Nick Shiftan, CTO στην Bazaarvoice – Σειρά Συνεντεύξεων

Nick Shiftan, CTO στην Bazaarvoice, είναι ένας έμπειρος τεχνολογικός ηγέτης και επιχειρηματίας, ο οποίος έχει διαμορφώσει την καριέρα του με δύο δεκαετίες κατασκευής και κλιμάκωσης επιχειρηματικών λογισμικών και εμπορικών πλατφορμών. Είναι πιο γνωστός ως συνιδρυτής και CTO της Curalate, μιας πρωτοποριακής εταιρείας κοινωνικού εμπορίου, την οποία βοήθησε να μεγαλώσει σε διάστημα σχεδόν μιας δεκαετίας σε περισσότερα από 20 εκατομμύρια δολάρια σε ετήσιες ανανεωμένες έσοδα, πριν από την απόκτησή της από την Bazaarvoice το 2020. Νωρίτερα στην καριέρα του, ίδρυσε και ηγήθηκε της ανάπτυξης προϊόντων στην Parkio, παρέχοντας επιχειρηματικό λογισμικό για συστήματα μεταφοράς και στάθμευσης, και ξεκίνησε την επαγγελματική του πορεία στην Microsoft (MSFT ), όπου εργάστηκε στο Outlook Mobile για Windows Mobile. Μετά την απόκτηση, ότι αρχικά ήταν αναμενόμενο να είναι μια σύντομη μετάβαση εξελίχθηκε σε μια μακροχρόνια θέση, καθώς συνέχισε να κατασκευάζει σε κλίμακα, οδηγώντας στην τοποθέτησή του ως CTO, όπου ο στόχος του είναι η προώθηση της ανακάλυψης προϊόντων με βάση την τεχνητή νοημοσύνη, βασισμένη στην εμπιστοσύνη και τα αυθεντικά δεδομένα των καταναλωτών.

Bazaarvoice είναι μια ηγετική πλατφόρμα SaaS που επιτρέπει στις μάρκες και τους λιανοπωλητές να συλλέγουν, να διαχειρίζονται και να ενεργοποιούν αυθεντικά γεννημένα από τους χρήστες περιεχόμενα, όπως βαθμολογίες, κριτικές, φωτογραφίες και βίντεο, σε όλη τη ψηφιακή διαδρομή αγοράς. Λειτουργώντας σε παγκόσμια κλίμακα, η εταιρεία βοηθά περισσότερους από ένα δισεκατομμύριο αγοραστές κάθε μήνα να λαμβάνουν ενημερωμένες αποφάσεις αγοράς, διανομώντας αξιόπιστα περιεχόμενα σε ένα εκτενές δίκτυο μαρκών και εμπορικών προορισμών, τοποθετώντας τη διαφάνεια, την αξιοπιστία και την εμπορική δραστηριότητα με βάση τα δεδομένα στο κέντρο των online εμπειριών.

Πώς εφαρμόζετε τεχνικές γεννητικής-ΤΝ και LLM-με βάση για την ενίσχυση της αυθεντικότητας των κριτικών, της μεσολάβησης και των σημάτων εμπιστοσύνης χωρίς να επηρεάζεται η απόδοση υπό βαριά φόρτωση;

Χρησιμοποιούμε ΤΝ για να εμφανίσουμε σήματα και μοτίβα, όχι για να αντικαταστήσουμε την ανθρώπινη κρίση. Τα LLM βοηθούν να σημάνουν ανωμαλή δραστηριότητα ή πιθανώς μη αυθεντικά περιεχόμενα γρήγορα, αλλά ο στόχος είναι πάντα να διατηρήσουμε την εμπιστοσύνη. Ενσωματώνοντας αυτά τα μοντέλα σε离LINE pipelines επαλήθευσης και αποσυνδέοντάς τα από μονοπάτια αιτήσεων σε πραγματικό χρόνο, διατηρούμε την απόδοση ακόμη και όταν οι υποβολές αυξάνονται. Το αποτέλεσμα είναι η μεσολάβηση και οι έλεγχοι αυθεντικότητας που είναι και έξυπνοι και κλιμακωτοί.

Πολλοί λιανοπωλητές επενδύουν πολύ σε αξιοπιστία checkout, αλλά συχνά παραμελούν τη σύνθετη διατήρηση ενός αξιόπιστου οικοσυστήματος κριτικών. Ποια κρυφά рисκ σε υποδομές κριτικών και βαθμολογιών νομίζετε ότι αξίζουν την ίδια στρατηγική επιμέλεια όπως οι πληρωμές;

Οι βαθμολογίες και οι κριτικές έχουν πάντα ήταν κρίσιμη υποδομή, αλλά αυτό είναι ιδιαίτερα αληθινό σε ένα κόσμο με υποστήριξη ΤΝ. Τα πράκτορες ΤΝ θα βασιστούν βαριά στα σήματα εμπιστοσύνης – ιδιαίτερα στη μορφή βαθμολογιών και κριτικών – καθώς κάνουν συστάσεις αγοράς. Καθυστερήσεις, λείψανα δεδομένων ή φανερή μη αυθεντικότητα θα επηρεάσουν直接 την εμπιστοσύνη των καταναλωτών. Αυτά τα συστήματα είναι σύνθετα· η αντιμετώπιση τους με την ίδια αυστηρότητα όπως τα συστήματα checkout είναι απαραίτητη για την αποφυγή απώλειας μετατροπής και μακροχρόνιας διάβρωσης της εμπιστοσύνης.

Έχοντας ηγηθεί μηχανικής σε πολλές μεγάλες εμπορικές πλατφόρμες, πώς προσαρμόζετε στρατηγικές παρατηρησιμότητας και ανταπόκρισης σε περιπτώσεις όταν συστήματα ΤΝ – όπως μοντέλα ανάλυσης συναισθήματος ή ανίχνευσης απάτης – βρίσκονται直接 στο μονοπάτι δεδομένων σε πραγματικό χρόνο;

Θεωρούμε τα μοντέλα ΤΝ σαν οποιαδήποτε άλλη κρίσιμη υπηρεσία: παρακολουθούμε την απόδοση και την ακρίβεια σε πραγματικό χρόνο. Αυτό περιλαμβάνει καθυστερήσεις, ποσοστά σφαλμάτων και συμπεριφορική ολίσθηση. Εφαρμόζουμε ασφαλείς διαδικασίες ώστε τα μοντέλα να peuvent να υποβαθμιστούν με ευγένεια ή να παρακαμφθούν μη κρίσιμα μονοπάτια υπό φόρτωση. Πίνακες ελέγχου, αυτοματοποιημένες ειδοποιήσεις και βιβλία εκτέλεσης εξασφαλίζουν ότι τα ζητήματα ΤΝ εμφανίζονται και επιλύονται πριν επηρεάσουν τους αγοραστές.

Λειτουργώντας στην παγκόσμια κλίμακα της Bazaarvoice, πώς εξασφαλίζετε ότι το καταναλωτικό γεννημένο περιεχόμενο ρέει μέσω των ΤΝ-με-βάση συστημάτων σας με τρόπο που διατηρεί την ελεγκτότητα, τη διαφάνεια και την ανταπόκριση σε πραγματικό χρόνο;

Έρχεται xuống στην ολοκληρωμένη παρατηρησιμότητα και τη διαμερισματική διαδικασία. Κάθε κομμάτι περιεχομένου παρακολουθείται σε όλη τη διάρκεια της ζωής του, από την πρόσληψη μέχρι την εμφάνιση. Τα μοντέλα ΤΝ παρέχουν συστάσεις ή σημάνσεις μεσολάβησης, αλλά όλες οι αποφάσεις καταγράφονται, είναι ελεγκτές και αναλυτές. Σε συνδυασμό με буφέρ δυναμικής κλιμάκωσης, αυτό εξασφαλίζει ανταπόκριση ακόμη και υπό πίεση, διατηρώντας τη διαφάνεια.

Κοιτάζοντας μπροστά, ποια αναδυόμενα ρίσκα ΤΝ ή συμπεριφορικά μοτίβα πιστεύετε ότι θα ορίσουν την επόμενη γενιά σχεδιασμού εμπορικών συστημάτων και πώς πρέπει οι ηγέτες ΤΠ να προετοιμαστούν για αυτά τώρα;

Για μένα, η κρίσιμη ερώτηση για τους ηγέτες ΤΠ του λιανοπωλητή δεν είναι αν η αγορά ΤΝ θα συμβεί — είναι πώς η διαδρομή του αγοραστή θα αλλάξει όταν συμβεί. Αν η αγορά ΤΝ γίνει τόσο κοινή αύριο όσο η online αγορά είναι σήμερα:

• Πού θα ανακαλύψουν οι πελάτες τα προϊόντα μου, στην ιστοσελίδα μου ή μέσω ChatGPT;
• Πώς θα μάθουν για τα προϊόντα μου, μέσω Claude ή του δικού μου βοηθού αγοράς;
• Πώς θα ολοκληρώσουν την αγορά, στην σελίδα checkout μου ή直接 μέσω μιας διεπαφής ΤΝ;

Τα μοντέλα του μελλοντικού ορίζοντα θα γνωρίζουν όλα για τα προϊόντα σας. Nhưng η πραγματική ερώτηση είναι: Θα παρέχουν την ίδια εμπειρία πελάτη που μπορείτε σήμερα; Αν η απάντηση είναι όχι, δεν είναι αρκετό να περιμένετε τις παραγγελίες ΤΝ να εμφανιστούν. Θα πρέπει να επενδύσετε σε βοηθούς ΤΝ και τις σημειακές εισόδους που τα κάνουν μέρος της μοναδικής εμπειρίας αγοράς της μάρκας σας.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Bazaarvoice.