Rekomendacja jest przydatna, gdy szanuje wymagania kupującego, wyjaśnia istotne różnice i pozwala sprawdzić informacje przed złożeniem zamówienia. Ocena asystenta zakupowego AI musi obejmować wybór i zakup, ale także to, co nie pasuje, pytania bez odpowiedzi i późniejsze doświadczenie.
Pokazanie trzech produktów po zadaniu pytania jest proste. Praca polega na wyjaśnieniu, dlaczego te produkty pasują i co pozostaje do sprawdzenia. Wiarygodnie wyglądająca lista może zawierać opcje, które nie spełniają ważnego wymagania.
Co oznacza „odpowiedni” dla tego kupującego?
Niektóre warunki są twarde: maksymalny rozmiar, zgodność z akcesorium lub podany limit budżetu. Inne to preferencje, takie jak kolor, wykończenie czy styl. Doprecyzowujemy je, nie zamieniając wyboru w niekończący się kwestionariusz.
W fikcyjnym przykładzie ktoś ma 115 cm na biurko. Model 120 cm nie pasuje tylko dlatego, że ma atrakcyjną cenę. Dwa pasujące modele można porównać pod względem głębokości, miejsca do przechowywania i sprawdzalnego szacunku dostawy.
Brakujące informacje pozostają niepotwierdzone. Wymiary blatu nie wystarczają, by wiedzieć, czy zmieszczą się dwie podstawy monitorów i reszta sprzętu tej osoby.
Jak wyjaśnić rekomendację?
Pokazalibyśmy spełnione kryterium, różnice między opcjami i istotne ograniczenia. Na przykład: „Ten model mieści się w podanej szerokości. Jego blat jest płytszy niż w alternatywie. Miejsce na dwie podstawy trzeba jeszcze sprawdzić na podstawie ich wymiarów.”
Takie wyjaśnienie pozwala kupującemu poprawić wymaganie. Może limit szerokości był przybliżony albo jeden z monitorów stanie na ramieniu. Rekomendacja może zmieniać się wraz z informacjami, zachowując przy tym zmiany kontekstu.
Kto decyduje o kolejności produktów?
Sklep potrzebuje jawnych zasad doboru i prezentacji. Dostępność, dopasowanie, cena i priorytety handlowe mogą pełnić różne funkcje. Preferencja handlowa nie powinna tworzyć fałszywego wyjaśnienia zgodności.
Sprawdzilibyśmy, czy to samo zapytanie daje spójne opcje i czy kupujący rozumie, dlaczego każda z nich została uwzględniona. Przekonujące sformułowanie nie wystarcza do mierzenia jakości.
Co mierzymy przed zakupem?
| Sygnał | Co może pokazać | Czego sam nie dowodzi |
|---|---|---|
| Otwarcie polecanego produktu | Zainteresowanie opcją | Że produkt pasuje |
| Dodanie do koszyka | Postęp w stronę zamówienia | Zrealizowany zakup |
| Poprawienie rekomendacji | Potrzeba doprecyzowania lub błąd | Że wszystkie rekomendacje są złe |
| Przejście do obsługi klienta | Potrzeba dodatkowej pomocy | Automatyczna porażka rozmowy |
Przejście do obsługi klienta może być właściwym wynikiem w przypadku pytania, na które system nie potrafi odpowiedzieć. Sprawdzilibyśmy, czy kontekst zostaje zachowany i czy osoba otrzymuje potrzebną pomoc.
Co dzieje się po zamówieniu?
Przeglądamy anulowania, zwroty i zarejestrowane powody, gdy informacje można zebrać we właściwy sposób. Jeśli produkt wraca, bo nie pasuje, przeglądamy rekomendację i użyte dane. Nie zakładamy, że asystent jest przyczyną każdego zwrotu.
Wysiłek zespołu też ma znaczenie. Szybka odpowiedź, która wywołuje powtarzane poprawki, może przenieść pracę na obsługę klienta. Ocena musi uwzględniać ten czas i wagę błędów, a nie tylko zakończone rozmowy.
Jak porównać doświadczenia z asystentem i bez niego?
Odwiedzający, którzy wybierają rozmowę, mogą różnić się od tych, którzy przeglądają stronę samodzielnie. Wyższy współczynnik konwersji w pierwszej grupie nie dowodzi automatycznie efektu asystenta. Wybieramy odpowiednie porównanie i uwzględniamy źródło ruchu, dostępność i zmiany oferty.
Przy niewielkim wolumenie możemy zacząć od przeglądu konkretnych zadań i rozmów, nie twierdząc, że wpływ handlowy jest przesądzony. Przy wystarczającym wolumenie dobrze zaprojektowany eksperyment może dostarczyć lepszych dowodów. Metodę trzeba wybrać, zanim przedstawi się wynik jako dowód.
NOT MORE. może połączyć to doświadczenie z informacjami o produktach, projektem interfejsu i uzgodnionym pomiarem. Rekomendacja musi być zrozumiała, sprawdzalna i użyteczna.
Co kupujący musi móc sprawdzić, zanim przyjmie rekomendację Państwa sklepu?