Enjin cadangan produk
Definisi ringkas
Enjin cadangan produk adalah perisian yang mencadangkan produk yang paling mungkin diingini oleh seorang pembeli. Ia bergantung pada tingkah laku mereka, atribut produk, apa yang dibeli oleh pembeli yang serupa atau apa yang mereka minta dalam perbualan.
Pada halaman ini
Pendekatan utama
Penapisan kolaboratif mencadangkan apa yang dibeli atau dilihat oleh orang dengan tingkah laku yang serupa. Penapisan kolaboratif item-ke-item Amazon, yang diterangkan oleh Linden, Smith dan York pada tahun 2003, menjadikan pola “pelanggan yang membeli ini juga membeli” terkenal. Penapisan berdasarkan kandungan mencadangkan produk yang atributnya menyerupai yang disukai oleh pembeli. Peraturan dan pemasaran — penjualan terbaik, margin, kedatangan baru — ditambah di atas dalam kebanyakan kedai.
Setiap pendekatan mempunyai kelemahan yang diketahui: penapisan kolaboratif memerlukan banyak data tingkah laku dan menghadapi kesukaran dengan produk baru dan pengunjung baru, manakala penapisan berdasarkan kandungan memerlukan atribut produk yang bersih dan konsisten.
Cadangan perbualan
Pendekatan yang lebih baru membolehkan pembeli menyatakan apa yang mereka perlukan dalam kata-kata: “hadiah untuk kanak-kanak berumur 10 tahun yang suka sains, di bawah 40 euro”, “vakum untuk flat dengan haiwan peliharaan”. Pembantu AI mentafsir permintaan, mencari dalam katalog berdasarkan makna dan penapis terstruktur — harga, stok, saiz, jenama — dan menerangkan mengapa setiap cadangan sesuai.
Ini berfungsi dengan baik untuk pengunjung kali pertama tanpa sejarah dan untuk pembelian yang dipertimbangkan di mana pembeli mempunyai soalan. Ia sangat bergantung pada kualiti data produk: jika saiz, bahan atau keserasian hilang dari katalog, pembantu tidak dapat menggunakannya.
Kelemahan
Mencadangkan produk yang kehabisan stok, produk yang mengabaikan sekatan yang dinyatakan, atau penjualan terbaik yang sama kepada semua orang dengan cepat merosakkan kepercayaan. Harga yang ditunjukkan dalam cadangan mesti sepadan dengan katalog langsung. Dan cadangan harus dinilai berdasarkan hasil pelanggan — adakah mereka menemui apa yang mereka perlukan? — bukan hanya berdasarkan klik.
Cadangan produk dalam AI SmartTalk
AI SmartTalk mengindeks katalog produk dari Shopify, PrestaShop, WooCommerce dan Joomla, serta produk yang diimport melalui API-nya. Pembantu mencarinya berdasarkan makna dan dengan penapis pada julat harga, stok, jenama, kategori dan atribut varian, boleh mengecualikan istilah yang ditolak oleh pembeli, dan memaparkan hasil sebagai kad produk dengan maklumat stok dan diskaun dalam sembang.
Soalan lazim
Apakah perbezaan antara penapisan kolaboratif dan berasaskan kandungan?
Penapisan kolaboratif menggunakan tingkah laku pembeli lain (orang yang membeli X juga membeli Y). Penapisan berasaskan kandungan menggunakan atribut produk itu sendiri (jaket ini serupa dengan yang itu).
Adakah saya memerlukan banyak data untuk cadangan produk?
Cadangan berasaskan tingkah laku memerlukan. Cadangan berasaskan perbualan dan atribut terutamanya memerlukan katalog yang diterangkan dengan baik, yang menjadikannya boleh digunakan oleh kedai yang lebih kecil.
Bolehkah chatbot AI mencadangkan produk?
Ya, apabila ia disambungkan ke katalog langsung. Ia harus menapis berdasarkan data sebenar seperti harga dan stok, dan bukannya bergantung pada memori model bahasa tentang produk.