Lớp Dữ Liệu Mà Thương Mại Agentic Không Thể Bỏ Qua

Trợ lý ảo đã chuyển từ trợ lý tìm kiếm sang người mua tự động. Các nền tảng lớn nhất hiện đang chạy đua để sở hữu lớp giao dịch đó, và di chuyển mới nhất của Amazon làm cho điều đó trở nên cụ thể. Alexa cho Mua sắm, được xây dựng từ sự hợp nhất của Rufus và Alexa+, theo dõi giá cả và nhớ ngữ cảnh trên các thiết bị. Sau đó, với Tự động Mua, nó hoàn thành mua hàng ngay khi sản phẩm đạt đến giá mục tiêu, không cần xem lại giỏ hàng hoặc thanh toán thủ công.

Mua sắm agentic là một thị trường dự kiến sẽ đạt tới 5 nghìn tỷ đô la thương mại toàn cầu vào năm 2030. Amazon không đơn độc trong việc cố gắng chiếm một phần của lĩnh vực đó – Google, OpenAI và Perplexity đã di chuyển mạnh mẽ vào mua sắm agentic. Sự thúc đẩy đó cũng làm tăng sự thoải mái của người tiêu dùng khi tham gia vào quyết định mua hàng, với lưu lượng truy cập được thúc đẩy bởi AI đến các trang web bán lẻ của Mỹ tăng 393% hàng năm trong Q1 2026.

Trải nghiệm của người tiêu dùng rất dễ hiểu. Điều không rõ ràng hơn là cơ sở hạ tầng làm cho nó trở nên khả thi. Khi một trợ lý ảo thực hiện giao dịch tự động, nó hoàn toàn tin tưởng vào dữ liệu sản phẩm. Không có người nào đánh dấu biến thể sai hoặc sản phẩm được phân loại sai. Điều đó làm cho lớp dữ liệu trở thành phần quan trọng nhất của thương mại agentic.

Cơ Sở Cho Thương Mại Agentic

Cuộc trò chuyện xung quanh thương mại agentic chủ yếu là về trợ lý – mô hình, giao diện, hoặc trải nghiệm. Nhưng yếu tố quyết định thành công thực sự không phải là trợ lý bản thân, mà là lớp dữ liệu hỗ trợ thương mại điện tử.

Khi một người tiêu dùng yêu cầu một trợ lý đặt lại đơn hàng bột giặt hoặc mua cáp HDMI rẻ nhất có thể đến vào ngày mai, giao dịch xuất hiện đơn giản. Tuy nhiên, sau hậu trường, trợ lý phải đưa ra một loạt quyết định. Nó cần xác định sản phẩm chính xác được yêu cầu, xác minh các thuộc tính và tình trạng sẵn có của sản phẩm, so sánh các lựa chọn trên nhiều nền tảng, và kết nối mua hàng với đúng hàng tồn kho và mạng lưới thực hiện.

Không giống như một người mua sắm, một trợ lý ảo không thể dựa vào trực giác để lấp đầy khoảng trống hoặc giải quyết sự không nhất quán. Mỗi bước trong giao dịch cần được cung cấp bởi dữ liệu được cấu trúc và nhất quán trên các hệ thống tham gia. Nếu bất kỳ phần nào của nền tảng đó bị thiếu hoặc bị phân mảnh, trợ lý không tạm dừng để điều tra. Thay vào đó, nó làm việc với những gì nó có và thực hiện giao dịch, hoặc không hoàn thành giao dịch, tạo ra trải nghiệm người dùng không nhất quán và thường không đáng tin cậy.

Điểm Mù Của Nền Tảng Dữ Liệu

Theo Mirakl, ít hơn 1% trang sản phẩm thương mại điện tử hiện tại đáp ứng các tiêu chuẩn tối thiểu để được các trợ lý ảo khuyên dùng. Các định danh sản phẩm khác nhau giữa các hệ thống nhà cung cấp và hệ thống nội bộ, trong khi trạng thái hàng tồn kho chậm hơn so với thực tế. Dữ liệu vị trí cũng thiếu tiêu chuẩn hóa trên mạng lưới thực hiện.

Khi con người nằm trong vòng lặp, dữ liệu xấu là có thể quản lý được. Một người mua nhận thấy biến thể sai, hoặc một nhà quản lý kho hàng biết hệ thống hàng tồn kho đang chạy chậm. Người dân lấp đầy khoảng trống từ kinh nghiệm; vấn đề là một trợ lý ảo không có trực giác như vậy. Nó đọc dữ liệu được cung cấp và hoàn thành giao dịch, hoặc không hoàn thành giao dịch.

Khi dữ liệu sai, giao dịch cũng sai. Một giao dịch mua hoàn thành cho sản phẩm sai, được định tuyến đến vị trí sai, với giá sai. Trợ lý thực hiện chính xác như được thiết kế, nhưng dữ liệu bên dưới không.

Lớp Xác Thực Mà Mọi Trợ Lý Phụ Thuộc Vào

Chất lượng dữ liệu kém khiến các tổ chức mất ít nhất 12,9 triệu đô la mỗi năm trung bình. Con số đó đến từ các môi trường mà con người vẫn nằm trong vòng lặp. Trong thương mại agentic, con số đó chỉ tăng lên. Mỗi giao dịch tự động mà trợ lý thực hiện sai sẽ làm tăng chi phí.

Một đôi giày chạy bộ được liệt kê là “giày chạy bộ đường mòn” trên một nền tảng và “giày sneaker địa hình” trên một nền tảng khác là cùng một sản phẩm, nhưng một trợ lý ảo không thể xác nhận điều đó mà không có định danh toàn cầu.

Đó là những gì mà định danh sản phẩm nhúng trong mã vạch UPC giúp giải quyết. Những tín hiệu có thể quét được này có thể mang một GTIN (Số mục hàng thương mại toàn cầu), là một phần của hệ thống tiêu chuẩn toàn cầu được sử dụng bởi hơn 2 triệu công ty để xác định duy nhất sản phẩm trong chuỗi cung ứng toàn cầu. Các mã vạch GTIN có thể quét được cung cấp cho sản phẩm một bản sắc duy nhất và được xác minh trên mọi nhà bán lẻ, kho hàng và nền tảng chạm vào chúng. Khi một trợ lý so sánh giá trên những đôi giày đó trên Amazon và Target, GTIN là thứ xác nhận rằng nó thực sự đang so sánh cùng một sản phẩm.

Các tiêu chuẩn, như những tiêu chuẩn từ GS1 US, cung cấp một ngôn ngữ chung cho việc xác định sản phẩm, vị trí và thực thể, cùng một ngôn ngữ mà các trợ lý ảo cần để giao tiếp, phối hợp và đưa ra quyết định chính xác. Khi nhiều trợ lý ảo hơn tham gia vào chuỗi cung ứng – một người quản lý mua sắm, một người khác theo dõi hàng tồn kho, một người thứ ba theo dõi hậu cần – chúng cần chia sẻ dữ liệu trên các hệ thống được xây dựng bởi các công ty khác nhau. Các định danh được tiêu chuẩn hóa làm cho điều đó trở nên khả thi.

GTIN là một phần của khuôn khổ rộng lớn hơn đó. Đối với các trợ lý ảo, ngôn ngữ chung mà chúng cung cấp là sự khác biệt giữa giao dịch được hoàn thành chính xác và giao dịch không.

Dữ liệu sản phẩm không đầy đủ có khả năng loại bỏ sản phẩm khỏi tập hợp được xem xét của trợ lý hoàn toàn. Đối với các thương hiệu nhỏ hơn, đó là một vấn đề về khả năng hiển thị tồn tại.

Dữ Liệu Sẵn Sàng Cho Trợ Lý So Với Những Gì Hầu Hết Các Công Ty Có

Để có được dữ liệu sẵn sàng cho trợ lý, điều đó có nghĩa là đảm bảo mọi sản phẩm trong danh mục có một định danh duy nhất và được xác minh trên toàn cầu. Điều đó cũng có nghĩa là các thuộc tính được hoàn chỉnh và nhất quán trên mọi hệ thống mà một đối tác thương mại chạm vào. Điều đó cũng có nghĩa là dữ liệu hàng tồn kho và giá cả được đồng bộ hóa trong thời gian thực, không được cập nhật theo lô. Dữ liệu được xây dựng cho việc duyệt của con người không đáp ứng tiêu chuẩn đó.

Lớp thêm nhiều AI trên dữ liệu bị phân mảnh sẽ tạo ra những câu trả lời sai nhanh hơn và tự tin hơn. Nền tảng phải được xây dựng đúng từ đầu.

Gartner dự đoán rằng hơn 40% dự án AI agentic sẽ bị hủy bỏ vào năm 2027, với lý do chi phí tăng cao, ROI không rõ ràng và kiểm soát rủi ro không đầy đủ. Chất lượng cơ sở hạ tầng dữ liệu là một yếu tố đầu vào trực tiếp cho cả ba. Các công ty xây dựng hướng tới thương mại agentic mà không kiểm tra lớp dữ liệu đang giải quyết vấn đề sai.

Điểm Bắt Đầu Cho Các Nhà Bán Lẻ Và Thương Hiệu

1. Kiểm tra định danh sản phẩm trên mọi hệ thống. Mọi sản phẩm trong danh mục cần có một định danh duy nhất và được xác minh trên toàn cầu. Các định danh bị thiếu hoặc bị sao chép là lý do phổ biến nhất khiến trợ lý bỏ qua sản phẩm hoàn toàn.
2. Tiêu chuẩn hóa nhãn thuộc tính. Kích thước, trọng lượng, biến thể và tình trạng sẵn có cần có cùng ý nghĩa trên mọi hệ thống mà một đối tác thương mại chạm vào. Nhãn không nhất quán là vô hình đối với con người và gây tử vong cho trợ lý.
3. Đồng bộ hóa dữ liệu trên các đối tác thương mại trong thời gian thực. Hầu hết các công ty cập nhật hàng tồn kho và giá cả với độ trễ – hàng giờ, hàng đêm, hoặc thủ công. Một trợ lý thực hiện mua hàng không chờ đợi cho đến lần cập nhật tiếp theo.
4. Xem xét sự sẵn sàng của dữ liệu như một điều kiện tiên quyết cho bất kỳ khoản đầu tư AI agentic nào. Các công ty xây dựng hướng tới thương mại agentic mà không kiểm tra lớp dữ liệu đang giải quyết vấn đề sai. Hãy nhớ rằng, trợ lý là thứ cuối cùng cần được tối ưu hóa; nền tảng dữ liệu cần được xây dựng trước.

Các nhà bán lẻ và thương hiệu đầu tư vào nền tảng đó ngay bây giờ sẽ trở nên dễ khám phá và giao dịch hơn đối với các trợ lý thực hiện quyết định mua hàng thay mặt cho người tiêu dùng. Những người chờ đợi sẽ phải cạnh tranh để có sự hiển thị trong một hệ thống không được xây dựng để tìm thấy họ. Trợ lý là phần nhìn thấy được. Câu hỏi quan trọng hơn là liệu dữ liệu bên dưới nó đã sẵn sàng hay chưa.