SG.hu·
MI-alapú vásárlási asszisztenst indít az OpenAI és a Perplexity
Közeledik az ünnepi vásárlási időszak, ennek kapcsán az OpenAI és a Perplexity egyaránt MI-alapú vásárlási funkciókat jelentett be. Ezek beépülnek a chatbotokba, és a legjobb termékek feltérképezésében segítenek.
Az eszközök feltűnően hasonlóak egymáshoz. Az OpenAI példája szerint a felhasználók megkérhetik a ChatGPT-t, hogy találjanak nekik egy „új, 1000 dollár alatti, 15 hüvelyknél nagyobb kijelzős gamer laptopot”, vagy megoszthatnak egy fényképet egy drága ruhadarabról, és kérhetnek egy ahhoz hasonlót alacsonyabb áron. A Perplexity eközben azt emeli ki, hogy chatbotjának memóriája hogyan egészítheti ki a vásárlással kapcsolatos kereséseket a felhasználók számára, például úgy, hogy valaki olyan ajánlásokat kérhet, amelyek igazodnak ahhoz, amit a chatbot már tud róla, például hol él vagy milyen munkát végez.
Az Adobe előrejelzése szerint az MI által támogatott online vásárlás 520%-kal fog nőni az idei ünnepi szezonban, ami nagy lehetőség lehet olyan MI-vásárlási startupok számára, mint a Phia, a Cherry vagy az Onton, de ahogy az OpenAI és a Perplexity egyre mélyebbre merül az MI-vásárlási élmények világába, vajon veszélyben vannak-e ezek a startupok? Zach Hudson, az Onton lakberendezési cég vezérigazgatója úgy gondolja, hogy a speciális területre fókuszáló MI-vásárlási startupok továbbra is jobb felhasználói élményt nyújtanak majd, mint az olyan általános célú eszközök, mint a ChatGPT és a Perplexity. „Bármely modell vagy tudásgráf csak annyira jó, amennyire az adatforrásai jók” - mondta Hudson. „Jelenleg a ChatGPT és az olyan LLM-alapú eszközök, mint a Perplexity, a meglévő keresőindexekre támaszkodnak, mint amilyen a Bing vagy a Google. Ez pedig azt jelenti, hogy a teljesítményük valójában nem tud jobb lenni annál, amit ezekből az indexekből az első néhány találat visszaad.”
Julie Bornstein, a Daydream vezérigazgatója és e-kereskedelmi vezetője is egyetért: ő a keresést mindig „a divatipar elfeledett gyermekének” látta, mivel soha nem működött igazán jól. „A divat egyedien árnyalt és érzelmi alapú. Megtalálni egy ruhát, amit szeretsz, nem ugyanaz, mint találni egy televíziót” - mondta Bornstein. „Az a fajta megértés, ami a divathoz kapcsolódó vásárláshoz kell, olyan speciális adatokból és merchandising-logikából ered, amelyek értik a sziluetteket, szöveteket, alkalmakat, és azt, hogyan építenek fel az emberek egy ruhatárat.”
Az MI-vásárlási startupok saját adatkészleteket fejlesztenek, hogy eszközeik magasabb minőségű adatokon legyenek betanítva, ez pedig sokkal könnyebben megvalósítható, ha valaki a divat vagy a bútorok világát próbálja katalogizálni, mint amikor „az emberi tudás összességét”. Hudson esetében az Onton olyan adatfeldolgozási rendszert fejlesztett, amely százezernyi lakberendezési terméket katalogizál tisztább módon, segítve a belső modellek jobb adatokkal való betanítását. De ha az MI-vásárlási startupok nem törekszenek ilyen szintű specializációra, Hudson szerint biztosan háttérbe szorulnak. „Ha kizárólag polcról levehető LLM-eket és egy beszélgetésalapú felületet használsz, nagyon nehéz elképzelni, hogyan versenyezhetne egy startup a nagy cégekkel” - mondta Hudson.
Az OpenAI és a Perplexity előnye viszont az, hogy ügyfeleik már most használják az eszközeiket — emellett nagy piaci jelenlétük lehetővé teszi, hogy már a kezdetektől megállapodásokat kössenek nagy kiskereskedőkkel. Míg a Daydream és a Phia a kiskereskedők weboldalaira irányítja át a vásárlókat a vásárlás befejezéséhez - néha jutalékot kérve - addig az OpenAI és a Perplexity a Shopify-jal, illetve a PayPallel kötött partnerségük révén lehetővé teszik, hogy a felhasználók közvetlenül a beszélgetési felületen belül fizessenek.
Mindazonáltal ezek a cégek, amelyek működésükhöz hatalmas mennyiségű, költséges számítási kapacitást igényelnek, még mindig az útjukat keresik a nyereségesség felé. Ha a Google és az Amazon példájából indulnak ki, akkor logikus lehet az e-kereskedelem irányába fordulni, hiszen a kiskereskedők fizethetnek nekik azért, hogy termékeiket hirdessék a keresési találatok között. De végső soron ez csak tovább súlyosbíthatja azokat a problémákat, amelyekkel a felhasználók már most is küszködnek a keresésnél. "A vertikális modellek - legyen szó divatról, utazásról vagy lakberendezési termékekről - jobban teljesítenek majd, mert a valódi fogyasztói döntéshozatalra vannak hangolva” - mondta Bornstein.
Az eszközök feltűnően hasonlóak egymáshoz. Az OpenAI példája szerint a felhasználók megkérhetik a ChatGPT-t, hogy találjanak nekik egy „új, 1000 dollár alatti, 15 hüvelyknél nagyobb kijelzős gamer laptopot”, vagy megoszthatnak egy fényképet egy drága ruhadarabról, és kérhetnek egy ahhoz hasonlót alacsonyabb áron. A Perplexity eközben azt emeli ki, hogy chatbotjának memóriája hogyan egészítheti ki a vásárlással kapcsolatos kereséseket a felhasználók számára, például úgy, hogy valaki olyan ajánlásokat kérhet, amelyek igazodnak ahhoz, amit a chatbot már tud róla, például hol él vagy milyen munkát végez.
Az Adobe előrejelzése szerint az MI által támogatott online vásárlás 520%-kal fog nőni az idei ünnepi szezonban, ami nagy lehetőség lehet olyan MI-vásárlási startupok számára, mint a Phia, a Cherry vagy az Onton, de ahogy az OpenAI és a Perplexity egyre mélyebbre merül az MI-vásárlási élmények világába, vajon veszélyben vannak-e ezek a startupok? Zach Hudson, az Onton lakberendezési cég vezérigazgatója úgy gondolja, hogy a speciális területre fókuszáló MI-vásárlási startupok továbbra is jobb felhasználói élményt nyújtanak majd, mint az olyan általános célú eszközök, mint a ChatGPT és a Perplexity. „Bármely modell vagy tudásgráf csak annyira jó, amennyire az adatforrásai jók” - mondta Hudson. „Jelenleg a ChatGPT és az olyan LLM-alapú eszközök, mint a Perplexity, a meglévő keresőindexekre támaszkodnak, mint amilyen a Bing vagy a Google. Ez pedig azt jelenti, hogy a teljesítményük valójában nem tud jobb lenni annál, amit ezekből az indexekből az első néhány találat visszaad.”
Julie Bornstein, a Daydream vezérigazgatója és e-kereskedelmi vezetője is egyetért: ő a keresést mindig „a divatipar elfeledett gyermekének” látta, mivel soha nem működött igazán jól. „A divat egyedien árnyalt és érzelmi alapú. Megtalálni egy ruhát, amit szeretsz, nem ugyanaz, mint találni egy televíziót” - mondta Bornstein. „Az a fajta megértés, ami a divathoz kapcsolódó vásárláshoz kell, olyan speciális adatokból és merchandising-logikából ered, amelyek értik a sziluetteket, szöveteket, alkalmakat, és azt, hogyan építenek fel az emberek egy ruhatárat.”
Az MI-vásárlási startupok saját adatkészleteket fejlesztenek, hogy eszközeik magasabb minőségű adatokon legyenek betanítva, ez pedig sokkal könnyebben megvalósítható, ha valaki a divat vagy a bútorok világát próbálja katalogizálni, mint amikor „az emberi tudás összességét”. Hudson esetében az Onton olyan adatfeldolgozási rendszert fejlesztett, amely százezernyi lakberendezési terméket katalogizál tisztább módon, segítve a belső modellek jobb adatokkal való betanítását. De ha az MI-vásárlási startupok nem törekszenek ilyen szintű specializációra, Hudson szerint biztosan háttérbe szorulnak. „Ha kizárólag polcról levehető LLM-eket és egy beszélgetésalapú felületet használsz, nagyon nehéz elképzelni, hogyan versenyezhetne egy startup a nagy cégekkel” - mondta Hudson.
Az OpenAI és a Perplexity előnye viszont az, hogy ügyfeleik már most használják az eszközeiket — emellett nagy piaci jelenlétük lehetővé teszi, hogy már a kezdetektől megállapodásokat kössenek nagy kiskereskedőkkel. Míg a Daydream és a Phia a kiskereskedők weboldalaira irányítja át a vásárlókat a vásárlás befejezéséhez - néha jutalékot kérve - addig az OpenAI és a Perplexity a Shopify-jal, illetve a PayPallel kötött partnerségük révén lehetővé teszik, hogy a felhasználók közvetlenül a beszélgetési felületen belül fizessenek.
Mindazonáltal ezek a cégek, amelyek működésükhöz hatalmas mennyiségű, költséges számítási kapacitást igényelnek, még mindig az útjukat keresik a nyereségesség felé. Ha a Google és az Amazon példájából indulnak ki, akkor logikus lehet az e-kereskedelem irányába fordulni, hiszen a kiskereskedők fizethetnek nekik azért, hogy termékeiket hirdessék a keresési találatok között. De végső soron ez csak tovább súlyosbíthatja azokat a problémákat, amelyekkel a felhasználók már most is küszködnek a keresésnél. "A vertikális modellek - legyen szó divatról, utazásról vagy lakberendezési termékekről - jobban teljesítenek majd, mert a valódi fogyasztói döntéshozatalra vannak hangolva” - mondta Bornstein.