OpenAI lansira istraživanje kupovine u ChatGPT-u
OpenAI je predstavio istraživanje kupovine, novu značajku u ChatGPT-u koja pretvara AI u interaktivnog istraživača proizvoda. Korisnici opisuju svoje potrebe — poput tihog bežičnog usisavača za mali stan ili poklona za dijete koje voli umjetnost — a sustav odgovara s pojašnjavajućim pitanjima o budžetu, veličini, preferencijama i prioritetima kao što su performanse ili cijena. Zatim provodi višestruka pretraživanja weba, izvlačeći strukturirane podatke o cijenama, specifikacijama, recenzijama i dostupnosti iz kvalitetnih izvora kako bi ponudio personalizirani vodič za kupce s rangiranim opcijama, usporedbama i kompromisima[4][1][2].
Značajka je pokrenuta 24. studenog 2025. za prijavljene korisnike na besplatnim, Plus, Pro i drugim planovima na mobilnim uređajima i webu, s gotovo neograničenom upotrebom tijekom blagdana za pomoć u kupnji poklona. Pokreće ga specijalizirana GPT-5 mini varijanta obučena putem pojačavajućeg učenja za zadatke kupovine, a traje nekoliko minuta po upitu, postižući 52% točnosti na zahtjevima s više ograničenja (poput specifičnih raspona cijena, boja i značajki) u usporedbi s 37% za standardni ChatGPT Search. OpenAI napominje moguće pogreške u cijenama ili dostupnosti, pozivajući na provjeru na web stranicama trgovaca[2][3][4].
Implikacije za feedove proizvoda e-commercea
Istraživanje kupovine povlači podatke u stvarnom vremenu s cijelog weba, sintetizirajući ih u strukturirane vodiče, a ne u sirove popise. To zahtijeva da e-commerce platforme održavaju dinamičke, visokokvalitetne feedove proizvoda s ažuriranim specifikacijama, cijenama i recenzijama kako bi se točno prikazali u pretraživanjima pokretanim AI-om. Nepotpuni ili zastarjeli feedovi riskiraju isključenje iz preporuka, jer AI daje prednost pouzdanim izvorima[1][4].
Za standarde katalogizacije, značajka nameće pomak prema semantičkoj bogatosti: proizvodi moraju uključivati detaljne atribute (dimenzije, materijale, korisničke ocjene) koji su u skladu s upitima na prirodnom jeziku. Kategorije poput elektronike, ljepote, kućanskih potrepština, kuhinjskih aparata i opreme za van najbolje se snalaze zbog svoje prirode bogate specifikacijama, dok se odjeća bori sa subjektivnim čimbenicima poput pristajanja[2][3][4].
Povećanje kvalitete i potpunosti product carda
Vodiči za kupce ističu kompromise i personalizaciju — oslanjajući se na memoriju ChatGPT-a za kontekst poput prošlih preferencija igrača ili nesviđanja stila — izlažući praznine u osnovnim product cardovima. E-commerce mora poboljšati cardove sveobuhvatnim detaljima, slikama i sadržajem koji generiraju korisnici kako bi odgovarao dubini koju AI sintetizira. Interaktivna poboljšanja, kao što su označavanje opcija "nije zainteresiran" ili "više kao ovo", dodatno vrše pritisak na platforme da omoguće filtriranje u stvarnom vremenu[1][2][6].
To podiže ljestvicu za potpunost sadržaja: djelomične specifikacije ili zastarjele recenzije dovode do suboptimalnog rangiranja, jer AI križno referencira više web stranica. Platforme s robusnim, standardiziranim cardovima dobivaju vidljivost u ovim razgovorima[1][5].
Ubrzavanje implementacije asortimana
Tradicionalni e-commerce se oslanja na ručnu kuraciju za nove asortimane, ali istraživanje kupovine ubrzava otkrivanje indeksiranjem web podataka u trenu. Trgovci mogu brže isporučiti inventar putem AI-optimiziranih feedova, smanjujući vrijeme izlaska na tržište za sezonske ili nišne artikle. Duboki način istraživanja značajke — rukovanje složenim odlukama u nekoliko minuta — zaobilazi iscrpno pregledavanje, usmjeravajući promet prema dobro indeksiranim katalozima[4][6].
Blagdanski poticaji poput neograničenih upita naglašavaju ovu brzinu: razdoblja s velikim prometom pojačavaju izloženost agilnim upraviteljima feedova, potencijalno preoblikujući brzinu asortimana s tjedana na dane[4]. Saznajte više o ovoj temi u našem članku o Uobičajene pogreške u učitavanju feeda proizvoda.
No-code i AI integracija u tijekove rada sadržaja
No-code alati sada se neprimjetno integriraju s AI istraživačima, automatizirajući generiranje feeda i obogaćivanje cardova bez timova za razvoj. Oslanjanje istraživanja kupovine na strukturirane web podatke potiče low-code platforme da ugrade AI za dinamičku katalogizaciju, kao što je automatsko označavanje specifikacija ili generiranje tablica usporedbe. U našem članku o CSV formatu možete saznati kako strukturirati podatke o proizvodu u CSV formatu.
Buduća trenutna naplata — već dostupna za odabrane trgovce — nagovještava putovanja zatvorene petlje, spajajući istraživanje s besprijekornom kupnjom. Ova no-code/AI sinergija pojednostavljuje sadržajnu infrastrukturu, pretvarajući statičke kataloge u adaptivne sustave koji reagiraju na upite[2][3]. Također, saznajte više o Umjetna inteligencija za poslovanje.
Retail Dive.
OpenAI Blog.
Evolucija istraživanja kupovine pokretanog AI-om naglašava ključnu promjenu u e-commerceu: naglasak na kvaliteti i potpunosti podataka unutar feedova proizvoda. Kako AI alati postaju sofisticiraniji, oni se oslanjaju na bogate, strukturirane informacije o proizvodu za optimalnu izvedbu. Ovaj trend naglašava važnost rješenja poput NotPIM-a, koja pružaju alate i mogućnosti za standardizaciju, obogaćivanje i optimizaciju podataka o proizvodima, osiguravajući da poduzeća u e-commerceu mogu napredovati u sve više AI-pogonjenom okruženju točnim i sveobuhvatnim predstavljanjem u relevantnim putovanjima kupaca. Za više informacija, pogledajte naš članak o Izazovi integracije podataka.