OpenAI و Perplexity قابلیتهای خرید مبتنی بر هوش مصنوعی را به چتباتهای خود اضافه کردند؛ آیا استارتاپها در خطرند؟
با نزدیک شدن به فصل خرید تعطیلات، دو بازیگر عمده حوزه هوش مصنوعی یعنی OpenAI و Perplexity به تازگی قابلیتهای جدیدی برای کمک به خرید آنلاین معرفی کردند که در دل چتباتهای آنها قرار میگیرد و به کاربران در تحقیق و انتخاب کالاها یاری میرساند. این ویژگیها از نظر عملکرد شباهت زیادی به هم دارند: کاربران میتوانند پرسشهایی مانند «یک لپتاپ مناسب بازی زیر ۱۰۰۰ دلار با صفحهنمایش بالای ۱۵ اینچ» را از ChatGPT بپرسند یا تصویری از یک پوشاک لوکس ارسال کنند و درخواست گزینهای مشابه اما ارزانتر داشته باشند. Perplexity هم با تکیه بر ویژگی «حافظه» میگوید میتواند پیشنهادهایی شخصیسازیشده ارائه دهد، مثلاً بر اساس اطلاعاتی که قبلاً درباره محل زندگی یا حرفه کاربر میداند.
پیشبینی رشد فزاینده خرید مبتنی بر هوش مصنوعی
شرکت Adobe پیشبینی کرده است که خرید آنلاین با کمک هوش مصنوعی در این فصل تعطیلات تا ۵۲۰٪ رشد خواهد داشت؛ روندی که میتواند نویدبخش رشد استارتاپهای حوزه خرید هوشمحور مثل Phia، Cherry یا Deft باشد. با این حال ورود قدرتمندان بازار به این میدان باعث شده پرسشهایی درباره آینده رقابت مطرح شود.
مزیت تخصصیگرایی برای استارتاپها
Zach Hudson، مدیرعامل ابزار خرید در حوزه طراحی داخلی Onton، معتقد است که استارتاپهای متمرکز بر حوزههای مشخص میتوانند تجربهای بهتر از ابزارهای عمومی ارائه دهند. به گفته او «هر مدل یا گراف دانش به اندازه منابع دادهای که از آنها تغذیه میکند خوب است. اکنون ابزارهایی مانند ChatGPT و Perplexity عمدتاً از فهرستهای جستجوی عمومی مثل Bing یا Google استفاده میکنند؛ در نتیجه کیفیت خروجی آنها تا حد زیادی وابسته به نتایج اولیه همین فهرستهاست.»
Julie Bornstein، مدیرعامل Daydream و صاحب تجربه طولانی در تجارت الکترونیک نیز میگوید که حوزه مد و فشن بهدلیل ظرایف و بار احساسیاش با دیگر دستهها مثل الکترونیک متفاوت است: «یافتن یک لباس که واقعاً دوست داشته باشید با پیدا کردن یک تلویزیون یکی نیست. درک درست از فشن نیازمند دادههای خاص حوزه و منطق چیدمان کالا است؛ چیزهایی که فقط با دانش تخصصی و دیتاستهای متناسب بهدست میآیند.»
چرا دادههای اختصاصی مهماند؟
استارتاپهای خرید هوشمحور اغلب مجموعهدادههای خود را میسازند تا مدلهایشان روی دادههای باکیفیتتر آموزش ببینند؛ این کار برای شاخههایی مثل فشن یا مبلمان سادهتر و اثربخشتر از تلاش برای پوشش تمامی دانش عمومی است. بهعنوان مثال Onton خطوطی برای دستهبندی صدها هزار محصول دکوراسیون داخلی ایجاد کرده تا مدلهای داخلی با دادههای پاکتر و دقیقتری آموزش ببینند.
چالشهای رقابت با غولها
با این حال، مزیت OpenAI و Perplexity این است که کاربرانِ زیادی از پیش دارند و میتوانند به سرعت با خردهفروشان بزرگ وارد مذاکره شوند. OpenAI و Perplexity حتی با پلتفرمهای پرداخت و تجارت الکترونیک همکاریهایی بستهاند — مثلاً ادغام با Shopify یا PayPal — تا امکان تسویه حساب درون گفتوگو فراهم شود. در مقابل، برخی استارتاپها کاربر را به وبسایت خردهفروش هدایت میکنند و از طریق افیلیت درآمد کسب میکنند.
چشمانداز درآمدی و ریسکها
این شرکتها که نیازمند منابع محاسباتی پرهزینه هستند، هنوز راه روشنی برای سودآوری نیافتهاند. اگر مسیر گوگل و آمازون در پیش گرفته شود، ممکن است فروشندگان برای تبلیغ محصولات خود در نتایج جستوجو به پلتفرمها پول پرداخت کنند؛ اما این رویکرد میتواند مشکلات فعلی جستوجو مانند جانبداری نتایج را تشدید کند. همچنین ویژگیهایی مثل «حافظه» شخصیسازی را تقویت میکنند اما سؤالهای جدی درباره حریم خصوصی و مدیریت دادهها بهوجود میآورند.
جمعبندی: تخصص برنده خواهد بود
تحلیلگران و فعالان بازار بر این باورند که مدلهای عمودی و تخصصی — در مد، مبلمان، سفر یا دیگر حوزهها — احتمالاً بهتر از مدلهای عمومی عمل خواهند کرد چون آنها برای تصمیمگیری واقعی مصرفکننده بهینهسازی شدهاند. بنابراین استارتاپهایی که در دادهکاوی، منطق فروش تخصصی و تجربه کاربری متمرکز سرمایهگذاری کنند، شانس بیشتری برای رقابت با پلتفرمهای عظیم دارند. در نهایت مصرفکنندگان با انبوه گزینههای جدید روبهرو خواهند شد؛ اما کیفیت خدمات و شفافیت در استفاده از دادهها، عامل تعیینکننده در انتخاب بین ابزارهای عمومی و راهحلهای تخصصی خواهد بود.