Розничные продавцы адаптируются к ИИ: что важно в новой норме электронной коммерции?

Продолжающееся развитие инструментов ИИ оказывает глубокое влияние на электронную коммерцию. Потребители все чаще используют генеративные инструменты ИИ, такие как ChatGPT, для поиска, выбора и даже покупки продуктов, что влияет на каждый уровень маркетингового воронки электронной коммерции. Тем временем розничные продавцы используют инструменты ИИ для сбора данных из публичного веба в режиме реального времени для целей, таких как динамическая цена, прогнозирование спроса и управление запасами.

Самое главное, что эти изменения происходят быстро, и розничным продавцам необходимо идти в ногу. Согласно исследованиям, 67% клиентов считают, что компании не реагируют на их меняющиеся потребности достаточно быстро. Пиковый сезон электронной коммерции 2025 года, охватывающий период от подготовки к Черной пятнице до праздников в конце года, является первым крупным тестом того, как клиенты используют ИИ и насколько хорошо розничные продавцы адаптировались и могут использовать его.

От SEO к GEO

Согласно Adobe Analytics, трафик на сайты розничных продавцов из генеративных инструментов ИИ, таких как ChatGPT, Perplexity и Claude, увеличился на 1200% с июля 2024 года по февраль 2025 года. Тем временем, опрос показал, что 23% покупателей планируют использовать чат-боты и инструменты ИИ в этом праздничном сезоне, и эта цифра возрастает до более 42% среди поколения Z и миллениалов. И влияние ИИ теперь распространяется за пределы открытия продукта, поскольку OpenAI недавно ввела Instant Checkout для ChatGPT, позволяя покупателям совершать покупки без выхода из инструмента. В настоящее время это доступно на Etsy и некоторых магазинах Shopify.

Эти разработки означают, что розничным продавцам необходимо пересмотреть содержание, маркетинг и продажи. Консалтинговая компания Bain оценивает, что значительная часть потребителей теперь полагается на результаты без кликов (где ответы предоставляются обзором ИИ вместо посещения сайта) в 40% своих поисков. Это означает меньше трафика на сайты розничных продавцов, хотя коэффициенты конверсии тех, кто приходит на сайты из источников ИИ, выше.

В этом контексте, хотя традиционные тактики оптимизации поисковых систем (SEO) остаются актуальными, траектория rõчно направлена на использование генеративного ИИ для шопинга, что привело к появлению оптимизации генеративного двигателя (GEO). GEO представляет для электронной коммерции ряд новых проблем. Большие языковые модели (LLM), которые обеспечивают генеративные инструменты ИИ, обучены оценивать репутацию, достоверность и надежность при анализе брендов. Следовательно, розничным продавцам необходимо работать над построением своей достоверности, особенно путем получения отзывов или рекомендаций от уважаемых внешних источников.

Описательные запросы продукта

Другим фактором GEO является то, как покупатели формируют запросы при использовании генеративных инструментов ИИ. Согласно OpenAI, почти половина всех запросов использует шаблоны “спроса”. Главный информационный и продуктовый офицер розничного гиганта Target в США недавно заявил, что 25% поисковых запросов, сделанных на их платформе, теперь считаются “описательными запросами”, которые сложны и изощрены.

Если на поисковых системах покупатель может искать “узкую рубашку розового цвета”, то同じ запрос на инструменте ИИ может быть “Узкие рубашки розового цвета для деловых случаев”. Для описательных запросов, таких как этот, описания продукта необходимо адаптировать. Например, на страницах продукта лучшая практика GEO предполагает включение большего количества описания продукта в виде точно написанных, подробных FAQ. Это позволяет ИИ-краулерам легко определить, какие запросы ваш продукт будет хорошим вариантом.

Цифровые песочницы для GEO

В ироничном повороте, ИИ используется для помощи в анализе содержания и GEO. Исследователи в Колумбийской бизнес-школе используют большие языковые модели (LLM) для создания “цифровых двойников”, которые отражают поведение человека. Когда вводится конкретный продукт, LLM генерирует цифрового двойника с покупательским персонажем, включая имя, возраст, профессию и предпочтения. Этот двойник затем проводит соответствующие поиски на ChatGPT, чтобы увидеть, насколько заметно продукта компании в списке. Компании могут затем использовать генеративный ИИ для корректировки того, как их продукты описываются и представляются, на основе результатов этих цифровых двойников.

Подход “цифровой песочницы” может быть продуктивным способом для электронных коммерческих компаний проводить GEO, но он не без рисков. ИИ-агенты имеют свои собственные предубеждения, которые могут повлиять на их работу и поведение. Однако эти подходы предоставляют потенциальный путь вперед в электронной коммерческой разведке.

Сбор данных на основе ИИ

Маркетинговая воронка – это только один элемент электронной коммерции, который нарушается ИИ. Более важной областью является бизнес-интеллект (BI), широкий термин, описывающий сбор и использование данных для генерации инсайтов, которые улучшают стратегию и операции. Для эффективного BI электронные коммерческие компании нуждаются в надежных, актуальных наборах данных, включая внешние данные. ИИ сейчас играет важную роль в сборе конкурентных данных.

Практика извлечения публичных веб-данных, таких как цены и описания продукта, была основой конкуренции электронной коммерции в течение многих лет. Теперь ИИ оптимизирует этот процесс. ИИ-инструменты можно запускать с помощью естественного языка, что означает, что не требуется программирование, и инженерам не нужно тратить часы на построение полного конвейера сбора данных. ИИ также может собирать и фильтровать подходящие URL-адреса для сбора, например, найдя все страницы продукта для определенной категории на сайте конкурента.

С ростом ИИ-ассистентов шопинга электронные коммерческие компании также будут более склонны собирать данные из друг друга, которые появляются только после выполнения определенных действий, например, окончательной цены при оформлении заказа.

Прогнозирование спроса и реагирование в режиме реального времени

С помощью массива данных в режиме реального времени, от цен конкурентов до запасов, розничные продавцы могут корректировать свои цены или маркетинг сразу и предоставлять лучшие предложения клиентам.

Динамическая цена – одна из наиболее важных и популярных функций BI, которую розничные продавцы могут использовать, и согласно недавнему опросу, 61% розничных продавцов в Европе используют ее. Однако тот же опрос показал, что менее 15% используют алгоритмы или ИИ для этой цели, что открывает возможности. Используя последние данные о конкурентных ценах, LLM можно обучить автоматически корректировать цены, что особенно полезно во время пиковых периодов, таких как праздничный сезон.

ИИ может использовать данные о спросе клиентов и уровне запасов для прогнозирования будущего спроса. Это может принести множество преимуществ. Deloitte Digital подчеркнул, как розничные продавцы могут использовать ИИ для мониторинга своих запасов, управления запасами и размещения заказов динамически. Кроме того, ИИ может помочь анализировать данные, собранные по всему вебу, чтобы понять, как бренд воспринимается, предоставляя стратегические инсайты.

Открытость возможностям

Хотя ИИ нарушает маркетинговую воронку электронной коммерции, он также создает новые возможности. Его можно использовать для анализа и создания гео-оптимизированного контента. Он обеспечивает усилия по сбору ценных данных из публичного веба в режиме реального времени. ИИ также добавляет ценность в анализе данных для принятия решений о ценах, запасах и стратегии. И это не говоря о других потенциальных применениях, таких как улучшенная поддержка клиентов.

Что-то такое разрушительное, как ИИ, всегда страшно, особенно для розничных продавцов, которые подходят к своему основному периоду продаж. Однако те, кто остается открытым для возможностей, которые создает ИИ, могут сделать больше, чем просто выжить. Они могут процветать.