کشف محصول با هوش مصنوعی؛ ۳ درس طلایی از والمارت

گزارش مشترک NielsenIQ و World Data Lab با عنوان «A Tale of Two Consumers» نشان می‌دهد هوش مصنوعی به یکی از مسیرهای مهم کشف و بررسی محصولات تبدیل شده است. .

بر اساس این گزارش، نزدیک به ۷۵ درصد خریداران در فرایند کشف محصول از هوش مصنوعی استفاده می‌کنند و ۲۰ درصد مصرف‌کنندگان نیز در حال حاضر هوش مصنوعی را بخشی از فرایند خرید خود قرار داده‌اند. این گزارش همچنین اندازه بازار جهانی رسانه‌های خرده‌فروشی (Retail Media) را ۱۸۴ میلیارد دلار اعلام می‌کند.

کشف محصول با هوش مصنوعی؛ وقتی ویترین از جلوی مشتری کنار می‌رود

کشف محصول با هوش مصنوعی شبیه این است که مشتری دیگر خودش در بازار قدم نمی‌زند؛ دستیاری را می‌فرستد که ویترین‌ها را بگردد و فقط دو یا سه کالا را برگرداند. برندی که در آن فهرست کوتاه نباشد، برای مشتری وجود ندارد، هرچقدر هم تبلیغاتش پرزرق‌وبرق باشد. سال‌ها یاد گرفته بودیم برای چشم انسان طراحی کنیم؛ حالا باید برای خواننده‌ای طراحی کنیم که خسته نمی‌شود و فریب شعار را نمی‌خورد.

اعدادی که باید سر میز هیئت‌مدیره بروند

گزارش مشترک NielsenIQ و World Data Lab با عنوان «A Tale of Two Consumers» می‌گوید نزدیک ۷۵٪ خریداران در مرحلهٔ کشف محصول از هوش مصنوعی استفاده می‌کنند و ۲۰٪ مصرف‌کنندگان آن را همین حالا بخشی از فرایند خرید کرده‌اند. گزارش اندازهٔ بازار جهانی رسانه‌های خرده‌فروشی (Retail Media) را هم ۱۸۴ میلیارد دلار اعلام می‌کند. سرمایه همیشه به نقطه‌ای می‌رود که تصمیم خرید در آن شکل می‌گیرد، و این نقطه دارد جابه‌جا می‌شود.

این آمار جهانی و مبتنی بر اظهار خریداران است، نه رفتار ثبت‌شدهٔ خرید، و نباید به‌عنوان رفتار مصرف‌کنندهٔ ایرانی تلقی شود. در اقتصاد رفتاری، فاصلهٔ «می‌گویم» و «می‌خرم» را جدی می‌گیریم. ارزش این عدد در جهت حرکت بازار است، نه در درصد دقیقش

روایت والمارت: وقتی نوار جستجو به پایان خط رسید

والمارت پیام را زودتر از بسیاری از رقبا گرفت. دستیار هوش مصنوعی Sparky در ژوئن ۲۰۲۵ معرفی شد و درون اپلیکیشن خود والمارت کار می‌کند. در اکتبر ۲۰۲۵ این شرکت اعلام کرد مشتریانش به‌زودی می‌توانند داخل ChatGPT و با قابلیت Instant Checkout خرید کنند؛ قابلیتی که پیش‌تر با Etsy و Shopify شروع شده بود. مدیرعامل وقت والمارت، دوگ مک‌میلون، گفت تجارت الکترونیک سال‌ها فقط یک نوار جستجو و فهرستی بلند از نتایج بوده و این وضع دارد عوض می‌شود. دو نکتهٔ ریزتر هم هست. فروشنده‌ها برای خرید از این مسیر کارمزد می‌دهند. و OpenAI هنگام رتبه‌بندی فروشنده‌هایی که یک کالا را عرضه می‌کنند، فعال‌بودن Instant Checkout را هم یکی از عوامل می‌داند. یعنی آمادگی فنی، خودش یک عامل رتبه شده است. البته بعضی بازاریابان هنوز بدبین‌اند و می‌گویند هنوز اول راهیم. نتیجهٔ نهایی این شرط‌بندی هنوز اثبات نشده است.

۳ درس اجرایی برای کشف محصول با هوش مصنوعی

درس اول: داده محصول، رسانهٔ جدید شماست

دستیار هوش مصنوعی شعار شما را نمی‌خواند؛ مشخصات، قیمت، موجودی و ویژگی‌ها را می‌خواند. اگر کاتالوگ شما ناقص، ناهماهنگ یا قدیمی است، همان نسخهٔ ناقص به مشتری نشان داده می‌شود. این بخش را به یک ردیف جدی در بودجه تبلیغاتی تبدیل کنید، نه کار فرعی تیم فروش.

درس دوم: هم کانال خودی بسازید، هم در کانال بیرونی حاضر باشید

والمارت هم دستیار خودش را داشت و هم به ChatGPT رفت. وابستگی کامل به یک پلتفرم، همان ریسک قدیمی وابستگی به یک رسانه است. در برندسازی صنعتی هم همین‌طور: مهندس خریدی که از دستیار مشخصات فنی می‌پرسد، باید همان پاسخ دقیقی را ببیند که در سایت و کاتالوگ شماست.

درس سوم: تفاوت برند را قابل‌خواندن و قابل‌اثبات کنید

وقتی دستیار فقط چند گزینه نشان می‌دهد، «گزینهٔ پیش‌فرض» شدن ارزش بالایی دارد. تمایز ذهنی (همان استعاره‌های ذهنی خریدار) باید به شکل ویژگی مستند، گواهی و داده‌ای قابل راستی‌آزمایی هم نوشته شود. و یادتان باشد: اگر دستیار قیمت یا موجودی غلط نشان دهد، بیانیهٔ عذرخواهی و بحران را شما باید بنویسید، نه الگوریتم.

چک‌لیست مدیران

مشخصات، قیمت و موجودی محصولات ما یک منبع واحد و به‌روز دارد؟

کاتالوگ ما برای ماشین قابل‌خواندن است، نه فقط برای انسان؟

تفاوت برندمان را با داده و سند ثابت کرده‌ایم، نه فقط با شعار؟

هر ماه بررسی می‌کنیم دستیارهای هوش مصنوعی دربارهٔ ما چه می‌گویند؟

سناریوی اصلاح اطلاعات غلط در این کانال‌ها آماده است؟

جمع‌بندی و نگاه برند برد

کشف محصول با هوش مصنوعی قرار نیست تبلیغات را حذف کند؛ قرار است آن را از «جلب توجه» به «اثبات صلاحیت» ببرد. برندهایی که امروز داده و محتوای محصولشان را مرتب کنند، فردا در فهرست کوتاه می‌مانند. باقی، بی‌صدا از انتخاب حذف می‌شوند. برندها باید علاوه بر دیده‌شدن در گوگل و شبکه‌های اجتماعی، اطلاعات محصول، مشخصات، موجودی و محتوای قابل‌فهم برای موتورهای پیشنهاددهندهٔ هوش مصنوعی را جدی بگیرند.