Kako naterati veštačku inteligenciju da preporučuje vaše proizvode?
Vratimo se tri godine unazad. Mušterija je tražila bojler, ukucala „bojler od 80 litara“ na Google, pogledala prvih pet rezultata i kliknula na jednu od prodavnica. Vaš zadatak je bio jasan: biti jedan od rezultata na početnoj stranici, najbolji među prve tri.
Danas se isti kupac obraća veštačkoj inteligenciji: ChatGPT, Claude ili Gemini i pita: „Koji je bojler od 80 litara najbolji za četvoročlanu porodicu u stanu gde je pritisak vode nizak?“ Odgovor koji dobija nije lista od deset linkova. Odgovor je preporuka. Navedeno je nekoliko modela, a zatim dva ili tri izvora iz kojih je model izvukao podatke.
Ako vaše prodavnice nema među ovim izvorima, kupac koji pretražuje na ovom kanalu neće vas pronaći. Ne zato što imate loš proizvod ili visoku cenu, već zato što veštačka inteligencija jednostavno nije imala dovoljno korisnih podataka o vašem proizvodu.
Zašto se proizvodi ponašaju drugačije od članaka?
Domaće kompanije su mnogo čule o optimizaciji za generativnu veštačku inteligenciju, ili GEO, u poslednjih godinu dana. Saveti su uglavnom napisani za stranice sa sadržajem i blogove: pišite jasno, odgovarajte na pitanja, dodajte podatke, gradite autoritet itd.
Za stranice proizvoda, ova pravila ne funkcionišu na isti način.
Članak na blogu je jedan tekst koji obično uređujete jednom. Internet prodavnica može imati 4.000 proizvoda, svaki sa petnaest svojstava, tri varijante i dva dobavljača. Jezički model ne čita vašu stranicu proizvoda kao priču. Čita je kao tabelu podataka i proverava da li može da izgradi pouzdan odgovor iz nje.
Ako na stranici piše samo „bojler od 80 litara, visokog kvaliteta i pouzdanosti, isporuka za 3 dana“, veštačka inteligencija ima malo podataka sa kojima zapravo može da radi. Ako na istoj stranici piše da je u pitanju bojler od 80 litara sa snagom od 2000 W, emajliranom unutrašnjošću, magnezijumskom anodom, preporučenim radnim pritiskom od 2 do 6 bara, potrošnjom energije prema energetskoj klasi C i petogodišnjom garancijom na bojler, model ima šest proverljivih činjenica na kojima zasniva svoju preporuku.
Razlika nije u marketingu. Razlika je u podacima.
Gde se ovo najčešće prekida?
U praksi, vidimo ponavljajući obrazac kod trgovaca koji se bave stotinama ili hiljadama proizvoda.
Podaci o proizvodu su raštrkani. Neki od njih se mogu naći u Excel datoteci koju je poslao dobavljač, neki u računovodstvenom programu, a neke ručno unose kolege u onlajn prodavnici. Svaki izvor ima svoj format. Dobavljač piše „80 l“, drugi „80L“, treći „0,08 m3“. Kada pokušate da napravite tabelu za poređenje iz ovoga, dobijate haos.
Rezultat je opis proizvoda koji je pun prideva i prazan od podataka. Takav opis je loš za kupca, loš za konverziju i nezanimljiv za veštačku inteligenciju.
Još jedan uobičajen problem su strukturirani podaci. Mnoge prodavnice ih imaju, ali su nepotpuni. Cena je naznačena, ali zalihe nisu. Recenzije kupaca su vidljive korisniku, ali nisu napisane u formatu koji veštačka inteligencija može da pročita. Već smo pisali o tome zašto su strukturirani podaci ključni za vidljivost u pretraživačima sa veštačkom inteligencijom, ali za onlajn prodavnice uticaj je još veći jer se odluke o kupovini donose na osnovu specifikacija.
Treći problem je doslednost. Ako isti proizvod ima tri različita opisa na stranici proizvoda, pri izvozu u druge prodavnice i u PDF katalogu, model će otkriti neslaganje i preferirati izvor kojem više veruje.
Konkretan primer iz prakse
Uzmimo prodavca poslovne opreme koji prodaje približno 2.500 proizvoda. Recimo da je dobavljač kancelarijskih stolica, stolova i polica.
Njegova stranica proizvoda za kancelarijsku stolicu sadržala je fotografiju, cenu, dugme za kupovinu i opis od tri rečenice. Informacije o nosivosti, materijalu sedišta, visinskom rasponu, garanciji i ergonomskom sertifikatu bile su napisane u PDF katalogu koji je morao biti preuzet.
Kada je kupac tražio od veštačke inteligencije kancelarijsku stolicu za osobu težine od 120 kilograma, preporučila je model iz tri strane prodavnice kod kojih je nosivost bila direktno napisana u specifikacijama. Domaći prodavac je imao odgovarajući proizvod na lageru, ali je bio nevidljiv za model.
Rešenje nije bila nova web stranica. Rešenje je bilo premeštanje podataka iz PDF datoteka u strukturirani format na stranici proizvoda i objedinjavanje opisa svojstava u celom katalogu proizvoda. Kada su specifikacije postale deo stranice, a ne prilog, proizvod je počeo da se pojavljuje u rezultatima pretrage veštačke inteligencije.
Zbog toga su PIM sistemi postali osnovna infrastruktura za veće kataloge. Ako vam ovaj termin nije poznat, u posebnom članku smo objasnili šta je PIM sistem i kako funkcioniše u praksi.
Po čemu se PIM sistem razlikuje?
PIM sistem je jedinstvena baza podataka proizvoda koja predstavlja centralni izvor podataka za sve moguće kanale. Opis, tehničke karakteristike, fotografije, dokumenti i prevodi su na jednom mestu. Kada ispravite nosivost stolice, ona se ispravlja u onlajn prodavnici, u izvozu Google Shopping-a, u katalogu i na B2B portalu.
Za optimizaciju za veštačku inteligenciju, ovo donosi tri praktična efekta.
Podaci su objedinjeni, tako da više nema neslaganja između kanala. Svojstva se pišu kao polja, a ne kao slobodan tekst, tako da se mogu automatski konvertovati u strukturirane podatke i tabele za poređenje. Katalog se može masovno obogaćivati, što znači da ne morate ručno da uređujete 2.500 proizvoda nedeljama.
Kada se podaci organizuju, isplati se napraviti korak dalje: optimizacija stranica proizvoda. To je jedini način da se povećaju konverzije i iz klasičnih i iz AI kanala pretrage.
Šta možete da uradite ove nedelje?
Počnite proverom svog statusa. Za samo nekoliko minuta možete proveriti u tri koraka da li se vaša stranica uopšte prikazuje u rezultatima veštačke inteligencije, Google nam je svima olakšao dodavanjem izveštaja o veštačkoj inteligenciji u alatku Google Search Console. Postavite tri do pet pitanja koja bi vaš kupac postavio i pogledajte koje su prodavnice navedene.
Zatim izaberite deset proizvoda sa najvećim maržama. Proverite da li svaki od njih ima najmanje osam proverljivih tehničkih podataka napisanih direktno na stranici. Ako podaci postoje samo u PDF katalogu ili u opisu dobavljača, premestite ih u svojstva.
Takođe proverite svoju analitiku. Koliko poseta danas dolazi sa ChatGPT, Gemini, Claude, Perplexity i sličnih izvora? Poređenje poseta sa klasičnih i veštačkih pretraživača pokazuje da su ove posete manjeg broja, ali često bolje kvalifikovane, jer je kupac došao do vas putem preporuke, a ne slučajnim klikom.
Na kraju, razmislite o pravcu u kom ide kupovina. Kupovina preko agenta znači da će u narednim godinama sve više kupovina obavljati agent sa veštačkom inteligencijom u ime kupca. Takav asistent ne gleda vašu fotografiju niti čita vaš slogan. Čita podatke. Prodavnice sa dobro organizovanim katalogom biće u znatno boljem položaju u ovom slučaju.
Kojem onlajn prodavcu se ovo isplati?
Ako imate pedeset proizvoda u svojoj prodavnici, ručno ćete uređivati specifikacije i to će biti dovoljno. Ako ih imate stotine ili hiljade, ručno uređivanje nije realno.
Tu manji domaći prodavac ima priliku koju često ne primećuje. Veliki strani dobavljači imaju ogromne kataloge sa površnim opisima. Domaći prodavac koji poznaje svoje proizvode i zna kako da zapiše tačne, proverljive podatke može pobediti većeg/uglednijeg prodavca u veštačkoj inteligenciji. Već smo pisali o tome kako domaći onlajn prodavac može da se takmiči sa međunarodnim onlajn prodavnicama, a organizacija podataka je jedno od retkih oružja danas, gde je mala veličina prednost, jer možete bolje organizovati podatke, naravno uz pravi sistem.
U Kabiju razvijamo onlajn prodavnice na sopstvenoj platformi, što znači da su PIM sistem, stranice proizvoda i strukturirani podaci deo iste celine, a ne tri odvojena dodatka koji se ne razumeju. Ako vas zanima kako bi ovo izgledalo u vašem katalogu, pogledajte našu stranicu o kreiranju onlajn prodavnica i optimizaciji web stranica, a možemo vam pružiti i pregled trenutnog statusa vašeg kataloga proizvoda.
Maybe you are interested
Detaljnije
