ผู้ค้าปลีกปรับตัวให้เข้ากับ AI: สิ่งที่สำคัญในยุคใหม่ของอีคอมเมิร์ซ

การพัฒนาต่อเนื่องของเครื่องมือ AI กำลังมีผลกระทบอย่างลึกซึ้งต่ออีคอมเมิร์ซ ผู้บริโภคกำลังใช้เครื่องมือ AI ที่สร้างขึ้น เช่น ChatGPT เพื่อค้นหา เลือก และแม้แต่ซื้อสินค้า ซึ่งเป็นการพัฒนาที่ส่งผลกระทบต่อทุกระดับของการตลาดอีคอมเมิร์ซ ในขณะเดียวกัน ผู้ค้าปลีกกำลังใช้เครื่องมือ AI เพื่อรวบรวมข้อมูลเว็บสาธารณะแบบเรียลไทม์ สำหรับวัตถุประสงค์ เช่น การตั้งราคาที่มีพลวัต การคาดการณ์อุปสงค์ และการบริหารจัดการสินค้า

สิ่งที่สำคัญที่สุดคือ การเปลี่ยนแปลงเหล่านี้เกิดขึ้นอย่างรวดเร็ว และผู้ค้าปลีกอีคอมเมิร์ซต้องติดตามให้ทัน ตามการวิจัย 67% ของลูกค้าไม่คิดว่าบริษัทต่างๆ ตอบสนองต่อความต้องการที่เปลี่ยนแปลงของพวกเขาอย่างรวดเร็วพอที่จะตอบสนอง ช่วงเวลาไฮซีซั่นของอีคอมเมิร์ซในปี 2025 ซึ่งครอบคลุมตั้งแต่ช่วงก่อนวัน 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 โดยที่ตัวเลขนี้เพิ่มขึ้นถึง 42% ในหมู่คนรุ่น Gen Z และมิลเลนเนียล และ AI มีผลกระทบมากกว่าการค้นพบสินค้า โดยที่ OpenAI เพิ่ง เปิดตัว Instant Checkout สำหรับ ChatGPT ทำให้ผู้ช้อปสามารถซื้อสินค้าได้โดยไม่ต้องออกจากเครื่องมือนี้ ซึ่งปัจจุบันใช้งานได้บน Etsy และร้านค้าบางแห่งของ Shopify

การเปลี่ยนแปลงเหล่านี้หมายความว่าผู้ค้าปลีกอีคอมเมิร์ซต้องคิดใหม่เกี่ยวกับเนื้อหา การตลาด และการขาย บริษัทที่ปรึกษาทางธุรกิจ Bain ประมาณการว่าผู้บริโภคส่วนใหญ่ในปัจจุบันพึ่งพาผลลัพธ์แบบไม่ต้องคลิก (โดยที่คำตอบถูกให้โดยภาพรวมของ AI แทนที่จะเข้าชมเว็บไซต์) ใน 40% ของการค้นหาของพวกเขา ซึ่งหมายความว่ามีการเข้าชมเว็บไซต์ของผู้ค้าปลีกน้อยลง แม้ว่าอัตราการแปลงของ那些ที่เข้าชมเว็บไซต์จากแหล่ง AI จะสูงกว่าก็ตาม

ในบริบทนี้ ในขณะที่ยุทธวิธีการเพิ่มประสิทธิภาพเครื่องมือค้นหา (SEO) แบบดั้งเดิมยังคงมีความเกี่ยวข้อง แต่แนวโน้มชัดเจนแล้วว่ากำลังจะเปลี่ยนไปสู่การใช้ AI ที่สร้างขึ้นสำหรับการช้อปปิ้ง ดังนั้นจึงมีการพัฒนา Generative Engine Optimization (GEO) GEO นำเสนอความท้าทายใหม่ๆ ให้กับผู้ค้าปลีกอีคอมเมิร์ซ Large Language Models (LLMs) ที่ขับเคลื่อนเครื่องมือ AI ที่สร้างขึ้นได้รับการฝึกฝนให้ประเมินชื่อเสียง ความน่าเชื่อถือ และความไว้วางใจเมื่อวิเคราะห์ยี่ห้อ ดังนั้นผู้ค้าปลีกจึงต้องทำงานอย่างหนักเพื่อสร้างความน่าเชื่อถือ โดยเฉพาะอย่างยิ่งโดยการได้รับการรีวิวหรือคำแนะนำจากแหล่งภายนอกที่ได้รับการยกย่อง

คำถามสินค้าที่อธิบายรายละเอียด

อีกปัจจัยหนึ่งของ GEO ที่ต้องดิ้นรนคือวิธีที่ลูกค้าสร้างคำถามเมื่อใช้เครื่องมือ AI ที่สร้างขึ้น ตาม OpenAI เกือบครึ่งหนึ่งของคำถามทั้งหมดใช้รูปแบบ “การถาม” ประธานเจ้าหน้าที่ข้อมูลและผลิตภัณฑ์ของ Target ซึ่งเป็นยักษ์ใหญ่ค้าปลีกของสหรัฐฯ อ้างว่า 25% ของคำขอการค้นหาที่ทำบนแพลตฟอร์มของตนถือเป็น ‘คำถามที่อธิบายรายละเอียด’ ที่ซับซ้อนและซับซ้อน

ในขณะที่บนเครื่องมือค้นหา ลูกค้าอาจค้นหา “ชุดเชิ้ตสีชมพูแบบฟิต” คำถามเดียวกันบนเครื่องมือ AI อาจเป็น “ชุดเชิ้ตสีชมพูแบบฟิตสำหรับงานปาร์ตี้” สำหรับคำถามที่อธิบายรายละเอียดดังกล่าว คำอธิบายสินค้าต้องได้รับการปรับเปลี่ยน ตัวอย่างเช่น บนหน้าผลิตภัณฑ์ GEO แนะนำให้เพิ่มคำอธิบายสินค้าในรูปแบบคำถามและคำตอบที่เขียนอย่างแม่นยำและละเอียด ซึ่งช่วยให้เครื่องมือ AI สามารถระบุได้ง่ายว่าคำถามใดที่สินค้าของคุณเหมาะสม

ดิจิทัลแซนด์บ็อกซ์สำหรับ GEO

ในความขัดแย้งกัน AI ถูกนำมาใช้เพื่อช่วยในการวิเคราะห์เนื้อหาและ GEO นักวิจัยที่ Columbia Business School ใช้โมเดลภาษาขนาดใหญ่ (LLMs) เพื่อสร้าง “ดิจิทัลทวิน” ที่สะท้อนพฤติกรรมของมนุษย์ เมื่อผลิตภัณฑ์เฉพาะถูกป้อนเข้าไป LLM จะสร้างดิจิทัลทวินพร้อมกับบุคลิกของลูกค้า รวมถึงชื่อ อายุ อาชีพ และความชอบ ดิจิทัลทวินนี้จะดำเนินการค้นหาที่เกี่ยวข้องบน ChatGPT เพื่อดูว่าผลิตภัณฑ์ของบริษัทมีการจัดอันดับอย่างไร บริษัทสามารถใช้ AI ที่สร้างขึ้นเพื่อปรับเปลี่ยนวิธีการอธิบายและนำเสนอผลิตภัณฑ์ของตนตามผลการวิจัยของดิจิทัลทวินเหล่านี้

วิธีการ “ดิจิทัลแซนด์บ็อกซ์” เช่นนี้อาจเป็นวิธีที่มีประสิทธิภาพสำหรับบริษัทอีคอมเมิร์ซในการดำเนินการ GEO แต่ก็ไม่ปราศจากความเสี่ยง ตัวแทน AI มีความลำเอียงของตนเอง ซึ่งอาจส่งผลต่อประสิทธิภาพและพฤติกรรมของพวกเขา อย่างไรก็ตาม วิธีการเหล่านี้ให้แนวทางที่เป็นไปได้สำหรับธุรกิจอีคอมเมิร์ซ

การรวบรวมข้อมูลที่ใช้ AI

การตลาดฟันเนลเป็นเพียงส่วนหนึ่งของอีคอมเมิร์ซที่ถูกทำลายโดย AI พื้นที่ที่สำคัญกว่าอาจเป็นธุรกิจอัจฉริยะ (BI) ซึ่งเป็นคำที่กว้างครอบคลุมการรวบรวมและการใช้ข้อมูลเพื่อสร้างข้อมูลเชิงลึกที่ปรับปรุงกลยุทธ์และการดำเนินงาน สำหรับ BI ที่มีประสิทธิภาพ บริษัทอีคอมเมิร์ซต้องการชุดข้อมูลที่เชื่อถือได้และทันสมัย รวมถึงข้อมูลภายนอก AI กำลังเล่นบทบาทสำคัญในการรวบรวมข้อมูลการแข่งขัน

การปฏิบัติในการดึงข้อมูลเว็บสาธารณะ เช่น ราคาและคำอธิบายผลิตภัณฑ์ เป็นสิ่งที่สำคัญของการแข่งขันอีคอมเมิร์ซมาหลายปีแล้ว ตอนนี้ AI ได้ทำให้กระบวนการนี้ง่ายขึ้น เครื่องมือที่ใช้ AI สามารถถูกกระตุ้นได้โดยใช้ภาษาธรรมชาติ ซึ่งหมายความว่าไม่ต้องมีการเขียนโค้ด และวิศวกรไม่ต้องใช้เวลานานในการสร้างกระบวนการรวบรวมข้อมูล AI ยังสามารถรวบรวมและกรอง URL ที่เหมาะสมสำหรับการสแกน เช่น การค้นหาหน้าผลิตภัณฑ์ทั้งหมดสำหรับหมวดหมู่เฉพาะบนเว็บไซต์ของคู่แข่ง

ด้วยการเพิ่มขึ้นของ AI ที่ช่วยในการช้อปปิ้ง บริษัทอีคอมเมิร์ซจะเก็บข้อมูลจุดจากกันและกันซึ่งปรากฏเฉพาะหลังการดำเนินการเสร็จสิ้น เช่น ราคาในการชำระเงินสุดท้าย

การคาดการณ์อุปสงค์และตอบสนองแบบเรียลไทม์

ด้วยข้อมูลแบบเรียลไทม์ที่รวบรวมมาแล้ว ตั้งแต่ราคาของคู่แข่งไปจนถึงสินค้าคงคลัง ผู้ค้าปลีกสามารถปรับราคาของตนหรือการตลาดทันที และให้ข้อเสนอที่ดีที่สุดแก่ลูกค้า

การกำหนดราคาแบบไดนามิกเป็นหนึ่งในฟังก์ชัน BI ที่สำคัญที่สุดและเป็นที่นิยมที่สุดซึ่งผู้ค้าปลีกสามารถใช้ได้ และตาม การสำรวจล่าสุด 61% ของผู้ค้าปลีกในยุโรปใช้การกำหนดราคาแบบไดนามิก อย่างไรก็ตาม การสำรวจเดียวกันพบว่าน้อยกว่า 15% ใช้อัลกอริทึมหรือ AI สำหรับวัตถุประสงค์นี้ ซึ่งแสดงถึงโอกาส AI สามารถใช้ข้อมูลอุปสงค์ของลูกค้าและระดับสินค้าคงคลังเพื่อคาดการณ์อุปสงค์ในอนาคต ซึ่งสามารถนำมาซึ่งประโยชน์หลายอย่าง Deloitte Digital เน้นย้ำว่าผู้ค้าปลีกสามารถใช้ AI เพื่อติดตามสินค้าคงคลังของตนเอง จัดการสินค้าคงคลัง และสั่งซื้อแบบไดนามิก นอกจากนี้ AI ยังช่วยวิเคราะห์ข้อมูลที่รวบรวมจากทั่วทุกที่บนเว็บเพื่อทำความเข้าใจว่ายี่ห้อถูกมองเห็นอย่างไร ซึ่งให้ข้อมูลเชิงลึกในระดับกลยุทธ์

เปิดกว้างสำหรับโอกาส

ในขณะที่ AI กำลังทำลายการตลาดฟันเนลอีคอมเมิร์ซ AI ก็สร้างโอกาสใหม่ๆ เช่นกัน AI สามารถใช้เพื่อวิเคราะห์และสร้างเนื้อหาที่ได้รับการปรับให้เหมาะสมตามภูมิภาค AI กำลังขับเคลื่อนความพยายามในการรวบรวมข้อมูลเว็บสาธารณะแบบเรียลไทม์ที่มีค่า AI ยังเพิ่มมูลค่าในการวิเคราะห์ข้อมูลเพื่อตัดสินใจเกี่ยวกับราคา สินค้าคงคลัง และกลยุทธ์ และนี่ไม่รวมถึงการใช้งานที่เป็นไปได้อื่นๆ เช่น การสนับสนุนลูกค้าที่ได้รับการปรับปรุง

สิ่งที่เป็นนวัตกรรมเช่น AI มักจะน่ากลัวเสมอ โดยเฉพาะสำหรับผู้ค้าปลีกที่เข้าใกล้ฤดูกาลขายหลักของพวกเขา อย่างไรก็ตาม ผู้ที่ยังคงเปิดกว้างสำหรับโอกาสที่ AI สร้างขึ้นสามารถทำได้มากกว่าการอยู่รอด พวกเขาสามารถเติบโตได้