Nick Shiftan, CTO ב- Bazaarvoice – סדרת ראיונות

Nick Shiftan, CTO ב- Bazaarvoice, הוא מנהיג טכנולוגיה מנוסה ויזם שקריירתו משתרעת על פני שני עשורים של בנייה והקנה של תוכנה ופלטפורמות מסחר ארגוניות. הוא מוכר בעיקר כמייסד ו-CTO של Curalate, חברת מסחר חברתית חלוצית שעזר לגדל במשך כמעט עשור ליותר מ-20 מיליון דולר ב-ARR לפני שנרכשה על ידי Bazaarvoice ב-2020. בתחילת הקריירה שלו, הוא הקים והוביל פיתוח מוצרים ב- Parkio, ומסר תוכנה ארגונית למערכות תחבורה וחניה, והתחיל את מסעו המקצועי ב- Microsoft, שם עבד על Outlook Mobile עבור Windows Mobile. לאחר הרכישה, מה שצפוי היה להיות מעבר קצר התפתח לתפקיד ארוך-טווח ככל שהמשיך לבנות בקנה מידה, והוביל למינויו כ-CTO, שם הוא מתמקד בקידום גילוי מוצרים המנוע על ידי AI המבוסס על נתונים אמיתיים של צרכנים.

Bazaarvoice היא פלטפורמת SaaS מובילה בתעשייה שמאפשרת למותגים וקמעונאים לאסוף, לנהל ולהפעיל תוכן מקורי משתמש, כגון דירוגים, ביקורות, תמונות ווידאו בכל המסלול הדיגיטלי. החברה, הפועלת בקנה מידה גלובלי, עוזרת ליותר ממיליארד קונים מדי חודש לקבל החלטות קניה מושכלות על ידי שיתוף תוכן אמין ברחבי רשת עצומה של מותגים ויעדי קמעונאות, ומניחה שקיפות, אמינות ומסחר נתונים-נהוג במרכז החוויות המקוונות.

כיצד אתה מיישם טכניקות AI-יצרניות ו-LLM-מבוססות כדי לחזק את אמינות הביקורות, מודרציה ואותות אמינות ללא פגיעה בביצועים תחת עומס כבד?

אנו משתמשים ב-AI כדי להציף אותות ודפוסים, ולא כדי להחליף שיפוט אנושי. LLMs עוזרים לסמן פעילות חריגה או תוכן לא אותנטי במהירות, אך המטרה היא תמיד לשמור על אמינות. על ידי אינטגרציה של מודלים אלה לתהליכי אימות לא מקוונים וניתוקם מנתיבי בקשה בזמן אמת, אנו שומרים על ביצועים אפילו כאשר נפחי הגשה מגיעים לשיא. התוצאה היא מודרציה ובדיקות אמינות שהן הן אינטליגנטיות והן מסוגלות.

רבים מהקמעונאים משקיעים רבות באמינות התשלום, אך לעיתים קרובות מתעלמים מהמורכבות של תחזוקת מערכת ביקורות אמינה. מהם הסיכונים המוסתרים בתשתיות ביקורות ודירוגים שאתה חושב שראויים לאותה בדיקה אסטרטגית כמו תשלומים?

דירוגים וביקורות תמיד היו תשתית החלטה-ביקורתית, אך זה במיוחד נכון בעולם של קניות-תומכות-AI. סוכנים AI יסמכו כבדות על אותות אמינות – בעיקר בצורת דירוגים וביקורות – כאשר הם מתן המלצות קניות. עיכובים, נתונים חסרים או אי-אותנטיות מופלגת ישפיעו ישירות על אמון הצרכן. מערכות אלו מורכבות; טיפול בהן עם אותה חומרה כמו מערכות תשלום היא חיונית כדי למנוע הפסדי המרה וקריסת אמינות ארוכת-טווח.

לאחר שהוביל את ההנדסה במספר פלטפורמות מסחר עיקריות, כיצד אתה מותאם את הארגון ואסטרטגיות תגובה לאירועים כאשר מערכות AI – כגון ניתוח רגשות או מודלים לגילוי הונאה – יושבות ישירות בנתיב הנתונים בזמן אמת?

אנו מתייחסים למודלים AI כמו לשירות ביקורתי: ניטור ביצועים ודיוק בזמן אמת. זה כולל מעכב, קצב שגיאות ונדידת התנהגות. אנו מיישמים אמצעי ביטחון כדי שמודלים יוכלו לרדת בצורה חדות או לעקוף נתיבים לא-ביקורתיים תחת עומס. לוחות, התראות אוטומטיות ורונות רץ מבטיחים שנושאי AI מוצגים ומתוקנים לפני שהם משפיעים על הקונים.

כאשר פועלים בקנה מידה גלובלי של Bazaarvoice, כיצד אתה מבטיח שתוכן צרכנים-יוצרים זורם דרך מערכות AI-נהוגות בדרכים ששומרות על ניתנות לביקורת, שקיפות ותגובה בזמן אמת?

זה מגיע ליכולת תצפית קצה-לקצה וחלוקה של צינור. כל חתיכת תוכן עוקבת במהלך חייה, מאינגסט לתצוגה. מודלים AI מספקים המלצות או דגלי מודרציה, אך כל החלטות מתועדות, ניתנות לביקורת וניתנות לעקיבה. המשולב עם באפרים של קיבולת והגדלה דינאמית, זה מבטיח תגובה אפילו תחת עומס שיא בעוד שומר על שקיפות.

בהסתכלות לעתיד, מהם הסיכונים או דפוסי התנהגות AI-נהוגים המתעצבים שאתה חושב שיגדירו את דור הבא של תכנון מערכות קמעונאות, וכיצד מנהיגי IT צריכים להתכונן להם עכשיו?

לי, השאלה המפתח למנהיגי IT בקמעונאות אינה אם קניות-AI תקרה — זו כיצד מסע הקונים שלהם ישתנה כאשר זה יקרה:

• היכן הלקוחות יגלו את המוצרים שלי, באתר שלי או דרך ChatGPT?
• כיצד הם ילמדו על המוצרים שלי, דרך Claude או עוזר הקניות שלי?
• כיצד הם יבצעו את התשלום, בדף התשלום שלי או ישירות דרך ממשק AI?

מודלים גבוליים כנראה ידעו הכל על המוצרים שלך. אך השאלה האמיתית היא: האם הם יספקו את אותה חווית לקוח שאתה יכול לספק היום? אם התשובה היא לא, זה לא מספיק לחכות להזמנות AI-נהוגות להופיע. תצטרך להשקיע בעוזרי AI ובנקודות הכניסה שהופכות אותם לחלק מחווית הקניות הייחודית של המותג שלך.

תודה על הראיון הנהדר, קוראים שרוצים ללמוד יותר צריכים לבקר ב- Bazaarvoice.