Implementacija AI asistenta tvrtke OTTO
OTTO, najveći njemački online trgovac, pokrenuo je AI asistente integrirane izravno u svoju online trgovinu i aplikaciju za vođenje kupovine i korisničku podršku. Počevši od 31. srpnja, značajka se pojavljuje kao traka za chat iznad recenzija proizvoda na otto.de, pružajući odgovore u sekundama na temelju naziva proizvoda, opisa i najmanje 50 recenzija kupaca kako bi se osigurali uravnoteženi odgovori. Isprva dostupna za oko 180.000 artikala u kategorijama kao što su cipele, tepisi, aparati za kavu i sofe, asistent koristi Google Cloudov PaLM 2 veliki jezični model u kombinaciji s OTTO-ovim proprietarnim podacima putem Vertex AI, dok sve podatke čuva na OTTO-ovim poslužiteljima.[1]
Uvođenje označava OTTO kao prvu njemačku online trgovinu koja je izvorno testirala takvu AI u desktop i mobilnim okruženjima. Rukuje kolokvijalnim upitima, pravopisnim pogreškama i subjektivnim podacima o recenzijama, uz kontrolirani A/B test koji dijeli kupce: polovica ima pristup asistentu, a polovica ne, kako bi se izmjerili učinci na zadovoljstvo, vođenje i stope povrata. Razvijen od strane OTTO-ovog tima za digitalno i savjetovanje, nadograđuje se na postojeće primjene AI kao što su grupiranje recenzija, prepoznavanje slika i sprječavanje prijevara.[1]
Implikacije za podatkovne feedove proizvoda i standarde kataloga
AI asistenti poput OTTO-ovih izravno poboljšavaju podatkovne feedove proizvoda sintetiziranjem nestrukturiranih podataka iz recenzija i opisa u korisne uvide, smanjujući oslanjanje na statične metapodatke. To podiže standarde kataloga, jer odgovori moraju crpiti iz artikala s velikim brojem recenzija, implicitno vršeći pritisak na trgovce da daju prioritet akumulaciji recenzija radi vidljivosti. Strukturirani feedovi imaju koristi od AI-jeve sposobnosti da normalizira različite ulaze — nazive, specifikacije, povratne informacije korisnika — u dosljedne formate koji reagiraju na upite, pojednostavljujući unos podataka za velike asortimane.[1] Ako želite saznati više o podatkovnim feedovima proizvoda, provjerite našu objavu na blogu o Podatkovni feed proizvoda - NotPIM.
U praksi, ovo postavljanje nameće minimalne pragove kvalitete: proizvodi bez 50+ recenzija ostaju neispravni, promičući bolju higijenu kataloga. Za e-commerce platforme, to signalizira pomak u kojem se feedovi razvijaju od pukih popisa do dinamičkih, AI-upitljivih resursa, potencijalno standardizirajući atribute kao što su detalji o materijalu ili pristajanju u različitim kategorijama kako bi se potaknule preciznije generacije.[1]
Poboljšanje kvalitete kartice i brzine asortimana
Potpunost kartice porasla je jer AI agregira sentimente recenzija s opisima, izdvajajući zanemarene detalje kao što su trajnost ili veličina bez ručnog kuriranja. Kupci koji postavljaju upit "hoće li se ovaj tepih osipati?" primaju sintetizirane odgovore, popunjavajući praznine u statičkim karticama i poboljšavajući percepciju potpunosti. Ovaj sloj bez koda — korištenjem unaprijed obučenih LLM-ova — omogućuje brza poboljšanja bez ponovnog dizajniranja predložaka, jer ga je OTTO brzo integrirao putem alata u oblaku.[1] Za više informacija o tome kako stvoriti izvrsne opise proizvoda, pročitajte naš članak o Kako stvoriti opise proizvoda koji potiču prodaju bez trošenja bogatstva - NotPIM.
Brzina uvođenja asortimana dramatično se povećava: nova uvrštenja ubrzavaju vidljivost nakon što se ispune pragovi recenzija, omogućujući brže testiranje na tržištu za sezonske ili trendovske artikle. Tradicionalne prepreke poput sporog nakupljanja recenzija odgađaju izloženost; AI to ublažava bržim kvalificiranjem artikala, pretvarajući nascentne kataloge u feedove spremne za upite i komprimirajući vrijeme do tržišta s tjedana na dane.[1][2]
AI bez koda i integracija konverzacijske trgovine
Implementacija bez koda ovdje sjaji, s OTTO-ovim asistentom izgrađenim putem Vertex AI sučelja, zaobilazeći teško prilagođeno kodiranje za fino podešavanje LLM-a na internim podacima. To demokratizira AI za trgovce srednjeg ranga, gdje modeli plug-and-play rješavaju složene upite izvan skriptiranih botova, prilagođavajući se promjenama kataloga u stvarnom vremenu bez ponovnog osposobljavanja.[1][2] Ako tražite alat, možda ćete htjeti koristiti naš Validator feeda - NotPIM.
U sadržajnoj infrastrukturi, pokreće konverzacijsku trgovinu tumačeći namjeru iz nejasnih pretraživanja, emocionalnih znakova ili napuštenih košarica, povlačeći podatke uživo za poticaje za upsell. Ova petlja — upit do sinteze feeda do odgovora — uzdiže statički e-commerce u proaktivne sustave, smanjujući zamor odlučivanja i napuštanje, dok se skalira u B2C razmjerima bez proporcionalnih operacija sadržaja.[2][3] Da biste saznali više o našem sadržaju proizvoda, kliknite na poveznicu.
Širi e-commerce pomaci
Za infrastrukturu kupovine, OTTO-ov potez naglašava ulogu AI u smanjenju povrata putem jasnoće prije kupnje, jer se informirani upiti povezuju s boljim podudaranjima. Hipoteza: široko usvajanje moglo bi standardizirati feedove spremne za AI, dajući prednost bogatim katalogama s puno recenzija u odnosu na one rijetke, preoblikujući poticaje dobavljača. Platforme dobivaju analitiku iz uzoraka upita, iterativno usavršavajući feedove bez eksplicitnih povratnih petlji.[1]
Handelsblatt.
GeekWire.
OTTO-ov primjer ističe značajan pomak u e-commerceu, gdje se informacije o proizvodima dinamički generiraju i poboljšavaju pomoću AI, potičući važnost visokokvalitetnih, bogatih kataloga proizvoda s podacima. Ovaj trend povećava pritisak na trgovce da održe sveobuhvatne i standardizirane podatke o proizvodima. Za platforme poput NotPIM-a, to naglašava vrijednost učinkovitog upravljanja podacima i mogućnosti optimizacije feeda. Naši korisnici mogu iskoristiti NotPIM za pojednostavljenje obogaćivanja podataka, osiguravajući da njihove informacije o proizvodima ne samo da zadovoljavaju, već i anticipiraju rastuće zahtjeve iskustava kupovine koja pokreće AI.