Внедрение AI-ассистента от OTTO
OTTO, крупнейший онлайн-ритейлер Германии, запустил AI-ассистентов, интегрированных непосредственно в свой интернет-магазин и приложение для помощи при совершении покупок и обслуживания клиентов. Начиная с 31 июля, эта функция отображается в виде панели чата над обзорами товаров на сайте otto.de, предоставляя ответы в течение нескольких секунд на основе названий товаров, описаний и не менее 50 отзывов покупателей, чтобы обеспечить сбалансированные ответы. Изначально функция доступна для примерно 180 000 товаров в таких категориях, как обувь, ковры, кофемашины и диваны. Ассистент использует большую языковую модель Google Cloud PaLM 2 в сочетании с собственными данными OTTO через Vertex AI, при этом все данные хранятся на серверах OTTO.[1]
Этот запуск делает OTTO первым немецким онлайн-магазином, который тестирует подобный AI в нативной среде как для настольных, так и для мобильных устройств. Он обрабатывает разговорные запросы, орфографические ошибки и данные субъективных обзоров, при этом проводится контролируемое A/B-тестирование, в котором клиенты разделены на две группы: половина получает доступ к ассистенту, а половина - нет, чтобы измерить влияние на удовлетворенность, помощь в выборе и показатели возврата. Разработанный командой OTTO Digital & Consulting, он основан на существующих способах использования AI, таких как кластеризация обзоров, распознавание изображений и предотвращение мошенничества.[1]
Влияние на Product Feeds и стандарты каталогов
AI-ассистенты, подобные тому, что использует OTTO, напрямую улучшают product feeds, синтезируя неструктурированные данные из обзоров и описаний в действенные сведения, уменьшая зависимость от статических метаданных. Это повышает стандарты каталогов, поскольку ответы должны извлекаться из товаров с большим количеством обзоров, что неявно заставляет продавцов уделять приоритетное внимание накоплению обзоров для повышения видимости. Структурированные feeds выигрывают от способности AI нормализовать различные входные данные — названия, характеристики, отзывы пользователей — в последовательные форматы, реагирующие на запросы, упрощая ввод данных для больших ассортиментов.[1] Если вы хотите узнать больше о product feeds, ознакомьтесь с нашей статьей в блоге Product feed - NotPIM.
На практике эта настройка обеспечивает соблюдение минимальных пороговых значений качества: товары без 50+ обзоров остаются недоступными, что способствует улучшению гигиены каталога. Для платформ электронной коммерции это сигнализирует о сдвиге, когда feeds превращаются из простых списков в динамические, AI-запрашиваемые ресурсы, потенциально стандартизируя такие атрибуты, как детали материала или соответствие размерам в разных категориях, чтобы стимулировать более точные генерации.[1]
Повышение качества product card и скорости пополнения ассортимента
Полнота карточек (product card) увеличивается, поскольку AI агрегирует настроения из обзоров с описаниями, выявляя упущенные детали, такие как долговечность или размеры, без ручной модерации. Клиенты, задающие вопрос «линяет ли этот ковер?», получают синтезированные ответы, заполняя пробелы в статических карточках и улучшая воспринимаемую полноту. Этот no-code слой — использующий предварительно обученные LLM — позволяет быстро улучшать карточки без перепроектирования шаблонов, поскольку OTTO интегрировал его быстро с помощью облачных инструментов.[1] Чтобы узнать больше о том, как создавать отличные описания продуктов, прочитайте нашу статью о How to Create Sales-Driving Product Descriptions Without Spending a Fortune - NotPIM.
Скорость обновления ассортимента значительно возрастает: новые listings ускоряют видимость после достижения порогового значения по отзывам, обеспечивая более быстрое тестирование рынка для сезонных или трендовых товаров. Традиционные препятствия, такие как медленное накопление обзоров, задерживают показ; AI смягчает это, квалифицируя товары быстрее, превращая зарождающиеся каталоги в готовые к запросам feeds и сокращая время выхода на рынок с недель до дней.[1][2]
No-code AI и интеграция Conversational Commerce
No-code развертывание здесь сияет, поскольку ассистент OTTO создан через интерфейсы Vertex AI, обходя трудоемкое пользовательское кодирование для точной настройки LLM на внутренних данных. Это демократизирует AI для ритейлеров среднего уровня, где plug-and-play модели обрабатывают сложные запросы, выходящие за рамки сценариев ботов, адаптируясь к изменениям каталога в режиме реального времени без переобучения.[1][2] Если вы ищете инструмент, вы можете использовать наш Feed validator - NotPIM.
В инфраструктуре контента это обеспечивает Conversational Commerce, интерпретируя намерения из расплывчатых поисковых запросов, эмоциональных сигналов или брошенных корзин, извлекая данные из live feeds для подталкивания к upsell. Этот цикл — запрос к синтезу feed для ответа — превращает статическую электронную коммерцию в проактивные системы, сокращая усталость от принятия решений и отказы, масштабируясь в B2C без пропорциональных операций с контентом.[2][3] Чтобы узнать больше о нашем контенте о продуктах, перейдите по ссылке.
Более широкие сдвиги в электронной коммерции
Для инфраструктуры покупок этот шаг OTTO подчеркивает роль AI в сокращении возвратов за счет ясности до покупки, поскольку информированные запросы коррелируют с лучшими соответствиями. Гипотеза: широкое внедрение может стандартизировать AI-готовые feeds, уделяя приоритетное внимание богатым, насыщенным обзорами каталогам, а не скудным, изменяя стимулы для поставщиков. Платформы получают аналитику из шаблонов запросов, итеративно улучшая feeds без явных петель обратной связи.[1]
Handelsblatt.
GeekWire.
Пример OTTO подчеркивает значительный сдвиг в электронной коммерции, когда информация о продуктах динамически генерируется и улучшается с помощью AI, повышая важность высококачественных, насыщенных данными каталогов продуктов. Эта тенденция усиливает давление на ритейлеров, чтобы они поддерживали исчерпывающие и стандартизированные данные о продуктах. Для таких платформ, как NotPIM, это подчеркивает ценность эффективного управления данными и возможностей оптимизации feed. Наши пользователи могут использовать NotPIM для оптимизации обогащения данных, гарантируя, что информация об их продуктах не только соответствует, но и предвосхищает растущие требования к AI-driven покупкам.