В преддверии предпраздничного шопинга компании OpenAI и Perplexity на этой неделе анонсировали функции ИИ-шопинга, которые интегрируются в их существующие чат-боты, чтобы помогать пользователям изучать потенциальные покупки.
Инструменты заметно похожи друг на друга. OpenAI предлагает пользователям обратиться к ChatGPT за помощью в поиске «нового игрового ноутбука стоимостью до 1000 долларов с экраном более 15 дюймов» или поделиться фотографиями дорогой одежды и попросить что-то похожее по более низкой цене.
Тем временем Perplexity размышляет о том, как память ее чат-бота может дополнять поисковые запросы пользователей, связанные с покупками, предполагая, что кто-то может запросить рекомендации, соответствующие тому, что чат-бот уже знает о них, например, где они живут или чем занимаются на работе.
Компания Adobe прогнозирует, что объем онлайн-покупок с использованием ИИ вырастет на 520% в этот праздничный сезон, что может стать благом для стартапов в сфере ИИ-шопинга, таких как Phia, Cherry или Deft. Но находятся ли эти стартапы под угрозой с учетом того, что OpenAI и Perplexity все дальше продвигают возможности ИИ-шопинга?
Зак Хадсон, генеральный директор инструмента для покупок в сфере дизайна интерьера Onton, считает, что стартапы в сфере ИИ-шопинга, работающие в специализированной нише, все равно будут предоставлять пользователям лучший опыт, чем инструменты общего назначения, такие как ChatGPT и Perplexity.
«Любая модель или граф знаний настолько хороши, насколько хороши её источники данных», — сказал Хадсон в интервью TechCrunch. «Сейчас ChatGPT и инструменты на основе LLM, такие как Perplexity, используют существующие поисковые индексы, такие как Bing или Google. Поэтому их эффективность определяется лишь первыми результатами, полученными из этих индексов».
Генеральный директор Daydream и опытный руководитель в сфере электронной коммерции Джули Борнштейн согласна с этим мнением. Летом она заявила TechCrunch, что всегда считала поиск «забытым ребенком» индустрии моды, поскольку он никогда не работал должным образом.
«Мода… уникальна и эмоциональна — найти платье, которое вам нравится, — это не то же самое, что найти телевизор», — заявила Борнштейн TechCrunch во вторник. «Такой уровень понимания процесса покупки одежды достигается благодаря данным, специфичным для данной области, и логике мерчандайзинга, которая учитывает силуэты, ткани, ситуации и то, как люди создают наряды с течением времени».
Стартапы в сфере ИИ-шопинга разрабатывают собственные наборы данных, чтобы их инструменты обучались на данных более высокого качества — этого легче добиться, когда вы пытаетесь каталогизировать модную одежду или мебель, а не сумму всех человеческих знаний.
В случае Хадсона компания Onton разработала конвейер данных для более точной каталогизации сотен тысяч товаров для дизайна интерьера, что помогло обучать внутренние модели на более качественных данных. Но если стартапы в сфере ИИ-шопинга не будут стремиться к такому уровню специализации, Хадсон считает, что они неизбежно останутся в тени.
«Если вы используете только готовые программы магистратуры права и диалоговый интерфейс, очень сложно понять, как стартап может конкурировать с крупными компаниями», — сказал Хадсон.
Однако преимущество OpenAI и Perplexity заключается в том, что их клиенты уже используют их инструменты, а их обширное присутствие позволяет им заключать сделки с крупными ритейлерами с самого начала. В то время как Daydream и Phia перенаправляют клиентов на сайты ритейлеров для завершения покупок, иногда получая при этом партнёрский доход, OpenAI и Perplexity сотрудничают с Shopify и PayPal соответственно, что позволяет пользователям оформлять покупки в диалоговом интерфейсе.
Эти компании, чья работа зависит от гигантских объёмов дорогостоящих вычислительных мощностей, всё ещё пытаются найти способ выйти на прибыльный уровень. Если они вдохновятся опытом Google и Amazon, то имеет смысл рассмотреть электронную коммерцию как вариант — ритейлеры могли бы платить им за рекламу своих товаров в результатах поиска.
Но в конечном итоге это может лишь усугубить существующие проблемы клиентов с поиском.
«Вертикальные модели — будь то мода, путешествия или товары для дома — покажут себя с лучшей стороны, поскольку они ориентированы на реальное принятие решений потребителями», — сказал Борнштейн.
Дополнительный материал предоставлен Иваном Мехтой.
Источник: techcrunch.com
