[ЗАТЕМНЕНИЕ]
Мы слышим неистовый стук клавиш. Камера отъезжает назад, показывая напряженного покупателя. Марафон, на который он подписался после полудюжины кружек пива и бокала вина с друзьями, состоится через четыре недели. Потрепанные кроссовки, в которых он забирает детей из школы, не подойдут. Ему срочно нужны новые кроссовки.
На экране мы видим, как покупатель вводит длинный, контекстно-зависимый запрос:
«У меня есть четыре недели на подготовку к марафону. Я бегун-любитель, немного полноват, мне нужно что-то, что сохранит форму до самого конца забега. У меня широкий шаг и широкая стопа. Я хочу кроссовки с хорошей амортизацией. Какие марафонские кроссовки лучше всего помогут мне тренироваться и финишировать?»
За считанные секунды ИИ опрашивает два десятка источников, анализирует результаты с учетом контекста покупателя и выдает три варианта. Покупатель выбирает On Running Cloudmonster 3 из пяти ценовых предложений.
Увы, он выбрал вариант напрямую от On Running, потому что эта пара есть в наличии и предлагается двухдневная доставка.
Камера отъезжает назад, покупатель выдыхает и вскидывает кулак: «Погнали!»
[ЗАТЕМНЕНИЕ]
Этот достойный «Оскара» сценарий иллюстрирует изменение поведения, которое побуждает мерчандайзеров разрабатывать стратегии агентной коммерции. Поиск товаров теперь происходит с помощью ИИ. И это подтверждается каждым отчетом Adobe о трафике, каждым звонком инвесторов Shopify и каждым анонсом от Google. Это вызывает огромный спрос со стороны продавцов на готовность к агентной коммерции.
Вот почему мы в Fabric были тише воды ниже травы последние шесть недель. Мы не покладая рук работали плечом к плечу с продавцами, загружая данные их каталогов в Merchandising Studio, чтобы повысить видимость для ИИ и улучшить конверсию. И мы многому научились.
Этот пост — первый из серии, в которой я поделюсь инсайтами, полученными нами в процессе работы над тем, чтобы сделать товары наших продавцов видимыми для поисковых агентов. И все начинается с доступа.
ПРОБЛЕМА
Видите ли, проблема большинства каталогов существовала задолго до появления ChatGPT и Gemini. Разница между тем временем и нынешним заключается в том, кто или, возможно, что ищет товары, и где мерчандайзеры исторически влияли на решения.
В то время как раньше они компенсировали «нулевые результаты» поиска по сайту из-за скудных данных о товарах и плохой категоризации с помощью акций, перекрестных продаж, списков «лучших товаров», скидок и т. д., сегодня покупатели дают запросы ИИ, получают один ответ, и будет лучше, если он вернет именно их товары.
Первый акт в этой аллегории называется «Битва за доступ», потому что теперь это основная функция мерчандайзеров: предоставление LLM доступа к их каталогу через богатые, структурированные данные. Доступ — это ключ к видимости.
ДОСТУП ПРЕДОСТАВЛЕН
Системам ИИ нужно понимать предполагаемый сценарий использования. Давайте придержимся моего примера с марафоном. Профиль посадки, такой как широкая или узкая стопа, тип покрытия, уровень амортизации, ценовой сегмент и даже совместимость с ортопедическими стельками или типы походки — это критически важный контекст для LLM, пытающихся сопоставить намерение покупателя, выраженное в запросе, с доступными товарами. Речь идет не о написании лучших описаний, а о кодировании структурированного смысла, который машины могут интерпретировать последовательно.
Пример структурированных атрибутов:
"use_case": ["marathon", "daily training"],
"foot_type": ["neutral", "wide"],
"terrain": ["road"],
"cushioning": "high",
"price_tier": "mid",
"compatibility": ["orthotics"]
По мере того как мы углубляемся в изучение сценариев использования покупателями, мы замечаем сдвиг среди партнеров, с которыми работаем изо дня в день: мерчандайзеры становятся более технически подкованными. Поскольку точка влияния перемещается за пределы сайта в сферу поиска с помощью ИИ, владельцы категорий, «детализаторы» (как называет их один клиент) или мерчандайзеры изучают и экспериментируют, пытаясь понять новое игровое поле.
Если мерчандайзеры хотят влиять на покупателей в момент возникновения намерения, им лучше научиться структурировать данные для доступа. И именно здесь Product Agent протягивает руку помощи и оптимизирует их работу.
Если вам понравился этот пост, следите за обновлениями: «AI-мерчандайзер: Акт II — Выигрышная стратегия», где я опишу конкретные выводы, ведущие к успеху.
