Από το search στο recommendation
Μέχρι πρόσφατα, μια online αγορά ξεκινούσε συνήθως με μια σχετικά απλή αναζήτηση, όπως «καλύτερα ακουστικά έως 150 ευρώ» ή «laptop για video editing», και συνεχιζόταν με tabs, reviews, συγκρίσεις και αρκετό προσωπικό research. Με το generative AI, όμως, ένα σημαντικό μέρος αυτής της διαδικασίας μεταφέρεται σε έναν νέο ενδιάμεσο, ο οποίος δεν λειτουργεί απλώς ως search box, αλλά ως research assistant και σύμβουλος αγοράς.
Ο χρήστης μπορεί πλέον να περιγράψει ολόκληρο το πρόβλημα που θέλει να λύσει: «Θέλω laptop μέχρι 1.000 ευρώ για Premiere Pro, ταξιδεύω συχνά και με ενδιαφέρει η αυτονομία· ποιες επιλογές θα πρότεινες και ποια είναι τα μειονεκτήματα της καθεμιάς;». Αυτή η αλλαγή είναι σημαντική για τα brands, επειδή μέρος της αγοραστικής απόφασης μπορεί να διαμορφώνεται πριν ο καταναλωτής φτάσει στο e-shop.
Οι διεθνείς έρευνες δείχνουν ήδη ότι το AI χρησιμοποιείται έντονα για product research, συγκρίσεις, reviews, deals και product discovery, με τους καταναλωτές να το εμπιστεύονται περισσότερο ως εργαλείο υποστήριξης της απόφασης παρά ως πλήρως αυτόνομο αγοραστή.
Οι 5 συχνότερες ερωτήσεις πριν από την αγορά
Από τις πολλές διαφορετικές ερωτήσεις που μπορεί να κάνει κάποιος πριν αγοράσει, έξι βασικές προθέσεις έχουν ιδιαίτερη σημασία για brands, retailers και marketing teams.
1. «Ποιο είναι καλύτερο για EMENA;»
Ίσως η σημαντικότερη αλλαγή που φέρνει το conversational search είναι ότι ο χρήστης μπορεί πλέον να περιγράψει το προσωπικό του context με πολύ μεγαλύτερη λεπτομέρεια, αντί να περιορίζεται σε μια γενική κατηγορία προϊόντος ή σε ένα σύντομο keyword.
Αντί να αναζητήσει, για παράδειγμα, «καλύτερη ασύρματη σκούπα», μπορεί να πει ότι μένει σε διαμέρισμα 70 τ.μ., έχει δύο γάτες, δεν έχει πολλά χαλιά, θέλει η συσκευή να είναι σχετικά αθόρυβη και δεν σκοπεύει να διαθέσει περισσότερα από 350 ευρώ, ζητώντας από το AI να αξιολογήσει ποιες επιλογές ανταποκρίνονται καλύτερα σε αυτό το σύνολο απαιτήσεων.
Για ένα brand, επομένως, το κρίσιμο ερώτημα είναι αν υπάρχουν αρκετές σαφείς και επαληθεύσιμες πληροφορίες online ώστε ένα AI system να μπορεί να καταλάβει όχι μόνο τι είναι ένα προϊόν, αλλά και για ποιον είναι κατάλληλο, υπό ποιες συνθήκες αποδίδει καλύτερα και ποιοι περιορισμοί θα μπορούσαν να το κάνουν λιγότερο κατάλληλο για μια άλλη περίπτωση.
Γενικές φράσεις όπως «υψηλή ποιότητα», «κορυφαίες επιδόσεις» ή «μοναδικός σχεδιασμός» προσφέρουν πολύ μικρότερη αξία από σαφή στοιχεία για βάρος, θόρυβο, αυτονομία, διαστάσεις, υλικά, use cases και πραγματικούς περιορισμούς.
2. «Αυτό ή εκείνο;»
Η δεύτερη μεγάλη κατηγορία αφορά τη σύγκριση, αλλά όχι απαραίτητα με την απλοϊκή λογική ενός νικητή και ενός χαμένου, καθώς ο καταναλωτής ζητά συχνά από το AI να του εξηγήσει πού υπερτερεί κάθε επιλογή, πού υπολείπεται και ποια από αυτές τις διαφορές έχει πραγματική σημασία για τη δική του χρήση.
Ερωτήσεις όπως «MacBook Air ή Dell XPS;», «ποια από τις δύο τηλεοράσεις έχει καλύτερη εικόνα;», «τι κερδίζω πραγματικά αν επιλέξω το Pro;» ή «ποιο μοντέλο είναι καλύτερο αν η χρήση μου είναι κυρίως επαγγελματική και όχι gaming;» δεν ζητούν μόνο specifications, αλλά μια ερμηνεία των trade-offs που θα βοηθήσει τον χρήστη να συνδέσει τα τεχνικά χαρακτηριστικά με την πραγματική αξία.
Το γεγονός ότι η σύγκριση brands, μοντέλων, τιμών και reviews αποτελεί την πιο συχνή χρήση του AI για shopping στην ευρωπαϊκή έρευνα της McKinsey έχει ιδιαίτερη σημασία για το content strategy, επειδή αποκαλύπτει ότι οι καταναλωτές χρησιμοποιούν το AI όχι μόνο για να βρίσκουν περισσότερες επιλογές, αλλά και για να περιορίζουν ενεργά το σύνολο αυτών των επιλογών.
3. «Ποιο αξίζει περισσότερο τα χρήματά μου;»
Η τιμή παραμένει ασφαλώς κεντρικό μέρος της αγοραστικής απόφασης, ωστόσο στο AI Search μετατρέπεται από ένα απλό φίλτρο σε ένα πολύ πιο σύνθετο ερώτημα γύρω από την πραγματική αξία που λαμβάνει ο καταναλωτής για τα χρήματα που πρόκειται να διαθέσει.
Έτσι, αντί να περιορίζεται στο «κινητό έως 500 ευρώ», ο χρήστης μπορεί να ζητήσει από το AI να του πει ποιο μοντέλο προσφέρει το καλύτερο value for money, αν αξίζει να δώσει 200 ευρώ παραπάνω για την ακριβότερη έκδοση, αν υπάρχει μια ελαφρώς φθηνότερη εναλλακτική με παρόμοιες επιδόσεις ή ακόμη αν η φαινομενική έκπτωση που βλέπει σε ένα e-shop είναι πραγματικά συμφέρουσα σε σχέση με τη συνήθη τιμή του προϊόντος.
Ο χρήστης μπορεί πλέον να ζητήσει από το AI να αποδομήσει την τιμολογιακή διαφορά και να εξηγήσει αν το premium δικαιολογείται από καλύτερα materials, μεγαλύτερη διάρκεια ζωής, επιπλέον features, χαμηλότερο συνολικό κόστος χρήσης ή απλώς πληρώνει για το brand.
4. «Τι λένε τα reviews;»
Ένα ακόμη πρόβλημα που το generative AI μπορεί να διαχειριστεί αποτελεσματικά είναι το review overload, καθώς ένας καταναλωτής που βρίσκεται μπροστά σε εκατοντάδες ή χιλιάδες αξιολογήσεις δεν χρειάζεται πλέον απαραίτητα να τις διαβάσει μία προς μία, αλλά μπορεί να ζητήσει από ένα AI system να εντοπίσει τα επαναλαμβανόμενα patterns, να συνοψίσει τα θετικά και αρνητικά σημεία και να αναδείξει προβλήματα που εμφανίζονται συχνότερα.
Η IBM καταγράφει την αναζήτηση reviews ανάμεσα στις βασικές χρήσεις των AI shopping assistants, και αυτό έχει ιδιαίτερη σημασία επειδή ένα μεμονωμένο αρνητικό σχόλιο μπορεί εύκολα να χαθεί μέσα σε εκατοντάδες θετικά, ενώ δεκάδες ανεξάρτητες αναφορές στο ίδιο πρόβλημα μπορούν να εντοπιστούν και να συνοψιστούν από ένα AI ως επαναλαμβανόμενο μοτίβο.
Για τα brands, αυτό σημαίνει ότι τα reviews μπορούν να αποτελέσουν πρώτη ύλη για να συνθέσουν τα ΑΙ συστήματα συνολικές εκτιμήσεις γύρω από την ποιότητα, την αξιοπιστία ή τις αδυναμίες ενός προϊόντος.
5. «Μπορώ να εμπιστευτώ αυτή την επιλογή;»
Η Gartner έχει βρει ότι περισσότεροι από τους μισούς καταναλωτές που χρησιμοποίησαν generative AI αισθάνθηκαν την ανάγκη να επαληθεύσουν την ακρίβεια των πληροφοριών που έλαβαν, γεγονός που δείχνει ότι το AI μπορεί να επιταχύνει την έρευνα χωρίς να καταργεί την ανάγκη για credible πηγές.
Μετά από το αρχικό recommendation, ο χρήστης μπορεί να συνεχίσει την έρευνα για να επιβεβαιώσει την απόφαση.
Αυτό έχει ιδιαίτερη σημασία για τη συζήτηση γύρω από το GEO, επειδή το AI visibility δεν εξαρτάται μόνο από το αν ένα brand διαθέτει πολύ περιεχόμενο, αλλά και από το αν οι πληροφορίες που υπάρχουν γι’ αυτό είναι συνεπείς, συγκεκριμένες και επαληθεύσιμες σε διαφορετικά σημεία του διαδικτύου.
Τι σημαίνει αυτό για τα e-commerce brands
Αν το AI αναλαμβάνει μεγαλύτερο μέρος του product research, τότε μια product page δεν απευθύνεται μόνο στον άνθρωπο που θα τη διαβάσει, αλλά και στο σύστημα που μπορεί να αξιολογήσει το προϊόν πριν ακόμη πραγματοποιηθεί η επίσκεψη. Για αυτό, οι product descriptions χρειάζονται λιγότερο generic marketing copy και περισσότερες συγκεκριμένες πληροφορίες για χρήση, τιμή, διαθεσιμότητα, χαρακτηριστικά και περιορισμούς.
Παράλληλα, η μεγαλύτερη ευκαιρία βρίσκεται στο decision content: comparison pages, buying guides, use-case content, πραγματικά pros και cons, compatibility guides, reviews και FAQ που απαντούν στις ενστάσεις πριν από την αγορά.
Η απόφαση μετακινείται πριν από το click
Η ουσιαστική αλλαγή που φέρνει το AI στο online shopping είναι ότι μεταφέρει ένα ολοένα μεγαλύτερο μέρος του research, της σύγκρισης και της αξιολόγησης πριν από το click. Για τα brands, επομένως, το ζητούμενο είναι διευρύνουν το SEO που χρειάζεται πλέον σαφείς και αξιόπιστες πληροφορίες ώστε ένα AI να καταλάβει πότε και γιατί αξίζει να προτείνει το brand.
Όσο οι καταναλωτές χρησιμοποιούν το AI για να περιορίζουν τις επιλογές τους, τόσο μεγαλύτερη σημασία αποκτά το περιεχόμενο που εξηγεί με ακρίβεια για ποιον είναι κατάλληλο, πώς συγκρίνεται και γιατί αξίζει να επιλεγεί.
Για τη MUSA, αυτή η αλλαγή κάνει ακόμη πιο σημαντική μια προσέγγιση που ξεκινά όχι από το πόσο content χρειάζεται να παραχθεί, αλλά από το τι αναζητά πραγματικά το κοινό και ποιες πληροφορίες χρειάζεται για να προχωρήσει από την αναζήτηση στην απόφαση. Η έρευνα του search intent, η κατανόηση της αγοράς και του ανταγωνισμού και η δημιουργία περιεχομένου που απαντά με σαφήνεια σε πραγματικές ανάγκες αποτελούν ήδη μέρος αυτής της λογικής. Καθώς το discovery περνά σταδιακά και μέσα από το AI Search, το ζητούμενο παραμένει ουσιαστικά το ίδιο: τα brands να διαθέτουν περιεχόμενο που τα κάνει πιο εύκολο να βρεθούν, αλλά κυρίως πιο εύκολο να κατανοηθούν και να αξιολογηθούν.
