Implementazione dell'assistente AI di OTTO
OTTO, il più grande rivenditore online della Germania, ha lanciato assistenti AI integrati direttamente nel suo negozio online e nell'app per la guida allo shopping e il servizio clienti. A partire dal 31 luglio, la funzione appare come una barra di chat sopra le recensioni dei prodotti su otto.de, fornendo risposte in pochi secondi tratte dai titoli dei prodotti, dalle descrizioni e da almeno 50 recensioni dei clienti per garantire risposte equilibrate. Disponibile inizialmente per circa 180.000 articoli in categorie come scarpe, tappeti, macchine da caffè e divani, l'assistente utilizza il modello di linguaggio di grandi dimensioni PaLM 2 di Google Cloud combinato con i dati proprietari di OTTO tramite Vertex AI, mantenendo tutti i dati sui server di OTTO.[1]
Il lancio segna OTTO come il primo negozio online tedesco a testare tale AI in modo nativo sia in ambienti desktop che mobili. Gestisce query colloquiali, errori di ortografia e dati di revisione soggettivi, con un test A/B controllato che divide i clienti: metà accede all'assistente, metà no, per misurare l'impatto sulla soddisfazione, sulla guida e sui tassi di ritorno. Sviluppato dal team Digital & Consulting di OTTO, questo si basa sugli usi esistenti dell'AI come il clustering delle recensioni, il riconoscimento delle immagini e la prevenzione delle frodi.[1]
Implicazioni per i feed di prodotti e gli standard di catalogo
Gli assistenti AI come quello di OTTO migliorano direttamente i feed di prodotti sintetizzando i dati non strutturati delle recensioni e delle descrizioni in informazioni utili, riducendo la dipendenza dai metadati statici. Questo eleva gli standard del catalogo, poiché le risposte devono attingere da articoli con un elevato volume di recensioni, facendo implicitamente pressione sui commercianti affinché diano priorità all'accumulo di recensioni per la visibilità. I feed strutturati traggono vantaggio dalla capacità dell'AI di normalizzare input diversi — titoli, specifiche, feedback degli utenti — in formati coerenti e reattivi alle query, semplificando l'ingestione dei dati per grandi assortimenti.[1] Se vuoi saperne di più sui feed di prodotti, consulta il nostro post sul blog su Feed di prodotti - NotPIM.
In pratica, questa configurazione impone soglie di qualità minime: i prodotti senza 50+ recensioni rimangono non idonei, favorendo una migliore igiene del catalogo. Per le piattaforme di e-commerce, segnala un cambiamento in cui i feed evolvono da semplici elenchi ad asset dinamici e interrogabili dall'AI, standardizzando potenzialmente attributi come i dettagli del materiale o la vestibilità tra le categorie per alimentare generazioni più precise.[1]
Aumentare la qualità della scheda e la velocità degli assortimenti
La completezza della scheda aumenta notevolmente quando l'AI aggrega i sentimenti delle recensioni con le descrizioni, facendo emergere dettagli trascurati come la durata o le dimensioni senza la curatela manuale. I clienti che interrogano "questo tappeto perde peli?" ricevono risposte sintetizzate, colmando le lacune delle schede statiche e migliorando la pienezza percepita. Questo livello no-code — che sfrutta LLM pre-addestrati — consente miglioramenti rapidi senza riprogettare i modelli, poiché OTTO lo ha integrato rapidamente tramite strumenti cloud.[1] Per maggiori informazioni su come creare ottime descrizioni dei prodotti, leggi il nostro articolo su Come creare descrizioni di prodotti che spingono alle vendite senza spendere una fortuna - NotPIM.
La velocità di lancio dell'assortimento aumenta notevolmente: i nuovi elenchi accelerano la visibilità una volta raggiunte le soglie di revisione, consentendo test di mercato più rapidi per articoli stagionali o di tendenza. Ostacoli tradizionali come la lenta accumulazione di recensioni ritardano l'esposizione; l'AI mitiga questo problema qualificando gli articoli più rapidamente, trasformando cataloghi nascenti in feed pronti per l'interrogazione e comprimendo il time-to-market da settimane a giorni.[1][2]
Integrazione di No-Code AI e Conversational Commerce
La distribuzione no-code risplende qui, con l'assistente di OTTO costruito tramite le interfacce di Vertex AI, bypassando la codifica personalizzata pesante per la messa a punto di LLM sui dati interni. Questo democratizza l'AI per i rivenditori di fascia media, dove modelli plug-and-play gestiscono query complesse oltre i bot scriptati, adattandosi alle modifiche in tempo reale del catalogo senza riqualificazione.[1][2] Se stai cercando uno strumento, potresti voler usare il nostro Feed validator - NotPIM.
Nell'infrastruttura di contenuti, alimenta il commercio conversazionale interpretando l'intento da ricerche vaghe, segnali emotivi o carrelli abbandonati, estraendo dati di feed live per spinte di upselling. Questo ciclo — query alla sintesi del feed alla risposta — eleva l'e-commerce statico in sistemi proattivi, riducendo la fatica decisionale e l'abbandono, scalando al contempo su scale B2C senza contenuti proporzionali.[2][3] Per saperne di più sui nostri contenuti di prodotto, clicca sul link.
Più ampi cambiamenti di E-Commerce
Per l'infrastruttura di shopping, la mossa di OTTO sottolinea il ruolo dell'AI nella riduzione dei resi tramite chiarezza pre-acquisto, poiché le query informate sono correlate a migliori corrispondenze. Ipotesi: l'adozione diffusa potrebbe standardizzare i feed pronti per l'AI, privilegiando cataloghi ricchi e densi di recensioni rispetto a quelli scarsi, rimodellando gli incentivi dei fornitori. Le piattaforme ottengono analisi dai modelli di query, perfezionando i feed in modo iterativo senza cicli di feedback espliciti.[1]
Handelsblatt.
GeekWire.
L'esempio di OTTO evidenzia un cambiamento significativo nell'e-commerce, in cui le informazioni sui prodotti vengono generate e migliorate dinamicamente dall'AI, guidando l'importanza di cataloghi di prodotti ricchi di dati e di alta qualità. Questa tendenza aumenta la pressione sui rivenditori affinché mantengano dati di prodotto completi e standardizzati. Per piattaforme come NotPIM, questo sottolinea il valore di una gestione efficiente dei dati e delle capacità di ottimizzazione dei feed. I nostri utenti possono sfruttare NotPIM per semplificare l'arricchimento dei dati, assicurando che le loro informazioni sui prodotti non solo soddisfino, ma anticipino le esigenze in evoluzione delle esperienze di shopping basate sull'AI.