Умный шопинг на всех этапах: как ИИ меняет покупательские стратегии и опыт уже сейчас
Искусственный интеллект используется в e-commerce с начала 2000-х годов, однако с запуском ChatGPT и других массовых сервисов на базе нейросетей ИИ выходит на новый уровень. В 2022 году этот сегмент оценивался в $5,2 млрд, а к 2030 году он вырастет до $16,8 млрд. От том, на какие технологии рынок делает ставку и насколько кардинально может поменяться наш покупательский опыт в ближайшие пять лет, рассказал сооснователь и управляющий партнер разработчика e-commerce решений Aero Владимир Синельников.
Вызовы и перспективы
Рынок онлайн-торговли активно меняется. Alibaba, Amazon и другие маркетплейсы перестраивают свои поисковые и рекомендательные системы, а шопинг выходит за рамки привычных торговых площадок. В сентябре TikTok запустил собственный маркетплейс — теперь можно купить понравившуюся вещь прямо в соцсетях. Roblox разрешил пользователям продавать 3D-товары в рамках метавселенной.
Цифровизация и искусственный интеллект сопровождают нас на протяжении всего процесса выбора и покупки товара, однако ни одно ИИ-решение пока не научилось до конца понимать покупателя и реагировать на его запросы как живой человек.
Генеративный ИИ сегодня учится распознавать нетиповые поисковые фразы и десятки тысяч параметров товаров, а также воспроизводить естественные образы и реакции, которые сейчас компьютеру еще недоступны. Ежегодно это направление будет расти на 15% и к 2032 году достигнет $2,1 млрд. Крупнейшие игроки рынка уже вкладывают в него миллионы — например, компания Salesforce увеличила бюджет на инвестиции в такие стартапы с $250 млн до $500 млн.
Наиболее перспективные ИИ-решения создаются за счет комбинирования технологий — обработки естественного языка, компьютерного зрения и предиктивных моделей. В будущем ретейлерам не нужно будет тратить деньги на разработку собственных систем, так как готовые решения становятся доступными даже небольшим игрокам.
Умный поиск товаров
Лидеры рынка e-commerce стремятся уйти от стандартного поиска товаров по ключевым словам, фильтрам и подсказкам. Их цель — научить поисковик понимать человека, его письменную и устную речь. Профессор компьютерных наук Вашингтонского университета Чираг Шах считает, что в будущем системы смогут обрабатывать предложения и вопросы с большим количеством деталей. Современные LLM (большие языковые модели) уже распознают синонимы, контекст и даже намерения, а речевые технологии позволяют искать товары голосом. Чтобы найти нужное платье, можно будет сделать запрос в свободной форме: «хочу такое же красное платье, только короче и вот с такими рукавами» со ссылкой на пример. Подобный инструмент уже развивает сервис поиска одежды на маркетплейсах Yoit.
Компании давно экспериментируют с этим форматом, однако запуск ChatGPT вынудил их активизироваться. В апреле 2023 года Alibaba представила свою языковую модель Tongyi Qianwen, а вскоре открыла к ней публичный доступ. Amazon создала специальную группу для работы над такими проектами с бюджетом в $100 млн.
Инвестиции в поисковые и речевые ИИ-стартапы уже измеряются десятками миллионов долларов. Graft привлек $10 млн на развитие своей платформы семантического поиска Modern AI, которая учится понимать контекст и смысл запросов, а Deepgram, который распознает речь и интонации, получил инвестиции в размере $47 млн.
Человекоподобные чат-боты
Через несколько лет чат-боты станут похожими на консультантов, стилистов или даже настоящих подружек. Такой собеседник будет эмоциональнее и приятнее в общении, а также поможет покупателю подобрать нужный товар, что позволит компании увеличить прибыль. Сделать их более реалистичными способен микс технологий обработки естественного языка и диалогового ИИ. Рынок активно пополняется ботами-ассистентами, такими как GetAnswer или ShopMate AI, которые дают подсказки на базе ChatGPT.
За счет самообучения чат-боты смогут сами выявлять модные тренды и советовать, что лучше купить. С помощью анализа эмоций и настроений получат способность «чувствовать» и сами предложат решить проблему, видя, что человек недоволен покупкой.
Платформа Zalando учится советовать, что купить для конкретного случая, с учетом погоды и индивидуальных размеров, а Shopify запустил собственный аналог языковой модели — Sidekick. Голосовой чат-бот Martin может подстроиться под пользователя на основе предыдущих разговоров с ним, а Character.AI — принять образ любого человека или персонажа. Весной 2023 года этот стартап стал единорогом, закрыв раунд на $150 млн.
Рекомендации на основе вкуса и стиля
Искусственный интеллект уже научился рекомендовать товары по формальным атрибутам, таким как цвет, форма или размер. Сейчас он пробует определять схожесть по более сложным, эстетическим критериям: стилистике и вкусу. Это может пригодиться в сегментах одежды, декора, ювелирных украшений и даже искусства.
Идентифицировать стиль можно, увеличив количество атрибутов. Нейросети определяют их самостоятельно на базе компьютерного зрения. Стартап Pixyle AI, привлекший в конце прошлого года €1 млн, заточен на работу с предметами роскоши, а в его системе уже отмечены 20 тыс. параметров, включая оттенки и узоры. Платформа Glaze может подсказать одежду или аксессуары в духе «простой и элегантный наряд на вечер» или «лук в стиле Барби и Кена».
Интернет-магазины начинают изучать и вкусы потребителей. Shoptrue спрашивает их о стиле, любимых брендах и цветовых предпочтениях, а Lamoda оценивает реакцию на те или иные товары, чтобы сузить выдачу предложений.
Следующий шаг — обогащение собранных данных с помощью предиктивной аналитики. Pinterest, который уже несколько лет сотрудничает с Amazon, недавно запустил рекомендательный модуль «shop-to-look» для домашнего декора и одежды. Система комбинирует данные о поведении пользователей с образами, распознанными ИИ. Релевантность подборок выросла на 94%.
Новые технологии в виртуальных примерочных
Виртуальные примерочные тоже развиваются с помощью ИИ-технологий, и ежегодно этот сегмент может расти на 23,6%, достигнув более $19 млрд к 2030 году. Если сейчас виртуальные примерочные годятся, скорее, для развлечения, то уже в ближайшем будущем технологии компьютерного зрения смогут точнее распознавать образы и правдоподобнее накладывать одежду на фигуру, как это уже работает в виртуальных примерочных Google. А автоассоциативные нейросети будут минимизировать ошибки и восстанавливать изображения плохого качества.
Эксперименты в области генеративного ИИ пробуют создавать образ целиком, без загрузки фото. Пока технологии интегрируются с AR и VR: Farfetch приобрела за $29,4 млн стартап Wannaby, который позволяет примерить одежду с помощью селфи, а Zero10 делает то же самое с помощью AR-зеркал. Вероятно, в будущем получится генерировать свой виртуальный аватар на основе введенных параметров или 3D-сканирования. Так, платформа MySizeID уже позволяет покупателям снимать мерки с помощью датчиков на смартфоне.
Помимо удобной примерки одежды, качественная генерация образов позволит также собирать персональные лукбуки — не только то, что понравилось стилисту, а неограниченное количество комбинаций одежды, которая есть в ассортименте.
С помощью новых технологий развиваются и магазины б/у вещей — American Eagle дает возможность примерить винтажную одежду, привлекая молодое поколение к разумному потреблению.
Обслуживание на новом уровне
Современные предиктивные модели знают, каким будет спрос под Новый год или в «Черную пятницу», и умеют прогнозировать нужное количество товара на складе или загрузку службы доставки. Обучившись на исторических данных, они смогут учитывать и малопредсказуемые факторы, например погоду или курс доллара.
В июле Sendcloud приобрела ИИ-стартап Tracey, чтобы давать интернет-магазинам точные прогнозы по срокам доставки. Китайская e-commerce платформа Meituan ранее разработала систему Super Brain для отслеживания дорожных условий и неожиданных препятствий, а в июне 2023 года приобрела за $234 млн стартап Light Years Beyond, который называют китайским OpenAI. Очевидно, что скоро магазины, которые предлагают дожидаться доставки в период с 9 до 18 часов, станут неконкурентоспособными. Покупатели будут знать точное место и время и отслеживать весь процесс.
CEO платформы прогнозного ИИ DataRobot Дебанджан Саха считает, что в ближайшие годы рынок будет активнее сочетать предиктивные и генеративные механики, которые помогут лучше персонализировать клиентский сервис. Например, можно определить вероятность оттока покупателей с помощью прогностической ИИ-модели, а когда она обнаружит такого человека, сразу предложит решение проблемы.
Стартап Seel, прогнозирующий вероятность возврата товара на основе истории покупок и отзывов, недавно привлек 1$7 млн инвестиций. Его конкурент Rever планирует до конца года запустить ИИ-модель, которая в случае возврата предложит человеку альтернативные товары.
Такие механики проникают во все уровни взаимодействия с клиентами. Если сейчас проблема решается универсальными методами, то через пару лет искусственный интеллект будет определять, кому лучше дать скидку, а кому бесплатную доставку или какой-то другой бонус.
ИИ войдет в привычку
С развитием технологий практическая применимость всех этих решений вырастет. Мы уже не будем представлять шопинг без чат-ботов, виртуальной примерки, покупок в соцсетях и персонализированной доставки.
Интернет-магазин из утилитарного каталога с необъятным выбором превратится в «место для меня», где можно будет приятно провести досуг. Там будут персональные подборки и рекомендации, больше не придется искать то самое платье часами, а новый опыт будет вдохновлять и приносить удовольствие от покупок.
