеу, у којим временским ознакама и у ком контексту (цео изглед, крупни план, проба, стилски савет). Ово се типично не бележи у стандардним product feed-овима, који се фокусирају на слике и основне метаподатке. ASOS и Bambuser ефикасно третирају видео као првокласни објекат података повезан са каталогом, а не као лабаво приложен маркетиншки материјал.
Треће, feed-ови морају бити оптимизовани за преузимање у реалном времену, а не за серијски извоз. Да би остале релевантне, препоруке које поставља језички модел морају да одражавају нивое залиха, промене цена и ажурирања асортимана. Ово гура трговце ка API-јима и стриминг ажурирањима уместо ноћних upload feed-ова, и ка архитектурама где су подаци о производу, залихе и садржај синхронизовани довољно чврсто да би били безбедно изложени спољашњим механизмима за одговоре.
### Стандардизација каталога и машинска читљивост
ASOS иницијатива истиче како стандарди каталога постају омогућавајући слој за куповину вођену вештачком интелигенцијом. Bambuser-ов „Intelligence Layer” је описан као трансформација каталога и видео библиотеке у структуриране податке употребљиве од стране језичких модела. У пракси, ово вероватно укључује неколико корака који постају стандардни у напредним е‑трговинским стековима:
- Нормализација атрибута производа у доследне шеме, тако да се „цветни”, „цветни принт” и „шара цвета” сруше у један машински препознатљив концепт.
- Обогаћивање уноса каталога помоћу компјутерског вида и језичких модела за откривање боје, шаблона, силуете, па чак и изведених случајева употребе када су сопствени подаци трговаца непотпуни.
- Индексирање садржаја за семантичку претрагу, тако да се упити као што су „мекане, прозрачне летње тканине” могу ускладити са производима описаним као „памучни поплин” или „мешавина лана” чак и ако тачан текст није присутан.
За шире тржиште, ово указује на правац путовања: каталози се крећу од описа читких за људе, али крхких машином, до машински читљивих структура дизајнираних експлицитно за преузимање вештачком интелигенцијом. Продавци који одржавају наслеђене, нестандардизоване каталоге ће теже учествовати у механизмима за одговоре и конверзацијским комерцијалним окружењима.
### Подизање страница са детаљима о производу путем видео записа
Уношење видеа у ChatGPT није само игра дистрибуције; има импликације на то како „добра” страница са детаљима о производу (PDP) изгледа. Видео кратке форме се већ доказао као ефикасан у повећању конверзије и смањењу поврата у моди показујући приклад, кретање и стилски контекст. Појављивање истог садржаја директно у слоју открића компресује традиционални левак: инспирација, евалуација и избор производа се дешавају у једној интеракцији.
Да би се то подржало, основни садржај производа мора бити дубљи и доследнији. Видео треба да буде доступан у високом уделу SKU-а, а не само за херојске производе. Детаљи о величини, прилагођавању и тканинама морају бити довољно тачни да би купци могли да делују са поверењем на основу онога што виде у видеу. Непотпуне или недоследне PDP постају видљивије слабости када је први утисак скуп шопинг видео записа куриран од стране вештачке интелигенције уместо мреже кадрова.
Постоји и петља повратне информације: интеракције корисника са видео записима (који производи су паузирани, поновно репродуковани, кликнути) креирају додатне сигнале понашања који се могу вратити у моделе рангирања и дати приоритет садржају. Временом, ово може да утиче на то који производи добијају богатији садржај и како трговци инвестирају у видео продукцију.
### Брзина укључивања асортимана и аутоматизација садржаја
За велике модне каталоге, једно од главних уско грла у проширењу асортимана је креирање садржаја: наслови, описи, атрибути, слике, и све више видеа. Распоређивање шопинг видео-а у механизмима за одговоре чини брзину још критичнијом: ново укључени производи морају брзо да постану откривени у конверзацијским путовањима, а не недељама након првобитног листинга.
Вештачка интелигенција и аутоматизација постају централне за решавање овога. Компјутерски вид може да извуче атрибуте из слика, док језички модели могу да генеришу почетне описе на основу структурираних података. Радни токови видеа могу бити делимично аутоматизовани путем шаблона, графике покрета и уређивања уз помоћ вештачке интелигенције, а људски тимови се фокусирају на садржај критичан за бренд и контролу квалитета. Трговци који систематизују ове процесе могу да скрате време између одлука о куповини и уноса у каталог спремних за вештачку интелигенцију, што им даје предност у динамичким категоријама.
Алати без кода такође играју улогу. Маркетиншки и меренџајзинг тимови се све више ослањају на интерфејсе који им омогућавају да дефинишу сегменте, правила и варијанте садржаја без укључености програмера. Када се укључе у површине за откривање засноване на вештачкој интелигенцији, такви алати дозвољавају некотехничким корисницима да управљају који колекције, трендови или кампање треба да имају приоритет у конверзацијским одговорима („сезона журки”, „фестивалски изглед”, „повратак у школу”), док централни системи осигуравају да основна шема и означавање остану конзистентни.
### Механизми за одговоре као нови канал дистрибуције
Третирање ChatGPT-а и сличних система као механизама за одговоре, а не традиционалних медијских канала, преобликује дистрибуцију е-трговине. Уместо куповине импресија или кључних речи, продавци морају да се такмиче у квалитету података, релевантности и способности да се безбедно интегришу са спољашњим системима вештачке интелигенције. ASOS интеграција сугерише модел у којем:
- Каталог и слојеви садржаја су изложени путем безбедних API-ја или виџета које механизми за одговоре могу да позову, без да им се да директан приступ интерним системима.
- Трговци одржавају контролу над ценама, одјавом и подацима о купцима тако што враћају кориснике у своје сопствене домене ради завршетка трансакције.
- Персонализација се може делити између механизма за одговоре и система трговца путем контекстуалних сигнала, док је усклађена са ограничењима приватности.
Ова архитектура има импликације за аналитику и приписивање. Традиционална веб аналитика је лоше прилагођена путовањима која почињу унутар конверзацијског агента и настављају се на неколико површина. Трговци који пилотирају такве интеграције мораће да ускладе логове са AI платформа, слојева видео комерције и сопствене веб и апликацијске аналитике како би разумели утицај на конверзију, просечну вредност поруџбине и стопе повратка.
### Стратешки значај за SaaS и е‑трговинске екосистеме
Са SaaS перспективе, ASOS иницијатива илуструје образац: специјализоване платформе се појављују да би се поставиле између необрађених података продаваца и генералних интерфејса вештачке интелигенције. Ове платформе управљају уношењем, нормализацијом, обогаћивањем и излагањем података о комерцији у облицима које језички модели могу безбедно и ефикасно да користе. За е‑трговинске компаније, ово може да смањи потребу за изградњом комплексне инфраструктуре вештачке интелигенције у кући, али подиже летвицу за управљање подацима узводно и хигијену каталога.
За е‑трговински сектор у целини, примена конверзацијске куповине вођене видеом унутар механизама за одговоре убрзава неколико трендова:
- Product feed-ови еволуирају у графове знања у реалном времену, богато приписане.
- Стандарди каталога и таксономија постају конкурентна средства, а не питања позадинске канцеларије.
- Квалитет PDP-а се мери не само конверзијом на лицу места, већ и колико добро производи могу бити представљени у спољашњим окружењима вођеним вештачком интелигенцијом.
- Брзина укључивања асортимана све више зависи од садржаја уз помоћ вештачке интелигенције и производње медија.
- Алати без кода и вештачке интелигенције постају оперативни слој који омогућава комерцијалним тимовима да усмеравају путовања вођена вештачком интелигенцијом без сталне инжењерске подршке.
ASOS пилот је у раној фази и његов комерцијални утицај тек треба да се квантификује, али сигнализира правац у којем ће се модна е‑трговина вероватно кретати: од статичких листи до конверзацијског, медијски богатог открића које се простире на више платформи, покренуто структурираним, машински читљивим садржајем у сржи комерцијалног стека.
ASOS интеграција са ChatGPT-ом наглашава растући значај структурираних, висококвалитетних података о производима. Овај помак ка „одговорајућој комерцији” наглашава критичну потребу за ефикасним управљањем и обогаћивањем каталога. За предузећа која желе да то постигну, [NotPIM](/blog/product-feed/) пружа робусно решење за обезбеђивање да су product feed-ови тачни, доследни и спремни за апликације вођене вештачком интелигенцијом. Аутоматизацијом задатака као што су мапирање атрибута, обогаћивање садржаја и трансформација feed-а, NotPIM помаже предузећима е-трговине да се прилагоде овом развоју, побољшавајући откривање производа и олакшавајући беспрекорну интеграцију са платформама као што је ChatGPT. Ово помаже нашим клијентима да остану испред криве оптимизацијом својих података за ова нова, иновативна искуства е-трговине. Ово је посебно корисно за побољшање [product feed-ова](/blog/product-feed/), што је кључно за интеграцију вештачке интелигенције. Уз помоћ вештачке интелигенције, можете брзо креирати [описе производа који покрећу продају](/blog/how-to-create-sales-driving-product-descriptions-without-spending-a-fortune/). Разумевање начина на који ови системи функционишу омогућава вам да се не плашите [сложених интеграција](/blog/xml-data-format-how-one-online-store-stopped-fearing-complex-integrations/). Трговци такође могу имати користи од коришћења [програма за обраду ценовника](/blog/price-list_processing_program/).