با فرا رسیدن فصل خریدهای تعطیلات، OpenAI و Perplexity این هفته ویژگیهای جدیدی برای کمک به کاربران در تحقیق و انتخاب محصولات معرفی کردند. هر دو ابزار از طریق چتباتهای خود به کاربران امکان میدهند تا با پرسیدن سوالاتی مانند «بهترین لپتاپ گیمینگ زیر ۱۰۰۰ دلار با صفحه نمایش ۱۵ اینچی» یا توصیف ظاهر یک لباس و درخواست نمونهای مشابه با قیمت پایینتر، خرید خود را انجام دهند.
Perplexity بر قابلیت بهخاطر سپردن اطلاعات توسط چتبات تمرکز دارد تا بتواند پیشنهادات شخصیسازیشدهتری ارائه دهد که بر اساس محل زندگی یا شغل کاربر باشد. این پیشرفتها نشان دهنده ورود فزایندهی هوش مصنوعی به دنیای خرید آنلاین است که انتظار میرود امسال در فصل تعطیلات شاهد رشد ۵۲۰ درصدی آن باشیم.
این موضوع میتواند برای استارتآپهای نوظهور فعال در حوزه خرید با کمک هوش مصنوعی مانند Onton (که قبلاً با نام دیگری فعالیت میکرد) فرصت خوبی باشد، اما آیا OpenAI و Perplexity با ورود عمیقتر به این بازار، آنها را تحت الشعاع قرار میدهند؟
زچ هادسن، مدیرعامل Onton معتقد است که استارتآپهایی که در یک حوزه تخصصی تمرکز کردهاند همچنان میتوانند تجربهای بهتر از ابزارهای عمومی مانند ChatGPT و Perplexity ارائه دهند. او تاکید میکند که کیفیت دادههای مورد استفاده مدلها بسیار مهم است. ابزارهای مبتنی بر LLM مانند ChatGPT و Perplexity اغلب به نتایج جستجوی موتورهای جستجو مانند Bing یا Google متکی هستند، بنابراین عملکرد آنها محدود به کیفیت آن نتایج است.
ژولی بورن اشتاین، مدیرعامل Daydream نیز با این نظر موافق است. او معتقد است که صنعت مد همواره در زمینه جستجو با مشکلاتی روبرو بوده و نیازمند دادهها و منطق مرچاندایزینگ (بازاریابی) خاصی است تا بتواند ظرافتهای مربوط به انتخاب لباس، جنس پارچه، مناسبت و نحوه ترکیب آنها را درک کند.
استارتآپهای خرید با کمک هوش مصنوعی معمولاً مجموعههای داده خود را ایجاد میکنند تا ابزارهایشان بر اساس دادههای با کیفیتتر آموزش ببینند – این کار زمانی آسانتر است که بخواهید محصولات داخلی یا مبلمان را فهرست کنید، نه کل دانش بشری.
هادسن معتقد است اگر استارتآپها به جای استفاده از مدلهای LLM و رابط کاربری گفتگویی، در تخصصی شدن اصرار نکنند، احتمالاً توسط شرکتهای بزرگتر تحت الشعاع قرار میگیرند. این شرکتها که برای فعالیت نیاز به قدرت محاسباتی زیادی دارند، هنوز در حال یافتن راهی برای سودآوری هستند و میتوانند از الگوهای Google و Amazon الهام بگیرند و با ارائه تبلیغات در نتایج جستجو به فروشگاههای آنلاین درآمد کسب کنند.
با این حال، بورن اشتاین معتقد است که مدلهای تخصصی – چه در زمینه مد، سفر یا کالاهای خانگی – عملکرد بهتری خواهند داشت زیرا برای تصمیمگیری واقعی مصرفکنندگان تنظیم شدهاند.
این مطلب از منابع بینالمللی ترجمه و بازنویسی شده است.