ผู้ค้าปลีกปรับตัวให้เข้ากับ AI: สิ่งที่สำคัญในยุคใหม่ของอีคอมเมิร์ซ

การพัฒนาเครื่องมือ AI อย่างต่อเนื่องก่อให้เกิดผลกระทบอย่างลึกซึ้งต่ออีคอมเมิร์ซ ผู้บริโภคใช้เครื่องมือ AI ที่สร้างขึ้น เช่น ChatGPT เพื่อค้นหา เลือก และแม้แต่ซื้อสินค้า ซึ่งเป็นการพัฒนาที่ส่งผลกระทบต่อทุกระดับของการตลาดอีคอมเมิร์ซ ในขณะเดียวกัน ผู้ค้าปลีกใช้เครื่องมือ AI เพื่อรวบรวมข้อมูลเว็บสาธารณะแบบเรียลไทม์ สำหรับวัตถุประสงค์ เช่น การกำหนดราคาแบบไดนามิก การคาดการณ์อุปสงค์ และการบริหารจัดการสินค้า

สิ่งที่สำคัญที่สุด คือ การเปลี่ยนแปลงเหล่านี้เกิดขึ้นอย่างรวดเร็ว และผู้ค้าปลีกอีคอมเมิร์ซต้องติดตามตาม การวิจัย 67% ของลูกค้าไม่คิดว่าบริษัทต่างๆ ตอบสนองต่อความต้องการที่เปลี่ยนแปลงของตนอย่างรวดเร็วเพียงพอ ช่วงเวลาไฮซีซั่นของอีคอมเมิร์ซในปี 2025 ซึ่งครอบคลุมตั้งแต่ก่อนวัน Black Friday ถึงช่วงวันหยุดสิ้นปี เป็นการทดสอบครั้งสำคัญแรกว่าลูกค้าใช้ AI อย่างไร และผู้ค้าปลีกปรับตัวและใช้ AI ได้ดีเพียงใด

จาก SEO ถึง GEO

ตามข้อมูลของ Adobe Analytics การเข้าชมผู้ค้าปลีกจากเครื่องมือ AI ที่สร้างขึ้น เช่น ChatGPT, Perplexity และ Claude เพิ่มขึ้น 1,200% ตั้งแต่เดือนกรกฎาคม 2024 ถึงเดือนกุมภาพันธ์ 2025 ในขณะเดียวกัน การสำรวจ พบว่า 23% ของผู้ช้อปวางแผนจะใช้แชทบอทและเครื่องมือ AI ในช่วงวันหยุดนี้ โดยตัวเลขนี้เพิ่มขึ้นเป็นมากกว่า 42% ในหมู่ Gen Z และมิลเลนเนียล และผลกระทบของ AI กว้างขวางเกินกว่าการค้นหาสินค้า โดย OpenAI เพิ่งเปิดตัว Instant Checkout สำหรับ ChatGPT ซึ่งทำให้ผู้ช้อปสามารถซื้อสินค้าได้โดยไม่ต้องออกจากเครื่องมือนี้ ซึ่งปัจจุบันใช้งานได้บน Etsy และร้านค้าบางแห่งบน Shopify

การเปลี่ยนแปลงเหล่านี้หมายความว่าผู้ค้าปลีกอีคอมเมิร์ซต้องคิดใหม่เกี่ยวกับเนื้อหา การตลาด และการขาย การให้คำปรึกษาทางด้าน Bain ประมาณการว่าผู้บริโภคส่วนใหญ่ปัจจุบันพึ่งพาผลลัพธ์แบบไม่ต้องคลิก (โดยที่คำตอบจะถูกให้โดยการสรุป AI แทนที่จะเข้าชมเว็บไซต์) ใน 40% ของการค้นหา ของพวกเขา ซึ่งหมายความว่ามีการเข้าชมเว็บไซต์ของผู้ค้าปลีกน้อยลง แม้ว่าอัตราการแปลงของ ผู้ที่เข้าชมเว็บไซต์จากแหล่ง AI จะสูงกว่าก็ตาม

ในบริบทนี้ ในขณะที่ยุทธวิธี SEO แบบดั้งเดิมยังคงมีความเกี่ยวข้อง แต่แนวโน้มชัดเจนไปสู่การใช้ AI ที่สร้างขึ้นสำหรับการช้อปปิ้ง ดังนั้นจึงมีการเกิดขึ้นของ Generative Engine Optimization (GEO) GEO นำเสนอความท้าทายใหม่ๆ ให้กับผู้ค้าปลีกอีคอมเมิร์ซ โมเดลภาษาขนาดใหญ่ (LLMs) ที่ขับเคลื่อนเครื่องมือ AI ที่สร้างขึ้นได้รับการฝึกฝนเพื่อประเมินชื่อเสียง ความน่าเชื่อถือ และความน่าเชื่อถือเมื่อวิเคราะห์ยี่ห้อ ดังนั้นผู้ค้าปลีกจึงต้องทำงานอย่างหนักเพื่อสร้างความน่าเชื่อถือ โดยเฉพาะอย่างยิ่งในการได้รับการรีวิวหรือคำแนะนำจากแหล่งภายนอกที่ได้รับการยกย่อง

คำถามสินค้าที่อธิบายรายละเอียด

อีกหนึ่งปัจจัยของ GEO ที่ต้องดิ้นรนคือวิธีที่ลูกค้าสร้างคำถามเมื่อใช้เครื่องมือ AI ที่สร้างขึ้น ตาม OpenAI เกือบครึ่งหนึ่งของคำถามทั้งหมดใช้แบบแผน “การถาม” ประธานเจ้าหน้าที่ข้อมูลและผลิตภัณฑ์ของ Target ร้านค้าปลีกยักษ์ใหญ่ของสหรัฐฯ อ้างว่า 25% ของคำขอการค้นหาที่ทำบนแพลตฟอร์มของตนถือเป็น ‘คำถามที่อธิบายรายละเอียด’ ที่ซับซ้อนและซับซ้อน

ในขณะที่บนเครื่องมือค้นหาลูกค้าอาจค้นหา “ชุดเชิ้ตสีชมพูแบบฟิต” คำถามเดียวกันบนเครื่องมือ AI อาจเป็น “ชุดเชิ้ตสีชมพูแบบฟิตสำหรับงานปาร์ตี้ธุรกิจ” สำหรับคำถามที่อธิบายรายละเอียดดังกล่าว คำอธิบายสินค้าต้องได้รับการปรับเปลี่ยน ตัวอย่างเช่น บนหน้าผลิตภัณฑ์ การปฏิบัติตาม GEO ที่ดีที่สุดแนะนำให้รวมคำอธิบายผลิตภัณฑ์มากขึ้นในรูปแบบของคำถามที่เขียนอย่างแม่นยำและละเอียด ซึ่งช่วยให้เครื่องมือ AI สามารถระบุได้ง่ายว่าคำถามใดที่สินค้าของคุณเหมาะสม

ดิจิทัลแซนด์บ็อกซ์สำหรับ GEO

ในความขัดแย้งกัน AI ถูกใช้เพื่อช่วยในการวิเคราะห์เนื้อหาและ GEO นักวิจัยที่ Columbia Business School ใช้โมเดลภาษาขนาดใหญ่ (LLMs) เพื่อสร้าง “ดิจิทัลทวิน” ที่สะท้อนพฤติกรรมของมนุษย์ เมื่อผลิตภัณฑ์เฉพาะถูกป้อน LLM จะสร้างดิจิทัลทวินที่มีบุคลิกภาพผู้ช้อป รวมถึงชื่อ อายุ อาชีพ และความชอบ จากนั้นดิจิทัลทวินจะดำเนินการค้นหาที่เกี่ยวข้องบน ChatGPT เพื่อดูว่าผลิตภัณฑ์ของบริษัทถูกจัดแสดงอย่างเด่นชัดเพียงใด บริษัทต่างๆ สามารถใช้ AI ที่สร้างขึ้นเพื่อปรับเปลี่ยนวิธีการอธิบายและนำเสนอผลิตภัณฑ์ตามผลการค้นหาของดิจิทัลทวินเหล่านี้

วิธีการ “ดิจิทัลแซนด์บ็อกซ์” เช่นนี้สามารถเป็นวิธีที่มีประสิทธิภาพสำหรับบริษัทอีคอมเมิร์ซในการดำเนินการ GEO แต่ก็ไม่ปราศจากความเสี่ยง ตัวแทน AI มีความลำเอียงของตนเอง ซึ่งอาจส่งผลต่อวิธีการทำงานและพฤติกรรมของพวกเขา อย่างไรก็ตาม วิธีการเหล่านี้ให้วิธีที่เป็นไปได้สำหรับอีคอมเมิร์ซอินเทลลิเจนซ์

การรวบรวมข้อมูลที่มีพลังงานจาก AI

การตลาดฟันเนลเป็นเพียงส่วนหนึ่งของอีคอมเมิร์ซที่ถูกทำลายโดย AI พื้นที่ที่สำคัญกว่านั้นอาจเป็นธุรกิจอินเทลลิเจนซ์ (BI) ซึ่งเป็นคำทั่วไปที่อธิบายการรวบรวมและใช้ข้อมูลเพื่อสร้างข้อมูลเชิงลึกที่ปรับปรุงกลยุทธ์และการดำเนินงาน สำหรับ BI ที่มีประสิทธิภาพ บริษัทอีคอมเมิร์ซต้องการชุดข้อมูลที่เชื่อถือได้และเป็นปัจจุบัน รวมถึงข้อมูลภายนอก AI กำลังเล่นบทบาทสำคัญในการรวบรวมข้อมูลการแข่งขัน

การปฏิบัติในการดึงข้อมูลเว็บสาธารณะ เช่น ราคาและคำอธิบายผลิตภัณฑ์ เป็นสิ่งสำคัญของการแข่งขันอีคอมเมิร์ซมานานแล้ว ตอนนี้ AI ได้ทำให้กระบวนการนี้ง่ายขึ้น เครื่องมือที่ใช้ AI สามารถถูกกระตุ้นโดยใช้ภาษาแบบธรรมชาติ ซึ่งหมายความว่าไม่ต้องมีการเขียนโค้ด และวิศวกรไม่ต้องใช้เวลาชั่วโมงในการสร้างพายพ์ในการรวบรวมข้อมูลทั้งหมด AI ยังสามารถรวบรวมและกรอง URL ที่เหมาะสมสำหรับการสแกน เช่น การค้นหาหน้าผลิตภัณฑ์ทั้งหมดสำหรับหมวดหมู่เฉพาะบนเว็บไซต์ของคู่แข่ง

ด้วยการเพิ่มขึ้นของ AI ที่ช่วยในการช้อปปิ้ง บริษัทอีคอมเมิร์ซจะเก็บจุดข้อมูลจากกันและกันซึ่งปรากฏเฉพาะหลังการดำเนินการเสร็จสิ้น เช่น ราคาในการชำระเงินสุดท้าย

การคาดการณ์อุปสงค์และตอบสนองแบบเรียลไทม์

ด้วยข้อมูลแบบเรียลไทม์ที่รวบรวมมา ผู้ค้าปลีกสามารถปรับราคาหรือการตลาดได้ทันที และให้ข้อเสนอที่ดีที่สุดแก่ลูกค้า

การกำหนดราคาแบบไดนามิกเป็นหนึ่งในฟังก์ชัน BI ที่สำคัญที่สุดและเป็นที่นิยมที่สุดที่ผู้ค้าปลีกสามารถใช้ได้ และตาม การสำรวจล่าสุด 61% ของผู้ค้าปลีกในยุโรปใช้การกำหนดราคาแบบไดนามิก แต่การสำรวจเดียวกันพบว่าน้อยกว่า 15% ใช้อัลกอริทึมหรือ AI สำหรับวัตถุประสงค์นี้ ซึ่งแสดงถึงโอกาส AI สามารถใช้ข้อมูลการแข่งขันราคาไดนามิก LLMs สามารถถูกฝึกฝนเพื่อปรับราคาโดยอัตโนมัติ ซึ่ง尤其มีประโยชน์ในช่วงเวลาไฮซีซั่น เช่น ช่วงวันหยุด

AI สามารถใช้ข้อมูลเกี่ยวกับความต้องการของลูกค้าและระดับสินค้าเพื่อคาดการณ์อุปสงค์ในอนาคต ซึ่งสามารถนำมาซึ่งประโยชน์หลายประการ Deloitte Digital ได้เน้นย้ำ ว่าผู้ค้าปลีกสามารถใช้ AI เพื่อติดตามสต็อกของตนเอง จัดการสินค้า และสั่งซื้อแบบไดนามิก นอกจากนี้ AI ยังช่วยวิเคราะห์ข้อมูลที่รวบรวมจากทั่วทุกมุมโลกเพื่อทำความเข้าใจว่ายี่ห้อถูกมองเห็นอย่างไร โดยให้ข้อมูลเชิงกลยุทธ์ระดับบน

เปิดกว้างสำหรับโอกาส

ในขณะที่ AI กำลังทำลายการตลาดฟันเนลของอีคอมเมิร์ซ แต่ก็สร้างโอกาสใหม่ๆ เช่นกัน AI สามารถใช้ในการวิเคราะห์และสร้างเนื้อหาที่ได้รับการปรับให้เหมาะสมสำหรับภูมิภาค นอกจากนี้ยังช่วยในการรวบรวมข้อมูลเว็บสาธารณะแบบเรียลไทม์ที่มีค่า AI ยังเพิ่มคุณค่าในการวิเคราะห์ข้อมูลเพื่อตัดสินใจเกี่ยวกับราคา สินค้า และกลยุทธ์ และนี่ไม่ได้พูดถึงการใช้งานที่เป็นไปได้อื่นๆ เช่น การสนับสนุนลูกค้าที่ได้รับการปรับปรุง

สิ่งที่มีผลกระทบเช่น AI อาจทำให้กลัว โดยเฉพาะอย่างยิ่งสำหรับผู้ค้าปลีกที่กำลังเข้าใกล้ฤดูกาลขายหลักของพวกเขา อย่างไรก็ตาม ผู้ที่ยังคงเปิดกว้างสำหรับโอกาสที่ AI สร้างขึ้นสามารถทำมากกว่าแค่เอาชีวิตรอด พวกเขาสามารถเติบโตได้