Bagaimana AI menentukan produk mana yang dilihat konsumen
Di sebagian besar era internet, belanja online dimulai dengan mempertimbangkan suatu produk. Seorang pembeli memiliki gagasan tentang apa yang diinginkannya, mengetikkan kata kunci, membuka selusin tab, dan membandingkan spesifikasi dan harga sambil bekerja keras mengambil keputusan. AI kini mengubah hal tersebut, tidak hanya mempercepat penelitian, namun juga menciptakan perilaku konsumen yang baru. Hal ini karena secara alami kita tidak memikirkan produk. Kami memikirkan poin-poin penting, tujuan, dan kendala: “Saya harus terlihat bersemangat untuk pertemuan jam 9 pagi setelah penerbangan mata merah saya.” “Saya memerlukan ide agar balita saya mau makan sayuran.” Dengan alat GenAI seperti ChatGPT, Claude, dan Gemini, pembeli tidak perlu lagi menerjemahkan kebutuhan ini ke dalam penelusuran produk. Ibu balita mengetikkan pertanyaannya, dan AI menanyakan pertanyaan lanjutan tentang makanan favorit anak, preferensi tekstur, dan batasan diet untuk membangun solusi yang mencakup rekomendasi produk yang relevan. Kompresi penelitian ke dalam percakapan tersebut menggerakkan perdagangan dari sistem yang menangkap permintaan berdasarkan penelusuran produk ke sistem yang menciptakan permintaan dengan merekomendasikan produk yang mungkin tidak disadari oleh pembeli. Dengan hampir separuh (45%) konsumen di seluruh dunia kini berbelanja dengan AI, perjalanan penemuan kini bergerak ke arah hulu. Namun sebagian besar merek belum mengikutinya dan perlu segera memastikan bahwa produk tersebut memenuhi prasyarat agar dapat muncul dalam rekomendasi AI.2 TAHAP UNTUK REKOMENDASIBanyak orang beranggapan model AI hanya mengambil kata kunci dari permintaan pengguna dan kemudian menghasilkan daftar produk yang deskripsinya mengacu pada kata kunci tersebut. Namun belanja AI bukanlah peringkat kata kunci; ini adalah sistem rekomendasi yang dibangun berdasarkan semantik, batasan, dan otoritas. Untuk direkomendasikan, suatu produk sebenarnya memerlukan penyelesaian dua rintangan, dan tersandung pada rintangan pertama membuat rintangan kedua menjadi tidak relevan. Tahap 1 memasuki set pertimbangan. Sebelum pemeringkatan dilakukan, model AI menentukan produk mana yang termasuk dalam percakapan. Jika pembeli meminta sampo terbaik untuk kulit kepala sensitif dengan harga tertentu, model tidak memulai dengan setiap merek dan mengurutkannya. Ini mengidentifikasi lingkungan kategori yang relevan, menerapkan batasan pembelanja, dan memfilter untuk kesesuaian tingkat atribut. Jadi, jika sebuah merek sampo belum secara jelas memposisikan produknya dalam kategori perawatan kulit kepala atau belum menyusun datanya untuk mengatasi sensitivitas, bahan, dan kisaran harga, merek tersebut akan disaring sebelum otoritas mereknya dievaluasi. Tahap 2 naik peringkatnya. Pada tahap ini, model memutuskan produk mana dalam rangkaian pertimbangan yang layak untuk menjadi yang teratas. Hal ini penting karena AI biasanya hanya merekomendasikan tiga hingga delapan produk teratas dalam peringkatnya. Pada tahap 2, model ini mengevaluasi indikator kepercayaan seperti pengujian dan sertifikasi pihak ketiga, data produk yang konsisten di seluruh situs merek, feed retailer, pasar, ulasan yang kredibel, dan penyebutan media. Sebuah studi tinjauan sejawat menemukan bahwa konten terstruktur dan siap AI dapat mencapai visibilitas 40% lebih tinggi dalam respons GenAI. Jadi, sinyal kepercayaan sangatlah penting, tetapi hanya untuk produk yang telah melewati tahap 1. Merek besar sebenarnya bisa dirugikan dalam hal ini. Representasi merek mereka luas dan tersebar di banyak jenis dan kategori produk, namun model AI tidak mencari halo. Mereka mencari SKU yang tepat dengan atribut yang terdokumentasi dengan jelas. BAGAIMANA AI MENELITI PRODUK Saat pembeli memasukkan perintah, model memecah permintaan menjadi banyak kueri yang lebih kecil dalam proses penyebaran, lalu meluncurkan kueri tersebut di seluruh web dan sumber data terstruktur. AI menyintesis apa yang ditemukannya, mengidentifikasi kesenjangan, dan sering kali menjalankan serangkaian pertanyaan lagi untuk memvalidasi klaim. Kueri penyebaran kemungkinan tidak akan menyerupai permintaan asli karena model menerjemahkan niat pengguna ke dalam sinyal atribut dan pemeriksaan kredibilitas yang diperlukan untuk mengevaluasi produk. Inilah sebabnya mengapa berfokus hanya pada pengoptimalan cepat tidak akan berhasil. Seorang pembelanja dapat mengungkapkan kebutuhannya dengan berbagai cara—“jaket hangat” atau “mantel berinsulasi untuk bepergian”—tetapi semuanya memiliki tujuan yang sama. Jadi, mencoba mengantisipasi ungkapan setiap pembeli tidaklah efektif. Sebaliknya, merek harus secara konsisten menyusun data produk dan sinyal kepercayaan di seluruh web sedemikian rupa sehingga kueri penyebaran AI dapat ditemukan dan diverifikasi. Data produk yang hilang, tidak konsisten, atau tidak dapat diverifikasi berarti defisit kepercayaan untuk model AI. Kerangka SEO lama “Apakah saya muncul untuk permintaan ini?” bukan pertanyaan yang tepat dengan AI. Pertanyaannya adalah “Mengapa saya disaring, dan apa yang membuat saya memenuhi syarat?” Merek perlu memberikan sinyal yang jelas tentang apa itu suatu produk, untuk siapa produk tersebut, dan batasan apa yang dapat dipenuhi oleh produk tersebut. Hal ini juga harus memberikan bukti terstruktur untuk masing-masing produk, seperti bahan, sertifikasi, dan kasus penggunaan yang dapat ditemukan dan diverifikasi oleh kueri yang tersebar luas. Bagi sebuah merek yang ingin direkomendasikan untuk perjalanan berkemah, mendeskripsikan produk sebagai “kompor 20.000 BTU” tidaklah cukup. Data yang perlu disampaikan adalah bahwa alat ini berfungsi untuk berkemah dengan mobil, melayani dua hingga empat orang, dan merebus air dengan cepat. Hal serupa juga berlaku pada produk kecantikan, makanan, rumah tangga, kesehatan, dan kategori produk lainnya. Inilah sebabnya mengapa jejak digital yang konsisten sangat penting. Model AI tidak hanya melihat halaman produk yang dimiliki, memindai situs ritel, ulasan, media, forum, dan sumber pihak ketiga lainnya untuk memvalidasi apakah suatu produk termasuk dalam rekomendasi dan apakah klaimnya berlaku di tempat lain. Reddit adalah salah satu contoh paling jelas. Dalam analisis Novi, ini adalah sumber ChatGPT yang paling banyak dikutip untuk penelitian rekomendasi produk, namun bukan karena AI hanya memberikan penghargaan atas suara positif. Hal ini mencari bukti yang jelas dan berguna seputar kasus penggunaan, perbandingan, dan bahasa kategori. Perdagangan AI memaksa merek untuk membangun infrastruktur data yang lebih baik. Sebuah model tidak dapat dengan percaya diri menempatkan suatu produk di lingkungan kategori yang tepat jika model tersebut tidak dapat memetakan produk tersebut sesuai dengan batasan pembeli atau menemukan bukti terstruktur untuk mendukung klaim. Dan tidak peduli seberapa otoritatif suatu produk dan seberapa besar anggaran pemasaran di baliknya, jika AI menyaringnya dari pertimbangan, produk tersebut tidak akan direkomendasikan. Ketika AI semakin memediasi pilihan konsumen, merek yang membangun data yang bersih, terverifikasi, dan terstruktur dengan baik akan mendapatkan keuntungan. Kimberly Shenk adalah salah satu pendiri dan CEO Novi. Batas waktu terakhir untuk Fast Company’s Next Big Things in Tech Awards adalah Jumat, 12 Juni, pukul 23:59 PT. Terapkan hari ini.
Diterbitkan : 2026-06-03 18:36:00
sumber : www.fastcompany.com
