Para ilmuwan akhirnya mengamati gelombang magnet memutar yang telah lama dicari, yang dikenal sebagai gelombang torsional Alfvén, di korona Matahari—mengakhiri pencarian selama delapan dekade yang dimulai pada tahun 1940-an. Dengan menggunakan Teleskop Surya Daniel K. Inouye yang canggih di Hawaii, para peneliti menangkap bukti langsung pertama dari gelombang kecil dan konstan ini, yang mungkin bertanggung jawab atas pemanasan bagian luar Matahari (…)

JetMedia Digital Agency

Mirakl membantu pengecer bersandar pada perdagangan agen.

Atas perkenan Mirakl

Selamat datang di dunia baru perdagangan agen yang berani, hal besar berikutnya setelah platform tipe web, seluler, dan pasar. Dalam perdagangan agen, agen menyelesaikan pencarian konsumen, mengungkap pilihan produk yang lebih tepat dengan bantuan kecerdasan buatan dan deskripsi yang lebih kaya dari pembeli. Pengecer dapat mengabaikan tren ini dan menanggung risikonya sendiri, kata Scott Eckert, CEO Mirakl untuk Amerika, sebuah perusahaan perangkat lunak ritel.

Agen belanja AI membentuk kembali perdagangan digital, secara mandiri memengaruhi keputusan pembelian konsumen, dan mendefinisikan ulang transaksi belanja online. Sebut saja Perdagangan 3.0. Dengan perdagangan agen, pengecer menghadapi ancaman yang signifikan, termasuk hilangnya keterlibatan pelanggan langsung, berkurangnya loyalitas merek, dan meningkatnya ketergantungan pada platform AI pihak ketiga. Agar berhasil, pengecer harus mengoptimalkan visibilitas mereka pada platform AI pihak ketiga, mengembangkan pengalaman pelanggan berbasis AI, dan membangun landasan operasional yang kuat untuk integrasi AI.

“Saat ini kami berada pada tahap awal dimana agen AI menjadi tempat yang mulai dituju pelanggan untuk melakukan pencarian belanja e-commerce mereka,” kata Eckert. “Dalam dunia sejarah, orang-orang akan mengetikkan pencarian tiga kata seperti ‘Dekorasi Meja Halloween’ di pencarian Google atau lainnya. Di dunia AI, kita melihat orang-orang biasanya mengetik 11 kata atau lebih.”

Misalnya, permintaan pencarian Halloween menjadi Dekorasi Meja Bertema Halloween untuk Pesta Makan Malam Dewasa yang Elegan, Eckert mengatakan, “Anda akan mendapatkan jawaban yang sangat berbeda jika Anda mengetikkannya ke dalam kotak pencarian. Agen AI dapat memahami semua konteks dan maksud Anda dari pencarian yang kaya itu. Itulah yang mengubah cara orang berpikir tentang belanja online. Perdagangan agen dapat menjadi jauh lebih personal karena memiliki semua informasi dari permintaan pencarian. Jika kaya data tentang produk yang dilihatnya, bisa sangat spesifik dalam menemukan produk yang memenuhi penelusuran kaya konteks tersebut. Itulah yang sangat berbeda dengan pencarian agen.”

Meskipun ini masih tahap awal, adopsi meningkat dengan cepat, kata Eckert. “Masing-masing agen AI ini beroperasi dengan cara yang berbeda,” tambahnya. “Anda perlu mengoptimalkan secara unik untuk Open AI (ChatGPT) atau Perplexity atau Anthropic. Semuanya memiliki cara berbeda dalam cara agen mereka melihat informasi produk di situs pengecer.”

Solusi Nexus Mirakl mengoptimalkan katalog pengecer. Hal ini secara unik menarik bagi masing-masing agen AI untuk memastikan produk mereka muncul dalam pencarian agen, kata Eckert. Tanda-tanda bahwa transformasi sudah dekat adalah PayPal meluncurkan Agentic Toolkit dan Visa dan Mastercard berlomba untuk mengembangkan alat pembayaran yang memungkinkan agen AI melakukan pembelian atas nama pelanggan. Visa memperkenalkan Intelligent Commerce dan Mastercard meluncurkan Agent Pay.

Seberapa cepat perkembangan perdagangan agen? “Kami beralih dari nol lalu lintas belanja konsumen melalui agen AI ini pada awal tahun, dan sekarang ada antara 2 persen hingga 5 persen lalu lintas yang berpindah dari agen AI ke situs web pengecer,” kata Eckert. “Pertumbuhannya masih kecil, namun angka nol hingga beberapa poin persentase dalam waktu kurang dari satu tahun merupakan pertumbuhan yang cepat dan harapannya adalah pertumbuhan ini akan terus tumbuh dan dengan mudah mencapai persentase dua digit pada akhir tahun depan.”

Apa sebenarnya Mirakl Nexus itu? Itu trafo katalog, kata Eckert. “Apa yang dilakukannya adalah memungkinkan pengecer memuat data produk mereka dan perangkat lunak dapat benar-benar melihat gambar suatu produk, yang merupakan komponen umum dari informasi produk, dan mengambil data dari gambar tersebut. Perangkat lunak ini dapat melihat sepatu dan mengetahui bahwa warnanya hitam dan mencatat data bahwa warnanya hitam. Menafsirkan data dari gambar, melihat semua konten yang telah disediakan dan membuatnya lebih kaya, itulah yang dilakukan Mirakl Nexus. Transformasi katalog memperkaya katalog data. Masing-masing agen tersebut sebenarnya dilakukan secara berbeda. Ini menyajikan data ke ChatGPT secara berbeda dari Perplexity dan berbeda dari Anthropic. Alat Mirakl Nexus memungkinkan pelanggan melakukan hal tersebut.”

Implikasinya jelas. Penemuan bukan lagi soal muncul di hasil pencarian. Bagi para pedagang dan pasar, yang penting sekarang adalah apakah produk mereka masuk dalam daftar pendek yang akan dikirimkan kembali oleh agen ke pelanggan, kata Eckert, sambil mencatat bahwa ini tidak lain adalah arsitektur ulang pengalaman berbelanja.

Metadata yang hilang, bahasa yang tidak konsisten, dan gambar yang tidak lengkap bukan merupakan gangguan lagi, kata Eckert, hal-hal tersebut mewakili hilangnya bisnis. Pengecer kehilangan visibilitas data pelanggan karena pertimbangan dan penemuan tidak terjadi di situs web, melainkan terjadi di tempat lain, kata Eckert.

Agen kini menjadi saluran lain yang harus dirangkul dan dikuasai oleh pengecer. Dan memperlakukan mereka dengan cara yang sama tidak akan berhasil karena mereka berbeda dan memiliki persyaratan yang berbeda. “Beberapa pelanggan kami mulai membangun agen AI mereka sendiri di situs web mereka sendiri,” kata Eckert, mengacu pada Lowe’s, yang telah meluncurkan sesuatu yang disebut MyLo, sebuah agen pencarian AI.

“Anda dapat melakukan pencarian yang kaya dan kompleks seperti, Bantu Saya Membangun Dek Belakang Saya dan Menyediakan Semua Bahan yang Mungkin Saya Butuhkan,” kata Eckert. “Agen tersebut berkomunikasi dengan pelanggan dan membantu mereka menemukan solusi. Banyak pengecer lain yang memikirkan ide serupa.”

Bagian dari solusi Mirakl Nexus adalah menciptakan ketersediaan produk untuk memenuhi kebutuhan tidak hanya agen AI eksternal tetapi juga agen AI bermerek milik pengecer. “Ini jauh berbeda dengan cara yang dikatakan, ‘Mari kita bicara tentang kebutuhan Anda,’” kata Eckert. “Ini sangat berbeda dengan mengetik di kotak pencarian. Ini adalah contoh bagus dari apa yang dipertimbangkan oleh banyak pengecer lain, terutama pengecer besar seperti Lowe’s, sebagai cara untuk memanfaatkan agen AI itu sendiri untuk menciptakan pengalaman berbelanja yang lebih baik. Lowe’s hanyalah perusahaan yang berpikiran maju dan keluar lebih awal.”

Bagaimana hal ini akan berdampak pada e-commerce masih belum jelas saat ini. “Yang pasti kami lihat adalah perubahan pada penemuan awal dan bagian pertimbangan dari proses dengan agen AI,” kata Eckert. “Hal yang menarik dan belum terjadi adalah apa yang terjadi ketika agen AI melakukan 100% proses pembelian. Saat ini agen melakukan penemuan dan memberikan daftar produk yang dikurasi dengan sempurna. Agen akan pergi dan mencari Anda dan membelinya dan produk tersebut akan muncul di depan pintu Anda. Anda akan cukup memercayai agen tersebut sehingga membiarkannya membeli secara mandiri untuk Anda. Saya tidak tahu kapan hal itu terjadi, tetapi hal itu akan segera terjadi. Saat ini, hal tersebut hanyalah penemuan, namun pada akhirnya agen tersebut akan terus melakukan pembelian untuk Anda.”

Apple berencana untuk meluncurkan alat pencarian web bertenaga AI baru untuk Siri tahun depan, menurut laporan baru dari Bloomberg, karena berusaha bersaing dengan pesaing yang telah berinvestasi besar-besaran di AI. Detail masih langka dan bisa berubah sebelum diluncurkan, tetapi sepertinya semuanya dapat ditenagai oleh versi khusus Google Gemini.

Sistem baru ini disebut Jawaban Pengetahuan Dunia secara internal, menurut Bloomberg, dan bahkan dapat ditambahkan ke Safari dan Spotlight. Versi Siri bertenaga AI telah lama tertunda, setelah Apple berjanji pada tahun 2024 bahwa itu akan tersedia pada Juni 2025. Itu, tentu saja, didorong kembali.

Fitur AI baru untuk Siri kemungkinan akan membuat pengalaman pencarian di perangkat Apple yang memanfaatkan akses unik yang dimilikinya untuk hal -hal seperti teks, foto, dan video. Dan itu kemungkinan akan membuat ringkasan berdasarkan pencarian web yang lebih kuat dari apa yang tersedia dengan Siri yang saat ini anemia.

Tetapi bahkan jika Gemini yang dibuat khusus digunakan untuk beberapa fungsi seperti merangkum, itu mungkin akan berjalan di server komputasi cloud pribadi Apple sendiri untuk mempertahankan privasi, menurut Bloomberg. Google telah dilaporkan telah mengirimkan teknologi Gemini yang meringkas ke Apple, tetapi masih disesuaikan. Apple sebelumnya dianggap membeli kebingungan tetapi tidak lagi tertarik, menurut outlet berita.

Privasi telah menjadi masalah yang sulit untuk dipecahkan ketika perusahaan teknologi menangani AI. Sam Altman dari Openai telah memperingatkan bahwa siapa pun yang menggunakan chatgpt sebagai terapis harus tahu bahwa tidak ada undang-undang kerahasiaan dokter-pasien untuk AI chatbots. Dan Meredith Shity, Whittaker, telah memperingatkan bahwa kemampuan AI agen sangat sulit untuk dilakukan dengan cara terenkripsi.

Apple mendapatkan panas dari investor karena tampaknya tergelincir di belakang startup lain dalam mengimplementasikan AI. Tetapi ada alasan bagus untuk berhati -hati. Kecerdasan buatan generatif sering tidak berfungsi seperti yang diiklankan, dan ada sejumlah rintangan untuk membuatnya aman. Openai telah belajar bahwa pelajaran itu dengan cara yang sulit, karena laporan psikosis AI membanjiri internet.

Tetapi Cook baru-baru ini mengisyaratkan bahwa ia memahami betapa transformatifnya teknologi tersebut bagi Apple, menjuluki revolusi AI “sebesar atau lebih besar” daripada internet selama pertemuan global semua tangan bulan lalu.

Ramp-up Apple dengan AI diharapkan memakan waktu, seperti yang dicatat Bloomberg. Perusahaan ini mengumumkan iPhone baru minggu depan, tetapi perangkat ini tidak diharapkan memiliki fitur AI baru “utama”.

Eksekutif Walmart memprediksi bahwa kotak pencarian tradisional akan menjadi usang saat pengecer meluncurkan Sparky, agen perbelanjaan AI yang dirancang untuk menangani segala sesuatu mulai dari pesanan bahan makanan rutin hingga penelitian pembelian yang kompleks. Prediksi ini datang sebagai bagian dari pengumuman Walmart 24 Juli tentang “bab berikutnya dari AI at Walmart”-kerangka kerja AI empat bagian yang komprehensif yang mencakup Sparky untuk pelanggan, Marty untuk pemasok dan pengiklan, agen rekanan untuk karyawan, dan agen pengembang untuk membangun sistem.

“Kami berharap bahwa bilah pencarian dan cara konvensional untuk mencari barang akan digantikan oleh antarmuka multimoda ini di Sparky,” jelas Hari Vasudev, CTO dari Walmart Us, selama acara inovasi “ritel ritel” virtual di mana perusahaan meluncurkan bab berikutnya dari kemampuan AI. Tujuannya: Hilangkan kebutuhan pelanggan untuk mencari sama sekali.

Sparky diperkirakan akan berkembang, dari chatbot ke agen

Saya menulis pada bulan Mei tentang bagaimana asisten AI Sparky Walmart diluncurkan sebagai “penggerak yang cukup terlambat” di ruang perbelanjaan AI, dengan akurasi awal dan masalah kegunaan yang membuatnya terasa tidak siap untuk prime time. Tetapi pengumuman terbaru perusahaan mengungkapkan rencana ambisius yang jauh melampaui kemampuan chatbot saat ini. Memang eksekutif perusahaan mengatakan minggu ini bahwa penggunaan Sparky telah meningkat secara dramatis sejak fitur tersebut ditambahkan ke posisi utama di aplikasi belanja.

Walmart membayangkan Sparky Evolving menjadi agen belanja yang benar -benar otonom yang secara otomatis dapat membuat keranjang grosir mingguan, menganalisis foto dapur pelanggan untuk menyarankan resep, dan memandu keputusan pembelian yang kompleks. Daripada membuat pelanggan memecah kebutuhan menjadi kata kunci yang dapat dicari, AI akan memahami tujuan tingkat tinggi dan mengatur tindakan yang diperlukan untuk memenuhi mereka.

“Anda pada dasarnya bisa memberikan tugas yang sangat tinggi dengan mengatakan, Anda tahu, saya baru saja pindah ke apartemen baru,” Vasudev menunjukkan. “Saya ingin melengkapi seluruh apartemen dalam anggaran ini, skema warna ini, dan Sparky akan kembali dan memberi Anda seluruh pilihan yang akan membantu Anda memenuhi kebutuhan itu.”

Ini merupakan pergeseran dari pencarian berbasis kata kunci ke belanja berbasis tugas-di mana agen AI menyelesaikan seluruh alur kerja daripada sekadar mengembalikan hasil yang relevan.

Taruhan besar Walmart adalah sinyal bagi pengecer lain

Apa yang membuat pendekatan Walmart sangat signifikan adalah skala. Ketika pengecer yang melayani 230 juta pelanggan mingguan mengumumkan bahwa mereka menggantikan antarmuka pencarian dengan agen AI, itu bukan hanya peningkatan bertahap. Jika membangun kembali semua aspek bisnis mereka di sekitar AI adalah investasi yang baik untuk pengecer terbesar di dunia, ini harus mengirimkan sinyal yang jelas kepada pengecer lain.

Perusahaan ini menggunakan apa yang disebutnya “kerangka kerja agen” dengan empat agen inti:

1. Sparky untuk pelanggan
2. Marty untuk pemasok dan pengiklan
3. Agen rekanan untuk karyawan, dan
4. Agen pengembang untuk sistem bangunan.

Perubahan ini menyentuh setiap pemangku kepentingan di ekosistem Walmart, dari pembeli, hingga pemasok hingga 2,1 juta rekan yang akan berinteraksi dengan AI setiap hari – dan bahkan real estat fisik dan aset yang digunakan Walmart untuk mengoperasikan toko -tokonya.

“Ini adalah momen bagi Walmart di mana kami membalik dari AI yang mendukung bisnis untuk benar -benar mengendarainya,” jelas Suresh Kumar, CTO global Walmart, selama pengumuman.

Taruhan ekosistem terbuka

Salah satu aspek yang sangat menarik adalah pendekatan Walmart terhadap agen AI eksternal – dan itu merupakan keberangkatan mendasar dari pesaing seperti Amazon. Sementara Amazon tampaknya sedang membangun “taman berdinding” alat AI berpemilik, Walmart merancang Sparky untuk berinteraksi dengan agen dan sistem lain.

“Dari perspektif teknologi dan tumpukan produk, kami tentu saja membangun Sparky agar mampu berinteraksi dengan kedua agen lain maupun dengan manusia di ujung yang lain,” Vasudev mengkonfirmasi selama pengumuman.

Keterbukaan ini mencerminkan tren yang lebih luas yang saya amati: pembeli akan semakin beralih ke asisten AI pribadi mereka untuk bantuan berinteraksi dengan pengecer, daripada mengandalkan asisten pengecer AI yang dibatasi oleh taman bertembok mereka sendiri. Walmart tampaknya mengenali kenyataan ini dan memposisikannya.

Implikasinya signifikan. Daripada memaksa pelanggan ke dalam pengalaman AI khusus platform, Walmart tampaknya mempersiapkan dunia di mana banyak asisten AI berkoordinasi atas nama konsumen. Sparky dapat berkembang dari asisten perbelanjaan menjadi fondasi untuk perdagangan agen-ke-agen-di mana asisten AI pribadi Anda bernegosiasi dengan sistem Walmart untuk menyelesaikan pembelian, membandingkan harga, atau mengelola langganan.

Kemampuan agen eksternal ini dapat memposisikan Walmart sebagai hub untuk berbelanja yang dimediasi AI di seluruh ekosistem, bukan hanya pembelian Walmart. Jika konsumen semakin mengandalkan asisten AI pihak ketiga seperti ChatGPT atau agen pribadi di masa depan, pendekatan terbuka Walmart memastikan mereka tetap dapat diakses sementara pesaing berisiko terkunci.

Walmart juga diposisikan untuk interaksi multimodal yang melampaui percakapan berbasis teks. Perusahaan mengharapkan pelanggan akan segera berinteraksi dengan AI melalui suara, gambar, dan video dengan cara yang mencerminkan perilaku belanja manusia alami.

Efek domino industri

Sifat luas dari transformasi AI Walmart adalah sinyal bagi seluruh industri ritel. Selain menggunakan AI secara sedikit demi sedikit untuk meningkatkan proses yang ada, raksasa ritel ini membangun kembali sistem intinya di sekitar agen AI.

Jika berhasil, pendekatan ini dapat memaksa setiap pengecer besar untuk mengembangkan kemampuan serupa atau risiko memiliki antarmuka mereka tampak kuno. Karena menjadi lebih terpapar dengan antarmuka obrolan, mereka mungkin mulai menolak bilah pencarian. Konsumen juga akan mengandalkan kecepatan pengiriman yang dapat digunakan Walmart kepada pelanggan – dengan 70% keranjang dikirim dalam 1 jam atau kurang ketika pengiriman ekspres dipilih.

Untuk merek, implikasinya sama pentingnya. Keberhasilan dalam dunia belanja yang dimediasi agen mungkin lebih bergantung pada kualitas data dan optimasi algoritmik daripada taktik pemasaran tradisional. Seperti yang saya catat dalam analisis Sparky saya sebelumnya, “Pembeli AI tidak menggulir – jika Anda tidak dioptimalkan untuk AI, Anda tidak terlihat.”

Taruhan Strategis

Pengumuman Walmart tentang “fase 3” evolusi AI -nya lebih dari sekadar peningkatan teknologi. Ini menandakan bahwa setiap aspek perdagangan akan dipengaruhi oleh AI-pengalaman berbelanja front-end, pekerjaan sehari-hari karyawan, dan bagaimana lingkungan toko fisik dioperasikan dan dipelihara.

Kotak pencarian mungkin memang menghilang. Apakah pelanggan merangkul visi ini-dan apakah pesaing dapat mencocokkan pendekatan terintegrasi Walmart-akan menentukan pengecer mana yang berkembang di era perdagangan bertenaga AI di depan.

Emarketer sekarang memproyeksikan pengiklan AS akan menuangkan lebih dari $ 25 miliar-sekitar 14% dari semua anggaran pencarian-ke dalam hasil pencarian bertenaga AI pada tahun 2029. Lompatan itu hanya dari $ 1,04 miliar tahun ini bukanlah pemikiran angan-angan: di belakang layar, platform adalah antarmuka produk terstruktur langsung ke antarmuka produk besar (LLM).

API katalog baru Shopify, diumumkan minggu lalu, sekarang mari agen seperti kebingungan membaca judul, harga, dan inventaris untuk setiap SKU Shopify secara real time, tidak diperlukan gesekan. Sementara itu, pengalaman berbelanja AI awal dari chatgpt ke agen acara “beli untuk saya” Amazon yang dapat meneliti, memperbaiki, dan bahkan check out dalam satu aliran percakapan. Bersama -sama, perkembangan infrastruktur ini mengubah jawaban percakapan menjadi inventaris iklan yang dapat dibeli – tidak mengunci kurva pengeluaran eksplosif yang diperkirakan.

Dari kebersihan pakan hingga keunggulan penemuan

Tidak seperti iklan pencarian tradisional yang muncul di samping Blue Links, iklan pencarian AI akan diterjemahkan di dalam jawaban percakapan itu sendiri. Ini mewakili apa yang didefinisikan Emarketer sebagai “jawaban yang disponsori, menyebutkan merek, dan tautan afiliasi yang tertanam dalam ringkasan yang dihasilkan AI atau respons percakapan”-pergeseran mendasar yang berarti agen AI membutuhkan judul produk yang diperkaya, atribut terperinci, dan status inventaris waktu nyata untuk menempati peringkat atau permukaan yang disponsori “disponsori” secara efektif.

Infrastruktur untuk pergeseran ini dengan cepat jatuh ke tempatnya. API Katalog Shopify, diluncurkan dengan diam -diam selama peluncuran edisi musim panas ’25 perusahaan pada 21 Mei, menyediakan “satu mesin yang dapat dibaca dari setiap produk yang diterbitkan di Shopify,” menurut Gavin McKew, direktur di Shero Commerce, yang menghadiri konferensi pengembang Shopify. “Aplikasi penemuan seperti chatgpt, kebingungan, atau kopilot dapat menarik judul, harga, tingkat stok, taksonomi, dan atribut yang diperkaya secara real time. Tidak ada pengikisan, tidak ada jeda harian.”

Ini menciptakan tantangan optimasi yang sama sekali baru untuk merek. Keberhasilan membutuhkan memperlakukan metafield Shopify, deskripsi produk, dan data terstruktur bukan karena pekerjaannya tetapi sebagai input media kinerja. Saran McKew kepada pedagang mencerminkan pergeseran ini: “Perlakukan setiap bidang produk seperti salinan iklan. Isi metafield standar dan kencangkan deskripsi.”

“Aliran agen-commerce yang kredibel harus membiarkan pelanggan melihat produk dan membelinya di dalam obrolan,” kata ahli pasar ritel Scot Wingo dalam sebuah artikel yang memetakan ekosistem agen AI. Ini membutuhkan umpan produk real-time sebagai fondasi, ditambah pemrosesan pembayaran yang aman dalam platform AI atau integrasi mulus yang mengarahkan ke checkout pengecer-tanpa data produk yang akurat, tidak ada jalur yang berfungsi.

Hoki baru dari pertumbuhan media

Proyek lintasan lintasan – dari $ 1 miliar hingga $ 25 miliar dalam lima tahun – mengikuti pola yang akrab dalam evolusi iklan digital. Media ritel membutuhkan waktu sekitar lima tahun untuk mencapai skala yang sama (dari $ 1 miliar hingga $ 30 miliar dalam pendapatan iklan), sementara iklan pencarian dan sosial masing -masing membutuhkan kerangka waktu yang lebih lama. Iklan pencarian AI tampaknya diposisikan untuk mencocokkan kurva adopsi cepat media ritel.

Sebuah survei adobe terhadap 5.000 konsumen AS mengungkapkan bahwa 39% telah menggunakan AI generatif untuk belanja online, dengan 53% perencanaan untuk melakukannya tahun ini. Tugas Belanja Konsumen menggunakan AI untuk termasuk:

• Melakukan penelitian (55% responden)
• Menerima rekomendasi produk (47%)
• Mencari penawaran (43%)
• Mendapatkan Ide Sekarang (35%)
• Menemukan Produk Unik (35%)
• Membuat daftar belanja (33%).

Media ritel meledak begitu pedagang hanya membalik pada daftar yang disponsori di taman bertembok mereka sendiri – membakar inventaris, pengembalian segera untuk pengeluaran iklan. Sektor ini memulai sprint sembilan tahun yang lalu dan sudah menjadi item baris $ 60-plus-miliar hari ini, sedangkan pencarian AI baru saja memasuki tahun pertama.

Pencarian AI membutuhkan infrastruktur yang lebih kompleks sebelum pengiklan mendorong anggaran besar. Umpan data produk yang bersih dan real-time harus terhubung dengan kemampuan checkout-baik melalui pemrosesan pembayaran langsung atau integrasi pengecer yang mulus. Titik belok antara tahun 2027 dan 2028, ketika proyek -proyek eMarketer membelanjakan untuk melonjak dari $ 4,77 miliar menjadi $ 12,65 miliar, kemungkinan bertepatan dengan platform yang meluncurkan lapisan penempatan premium di atas umpan katalog gratis mereka.

Untuk merek dan agensi yang membeli media, garis waktu ini menunjukkan eksperimen segera dengan anggaran sederhana, diikuti oleh investasi yang lebih agresif saat infrastruktur matang. Merek yang menjalin hubungan dengan platform AI dan mengoptimalkan data produk mereka sekarang akan diposisikan untuk skala ketika inventaris iklan menjadi tersedia secara luas.

Pengecer memilih jalur AI yang berbeda

Munculnya agen belanja AI memaksa pengecer untuk membuat pilihan strategis tentang bagaimana mereka ingin berpartisipasi dalam perdagangan percakapan. Dua pendekatan berbeda muncul, dengan implikasi untuk merek yang merencanakan strategi iklan pencarian AI mereka.

Pengecer sudah menyimpang pada pendekatan mereka.

Baru -baru ini saya menulis bagaimana Walmart mengejar jalur ganda: membangun agen belanja mereka sendiri sambil menjelajahi teknologi yang memungkinkan konsumen untuk berbelanja bermacam -macam Walmart menggunakan agen belanja pribadi pilihan mereka. Ini kontras dengan pendekatan taman bertembok Amazon – mengembangkan alat AI berpemilik termasuk Rufus, Alexa+, dan “Buy for Me” sambil memblokir agen eksternal dari mengakses platformnya.

Sementara itu, platform multi-pedulter seperti kemitraan Shopify dengan kebingungan mewakili model ketiga: pengalaman berbelanja lintas-retail yang disatukan. Pengguna dapat menemukan produk melalui pencarian AI, membandingkan opsi di beberapa toko Shopify, dan menyelesaikan pembelian menggunakan Shop Pay, semuanya dalam satu pengalaman percakapan.

Untuk merek, strategi pengecer yang berbeda ini menciptakan keputusan rumit tentang prioritas platform dan alokasi anggaran di berbagai lingkungan perbelanjaan AI.

Atribusi media semakin buram

Pengalaman belanja bertenaga AI menciptakan tantangan pengukuran baru yang akan menambah masalah atribusi media ritel yang ada. Ketika transaksi dimulai dalam antarmuka percakapan dan lengkap melalui berbagai sistem checkout, kategorisasi anggaran tradisional rusak.

Jika seorang pembelanja menggunakan kebingungan untuk meneliti “headphone nirkabel di bawah $ 200,” menerima rekomendasi bertenaga AI, dan kemudian membeli melalui kebingungan menggunakan pembayaran toko, apakah penjualan itu termasuk dalam anggaran “pencarian,” “media ritel,” atau “afiliasi”? Model atribusi tradisional tidak dirancang untuk transaksi yang dimulai dalam obrolan dan lengkap di dompet pedagang.

Tantangan ini melampaui klasifikasi anggaran sederhana. Tim pemasaran akan membutuhkan kerangka kerja baru untuk melacak dan mengoptimalkan pengeluaran di seluruh antarmuka percakapan, terutama karena platform ini mengembangkan inventaris iklan mereka sendiri. Kompleksitas meningkat ketika mempertimbangkan bahwa agen AI tunggal dapat sumber informasi produk dari banyak pengecer, membandingkan harga lintas platform, dan menyelesaikan transaksi melalui sistem yang sama sekali berbeda.

Bahkan pada proyeksi skala $ 25 miliar pada tahun 2029, iklan pencarian AI akan tetap lebih kecil dari media ritel dalam dolar absolut. Tetapi pertumbuhan iklan tambahan dari tahun 2027 dan seterusnya akan semakin miring ke arah pencarian bertenaga AI karena antarmuka percakapan menjadi saluran penemuan utama.

Bersiap untuk Iklan Pencarian AI

Konvergensi umpan data-data dan iklan pencarian AI menciptakan keunggulan penggerak pertama bagi merek yang bersedia memperlakukan sistem ini sebagai tantangan yang terintegrasi daripada terpisah. Keberhasilan membutuhkan penyelarasan antara tim yang secara tradisional silu yang mengelola informasi produk, pembelian media, dan infrastruktur teknologi.

Infrastruktur teknis dengan cepat matang di luar pendekatan Shopify. Standar seperti model model Anthropic’s Context Protocol (MCP) menciptakan jumlah “USB-C untuk agen AI”-koneksi standar yang mengekspos produk, inventaris, program loyalitas, dan kemampuan checkout ke model AI yang sesuai. Ini memberi pengecer kesempatan untuk berpartisipasi dalam beberapa pasar AI tanpa menyerahkan data pelanggan atau kontrol harga.

Jason Goldberg, Kepala Pejabat Strategi Perdagangan di Publicis Commerce, menekankan tantangan organisasi dalam buku putih baru: “Perusahaan yang berkembang dalam lanskap pencarian AI baru tidak akan menjadi yang paling keras – mereka akan menjadi yang paling mudah beradaptasi.” Analisisnya baru -baru ini tentang gangguan perdagangan AI menunjukkan merek harus “mengoptimalkan produk dan konten untuk LLM” sementara secara bersamaan mengujicobakan “kemitraan perdagangan AI” dengan platform yang muncul.

Matematika di balik proyeksi EMarketer $ 25 miliar menjadi jelas ketika mempertimbangkan perkembangan infrastruktur ini. Umpan produk yang hanya pernah melayani hanya perbandingan mesin belanja atau situs web pengecer sekarang mendukung AI percakapan yang dapat meneliti, merekomendasikan, dan bertransaksi secara mandiri. Dikombinasikan dengan meningkatnya adopsi konsumen, fondasi ini ada untuk perkiraan pertumbuhan eksplosif.

Merek yang memperlakukan data produk dan strategi media sebagai prioritas yang terhubung akan diposisikan lebih baik sebagai skala iklan pencarian AI. Mereka yang terus mengelola inisiatif AI secara terpisah dari operasi perdagangan inti mereka mungkin menemukan diri mereka pada posisi yang kurang menguntungkan ketika pencarian percakapan menjadi lebih umum.

Penelitian genetik pada Saola langka menunjukkan dua populasi dengan keragaman yang berharga. Menggabungkan mereka dalam program pemuliaan dapat membantu spesies bertahan hidup, tetapi para peneliti harus terlebih dahulu menemukan individu yang hidup. Apakah itu punah, atau mungkin masih bersembunyi di dalam hutan dataran tinggi yang berkabut di Vietnam dan Laos? Dikenal sebagai Unicorn Asia untuk (…)

RisalahPos.com Network

Dalam lanskap e-commerce yang berkembang pesat dan semakin kompetitif, pengecer harus terus memperbaiki pengalaman pencarian dan penemuan mereka untuk memenuhi harapan konsumen ketika mereka berbelanja. Sebuah studi Maret 2025 oleh konstruktor, “Beyond Relevance: Kasus yang didukung data untuk daya tarik sebagai standar baru untuk kinerja pencarian eCommerce,” menyoroti peran transformatif pengalaman pencarian yang menarik dalam mendorong pendapatan, konversi, dan kepuasan pelanggan.

Kekuatan pencari e -commerce

Studi Konstruktor menganalisis 609 juta pencarian pembelanja online di 113 situs ritel global, yang bertanggung jawab atas pendapatan ritel $ 9,8 miliar yang mengesankan. Temuan ini menggarisbawahi dampak besar pembeli yang menggunakan fungsi pencarian di tempat:

• 44% dari pendapatan eCommerce berasal dari hanya 24% dari pembeli – Mereka yang terlibat dengan bilah pencarian pengecer.
• Angka -angka ini bervariasi berdasarkan industri, dengan pencari mendorong 57% pendapatan dalam kesehatan dan kecantikan dan 61% dalam barang dagangan umum.
• Akun pencari 45% dari aktivitas add-to-cart Dan 42% konversi.
• Mereka mengonversi di 2,5 kali laju non-pencari.
• Tingkat add-to-cart mereka berdiri di 33%, dibandingkan dengan hanya 19% untuk non-pencari.

Seperti yang dijelaskan Eli Finkelshteyn, CEO dan co-founder Konstruktor,, “Pembeli yang menggunakan pencarian ada pada misi. Mereka selalu memiliki gagasan yang tidak jelas tentang apa yang mereka inginkan, dan seringkali mereka tahu persis apa yang mereka inginkan. Bagaimanapun, dengan mencari, mereka menunjukkan indikator kuat niat dan kemungkinan besar untuk membeli. Data kami memperkuat ini.”

Bergerak melampaui relevansi kata kunci dengan daya tarik

Sementara relevansi secara tradisional menjadi fokus inti dari algoritma pencarian, studi konstruktor mengungkapkan bahwa daya tarik adalah pendorong keterlibatan dan konversi yang lebih kuat. Hasil pencarian yang menjadi faktor preferensi pembelanja individu – seperti afinitas merek, ukuran, kesesuaian, kisaran harga, dan riwayat pembelian masa lalu – menghasilkan dua kali lipat tingkat klik dari hasil yang kurang personal.

Finkelshteyn menguraikan pentingnya perubahan ini: “Secara tradisional, keberhasilan pencarian telah diukur dengan relevansi teknis, dan sebagian besar mesin pencari eCommerce masih beroperasi dengan cara ini. Tetapi hasil yang ‘relevan’ benar -benar tidak cukup.

Hasil yang relevan adalah sesuatu yang hanya cocok dengan makna dasar kueri. Misalnya, pertimbangkan pembelanja yang mencari “kemeja” di situs web pakaian. Mesin pencari tradisional akan fokus pada menampilkan barang -barang yang merupakan kemeja dan menyebut kesuksesan itu. Tantangannya adalah bahwa situs web kemungkinan menjual kemeja yang tak terhitung jumlahnya, dan pengguna tidak akan mengarungi semuanya. Pengecer benar -benar hanya memiliki halaman pertama dan kedua (dan sering kali tidak) untuk meyakinkan pengguna bahwa ia memiliki sesuatu yang mereka inginkan. Jika seorang pembelanja melihat kemeja, tetapi dalam warna dan pola yang tidak disukai pembelanja, dia akan berpikir, “Yah, saya menemukan jenis kemeja yang Anda miliki, hasil ini relevan dengan pertanyaan saya, tetapi itu bukan mode yang ingin saya beli.” Dan kemudian dia cenderung pergi.

Dengan memprioritaskan daya tarik daripada relevansi kata kunci sederhana, pengecer dapat memastikan bahwa pelanggan melihat produk yang sebenarnya ingin mereka beli, yang secara signifikan meningkatkan tingkat konversi dan pengalaman belanja secara keseluruhan.

Frustrasi pembelanja dengan pengalaman pencarian saat ini

Terlepas dari potensi pendapatan yang luar biasa dari pencarian yang dioptimalkan, banyak pengecer masih gagal dalam memberikan pengalaman pencarian yang menarik dan sentris pembelanja. Studi konstruktor terpisah tentang konsumen AS dan Inggris menyoroti poin -poin nyeri utama:

• 68% pembeli percaya fungsi pencarian online perlu ditingkatkan.
• 21% Habiskan setidaknya 8 menit penyaringan melalui hasil pencarian untuk menemukan apa yang mereka butuhkan.
• Hanya 24% menggambarkan menemukan produk secara online sebagai “cepat.”
• 42% Temukan hasil pencarian secara teknis relevan tetapi tidak menarik atau bermanfaat.
• 44% merasa situs pengecer favorit mereka gagal mengenali preferensi dan pembelian masa lalu mereka.

Seperti yang dicatat oleh Finkelshteyn, “Ini campuran. Bagi sebagian orang, masalah ini adalah mesin berbasis kunci yang lebih lama yang hanya memiliki beberapa fitur AI yang ditempel. Mesin ini tidak dibangun untuk menangani perdagangan modern. Untuk mesin lain yang lebih baru, mereka bahkan mungkin tidak didasarkan pada hal-hal yang tidak ada yang membuat para pengguna itu tidak ada yang membuat para pengguna, dan mereka melakukan hal-hal yang lebih baik daripada daya tariknya daripada menariknya daripada menariknya daripada menariknya. membeli.”

Pendekatan bertenaga AI konstruktor untuk pencarian e-commerce

Konstruktor memimpin muatan dalam mendefinisikan ulang pencarian e-niaga dan penemuan produk melalui personalisasi yang digerakkan oleh AI. Tidak seperti mesin pencari konvensional, platform konstruktor dibangun dari bawah ke atas dengan AI untuk perdagangan, memanfaatkan petabyte data khusus perdagangan untuk memprediksi dan memunculkan produk yang paling menarik untuk setiap pembelanja.

Teknologi perusahaan mengintegrasikan beberapa aliran data untuk mengoptimalkan pencarian dan penemuan secara real-time. Ini menganalisis data clickstream pembeli-termasuk perilaku menjelajah, waktu yang dihabiskan untuk produk, tindakan add-to-cart, dan riwayat pembelian-di samping tujuan bisnis yang ditentukan pengecer seperti penyeimbangan inventaris dan prioritas produk margin tinggi.

Finkelshteyn menekankan pentingnya membuat pengalaman pencarian menjadi intuitif dan dipersonalisasi: “Pengecer dapat dan harus memanfaatkan perilaku intrent pencari tinggi. Tetapi penting untuk menyadari bahwa tidak semua pengalaman pencarian dibuat sama. Hanya memiliki bilah pencarian tidak menjamin konversi.

Untuk mendorong hasil terbaik, katanya, penting untuk membuat pengalaman pencarian yang baik. Itu berarti membuat mereka intuitif, menonjol (tanpa interupsi) dan, di atas segalanya, berguna bagi pembeli.

Pendekatan ini sudah diimplementasikan oleh pengecer terkemuka. Tony Gabriele, Wakil Presiden Strategi Digital di Petco, menjelaskan: “Di Petco, kami fokus mencocokkan pengalaman digital kami dengan kebutuhan dan preferensi pelanggan kami. Jika orang tua anjing menjelajahi makanan anjing dan mainan anjing di Petco.com, dan kemudian mencari ‘Collars,’ yang lebih membantu dengan cara yang ditampilkan oleh mereka. Segala sesuatu yang mereka butuhkan untuk menjaga hewan peliharaan mereka bahagia dan sehat. ”

Demikian pula, IPSY memanfaatkan AI untuk meningkatkan personalisasi dalam penemuan produk kecantikan. Sree Sreedhararaj, CTO dari Ipsy, berbagi: “Makeup dan produk kecantikan lainnya, tentu saja, sangat pribadi, jadi pengalaman pelanggan kita juga harus. Penting bagi kita untuk memiliki pendekatan yang dipersonalisasi yang membawa melalui semua aspek dari perjalanan online pelanggan kita: ketika mereka mengambil kuis kecantikan kita, ketika mereka melihat hasil pencarian, ketika mereka browse, dan sebagainya.

Swimoutlet, pengecer online pakaian renang dan renang, juga mendapat manfaat dari membuat hasil pencarian dan pengalaman digital lainnya lebih menarik dan dipersonalisasi untuk pembeli – meningkatkan pendapatan per pengunjung sebesar 4%. “Debat relevansi vs daya tarik bukan hanya teoretis bagi kita. Berada di sisi kanan itu berarti jutaan dolar dalam pendapatan tambahan,” kata Swimoutlet CMO Alexander Sienkiewicz.

Masa depan yang dibangun di atas personalisasi yang digerakkan oleh AI

Ketika eCommerce terus berkembang, pencarian yang digerakkan oleh AI dan penemuan produk akan menjadi standar untuk memberikan pengalaman belanja yang sangat relevan dan menarik. Ipsy, misalnya, mengintegrasikan data kuis kecantikannya dengan platform AI konstruktor untuk lebih mempersonalisasikan pengalaman pelanggannya, memastikan pembeli melihat nuansa, gaya, dan produk yang tepat yang paling sesuai dengan preferensi mereka.

Pergeseran dari relevansi ke daya tarik lebih dari sekadar peningkatan teknologi; Ini adalah transformasi mendasar dalam bagaimana pengecer terhubung dengan pelanggan mereka. Mereka yang merangkul perubahan ini tidak hanya akan mengurangi gesekan dan mendorong keberhasilan e -commerce yang lebih besar untuk pembeli, tetapi mengolah hubungan pelanggan yang langgeng

Pasar Digital.

Chegg adalah semacam napas terakhir yang sekarat pada saat ini, tetapi akan keluar berkelahi. Perusahaan pendidikan online, yang mulai menyewa buku teks dan kemudian diperluas ke bantuan pekerjaan rumah online, menggugat Google pada hari Senin untuk praktik anti-kompetitif, mengatakan itu adalah bahan yang tidak adil dari Chegg untuk hasil pencarian bertenaga AI.

Gugatan itu bukanlah hal yang inovatif atau baru – Google telah diserang selama bertahun -tahun oleh orang -orang seperti Yelp atas klaim ia menggunakan dominasi pencariannya untuk menyalin produknya dan menjaga pengguna di situs webnya sendiri. Chegg berpendapat bahwa dengan mengikis situs web dan memunculkan cuplikan secara langsung di halaman Hasil Pencarian, Google membunuh permintaan untuk konten asli dan mengikis insentif keuangan bagi perusahaan seperti Chegg untuk benar -benar berinvestasi dalam memproduksi materi yang mendukung program AI.

Sementara perusahaan teknologi besar telah mengantre untuk mendukung Presiden Trump, beberapa pemerintahan baru tetap skeptis terhadap industri, jadi itu bukan jaminan bahwa Google akan dapat menghindari kasus ini. Padahal, perlu dicatat bahwa stok Chegg turun 30% sehari setelah gugatan diajukan.

Google dan orang lain di Tech telah berpendapat penggunaan materi orang lain di chatbots adalah penggunaan yang adil karena mereka mengubah konten secara signifikan. Dan mereka mengatakan alat baru seperti ringkasan bertenaga AI tidak mengurangi lalu lintas ke situs pihak ketiga karena mereka dapat membantu pengguna menemukan informasi yang mereka inginkan lebih cepat; Orang -orang akan selalu ingin menyelam lebih dalam ketika mereka menemukan sesuatu yang menarik. Tetapi dengan situs web seperti Chegg yang dapat memberikan jawaban langsung untuk masalah matematika kepada siswa yang malas, tampaknya pengguna bisa menyalin-paste tanggapan dari Google dan melanjutkan.

CHEGG telah memiliki rollercoaster perjalanan sejak tahun 2020. Selain penyewaan buku teks, perusahaan menawarkan kemampuan untuk mencari bantuan pekerjaan rumah dari sekelompok pakar online, dan permintaan untuk layanannya segera meroket pada serangan pandemi. Namun, pengembalian ke instruksi kelas dan peluncuran chatgpt membalikkan semua keuntungan itu. Saham Chegg diperdagangkan hanya dengan $ 1 per saham hari ini, turun dari puncak $ 113 pada tahun 2021 setelah menumpahkan ratusan ribu pelanggan pada tahun 2024.

Perusahaan, dengan menggugat Google untuk mengikis situs web untuk digunakan di chatbots, memang ada titik bahwa raksasa teknologi mendukung teori internet yang mati, gagasan bahwa internet dikuasai oleh aktivitas bot dan konten yang dihasilkan secara otomatis (lihat: Facebook, YouTube Ai slop). Chegg sendiri telah bergegas untuk bersaing dengan jawaban yang dibantu AI sendiri, dan pengguna di forum seperti Reddit menuduh solusi yang disediakan secara teratur tidak benar. Dalam arti tertentu, perusahaan seperti Google yang harus disalahkan untuk itu. Chegg harus melakukan sesuatu untuk dicoba dan diimbangi, tetapi jawabannya sulit dipercaya pada saat ini (selain solusi buku teks yang diperiksa).

Situs web lain seperti StackoverFlow, situs web tanya jawab untuk pemrogram, juga dilubangi oleh munculnya chatbots. Sesuatu yang diabaikan tentang penggunaan situs seperti StackOverflow adalah bahwa berjuang melalui masalah membantu seseorang mendapatkan pengetahuan dasar lebih dari sekadar mendapatkan jawaban yang dikembalikan segera tanpa alasan. StackOverflow mengharuskan seseorang untuk membaca beberapa diskusi ahli untuk mendapatkan gambaran lengkap. Ini lebih lambat, tetapi seseorang keluar lebih baik memahami bukan hanya solusi untuk suatu masalah tetapi mengapa itu berhasil. Chegg mengatakan ingin menargetkan “pelajar yang penasaran” dengan jawaban yang lebih komprehensif dan diperiksa, tentu saja dibantu, oleh AI.

Chegg mungkin bukan karakter yang paling simpatik, tetapi ada kekhawatiran nyata tentang alat apa yang dilakukan ringkasan AI Google ke internet jika situs web seperti mereka dan stackoverflow tidak dapat bertahan dan menghasilkan pengetahuan yang terperinci dan langkah demi langkah yang mendukung model AI di tempat pertama. Sayangnya, sepertinya banyak konsumen tidak peduli, dan akan menerima jawaban AI Google karena kemalasan semata -mata bahkan jika mereka sadar itu cenderung membuat kesalahan.

Temukan bagaimana para ilmuwan memadukan biologi, biologi sintetis, dan astrobiologi untuk berspekulasi pada bentuk kehidupan alien, dengan fokus pada karakteristik bersama yang mungkin melampaui biosfer Bumi. Salah satu tantangan terbesar dalam astrobiologi – studi kehidupan di alam semesta – adalah memahami sifat kehidupan itu sendiri. Selama lebih dari seabad, ahli biologi memiliki (…)

RisalahPos.com Network

Related