ในยุคที่ Artificial Intelligence (AI) และ Deep Learning ก้าวหน้าอย่างรวดเร็ว แพลตฟอร์ม e-commerce ชั้นนำทั่วโลกต่างนำ Generative AI (GenAI) และเทคโนโลยี AI อื่น ๆ มาประยุกต์ใช้ เพื่อยกระดับประสบการณ์ชอปปิ้ง เพิ่มความแม่นยำในการแนะนำสินค้า และเสริมประสิทธิภาพการดำเนินงานของธุรกิจ
บทความนี้จะพาไปสำรวจแนวทางการใช้ AI ของ Amazon, Instacart และ Temu ซึ่งเป็นทั้งผู้นำและผู้ท้าชิงในตลาด e-commerce พร้อมเจาะลึกแนวโน้มในอนาคตและข้อควรระวังสำหรับธุรกิจที่ต้องการนำ AI มาใช้
Amazon: ผู้นำการใช้ GenAI ใน e-Commerce เพื่อยกระดับประสบการณ์ลูกค้า
Amazon เป็นหนึ่งในบริษัทที่นำ Generative AI (GenAI) และ Machine Learning (ML) มาใช้ใน e-Commerce อย่างจริงจัง เพื่อให้ลูกค้าได้รับประสบการณ์การซื้อขายที่ สะดวกขึ้น เป็นส่วนตัวมากขึ้น และมีประสิทธิภาพสูงขึ้น โดย AI ของ Amazon ช่วยให้ลูกค้าสามารถ
- ลองสินค้าเสมือนจริง (Virtual Try-All)
- อ่านคำอธิบายสินค้าที่กระชับเข้าใจง่าย
- ได้รับคำแนะนำจากแชทบอทอัจฉริยะ
- และเข้าถึงระบบแนะนำสินค้าส่วนตัว (Recommendation)
มาดูรายละเอียดแต่ละ Use Case ของ Amazon กันเลย
1. Virtual Try-All – AI สำหรับลองสินค้าเสมือนจริง
Amazon พัฒนา Virtual Try-All เพื่อช่วยให้ลูกค้าสามารถทดลองสินค้าเสมือนจริงผ่านภาพถ่ายของตนเอง ไม่ว่าจะเป็นเสื้อผ้า เฟอร์นิเจอร์ หรือเครื่องสำอาง ระบบนี้ใช้ Diffuse-to-Choose (DTC) ซึ่งเป็นโมเดล AI ที่สามารถฝังภาพสินค้าในฉากของลูกค้าโดยคำนึงถึง แสง เงา และมุมมอง
ภาพตัวอย่างการ Diffuse-to-Choose AI – Amazon
เทคโนโลยีเบื้องหลัง
Amazon ใช้โมเดล AI ที่เรียกว่า Diffuse-to-Choose (DTC) ซึ่งช่วยให้สามารถนำภาพสินค้าไปฝังลงในฉากที่ลูกค้ากำหนดโดยพิจารณาแสง เงา และมุมมองของภาพต้นฉบับ ทำให้ดูสมจริง
เทคโนโลยีหลักที่ใช้
- Latent-Diffusion Model (LDM) ใช้ในการเติมสินค้าให้เข้ากับฉากของลูกค้าอย่างกลมกลืน
- U-Net Encoder คู่ ช่วยให้ AI สามารถเข้าใจทั้งบริบทของภาพ (เช่น ห้องนั่งเล่น) และรายละเอียดของสินค้า (เช่น สีและพื้นผิวของผ้า)
- ประมวลผลรวดเร็ว ภายใน 6.4 วินาที บนเซิร์ฟเวอร์ AWS g5.xlarge (NVIDIA A10G 24GB)
Virtual Try-All ช่วยลดอัตราการคืนสินค้าและเพิ่มความมั่นใจให้ลูกค้าก่อนตัดสินใจซื้อ
สำหรับคนที่อยากอ่านเพิ่มเติมเรื่อง Virtual Try-All สามารถอ่านได้ที่บลอคของ Amazon (ลิงค์) และดูราบละเอียดเพิ่มเติมได้ที่นี่ (ลิงค์)
2. AI-Powered Product Descriptions – คำอธิบายสินค้าจาก AI
Amazon ใช้ Generative AI ในการสร้างและปรับปรุงคำอธิบายสินค้าอัตโนมัติ โดย AI จะ วิเคราะห์ข้อมูลจากรีวิวของลูกค้า สรุปจุดเด่นของสินค้า และปรับโทนภาษาให้เหมาะกับกลุ่มเป้าหมาย เพื่อช่วยให้ลูกค้าตัดสินใจซื้อสินค้าได้ง่ายขึ้น
การทำงานของ AI ในการสร้างคำอธิบายสินค้า
- วิเคราะห์ข้อมูลจากรีวิวของลูกค้า เพื่อระบุคุณสมบัติที่สำคัญและเป็นที่ต้องการ
- สรุปจุดเด่นของสินค้า ให้กระชับและเข้าใจง่าย โดยเน้นข้อมูลที่เกี่ยวข้องกับลูกค้าแต่ละคน
- ปรับโทนภาษา ตามกลุ่มเป้าหมาย เช่น ใช้ภาษาทางการสำหรับลูกค้าธุรกิจ หรือภาษาที่เป็นกันเองสำหรับสินค้าทั่วไป
ตัวอย่างการใช้งานจริง
- หากเป็นสินค้าสำหรับผู้เชี่ยวชาญด้านเทคโนโลยี AI อาจเน้นฟีเจอร์ด้าน ประสิทธิภาพ โมเดลที่รองรับ หรือความสามารถในการทำงานร่วมกับระบบอื่น ๆ
- หากเป็นสินค้าทั่วไป เช่น หม้อหุงข้าว AI จะสรุปจุดเด่น เช่น ความเร็วในการหุงข้าว ฟังก์ชันอัตโนมัติ หรือความสะดวกในการทำความสะอาด
ตัวอย่างรูปประกอบจาก https://www.aboutamazon.com/news/retail/amazon-generative-ai-product-search-results-and-descriptions
ภาพนี้แสดง การใช้ Generative AI ของ Amazon ในการปรับแต่ง คำอธิบายสินค้าให้ตรงกับพฤติกรรมการชอปปิ้งของลูกค้า
- ด้านซ้าย: คำอธิบายดั้งเดิม เน้นว่าเป็นโต๊ะรับประทานอาหารสำหรับ 2 คน
- ด้านขวา: คำอธิบายที่ถูก AI ปรับให้เหมาะกับลูกค้ากลุ่มใหม่ โดยเพิ่ม “for Office & Conference” เพื่อดึงดูดผู้ที่มองหาโต๊ะสำนักงาน
เทคโนโลยีเบื้องหลัง
Amazon ใช้ Large Language Models (LLMs) ในการวิเคราะห์ข้อมูลสินค้าและพฤติกรรมการช้อปปิ้งของลูกค้าเพื่อ สร้างคำอธิบายที่เกี่ยวข้องและเป็นส่วนตัวมากขึ้น
- AI สามารถ ไฮไลต์คำสำคัญ ในคำอธิบายสินค้า เช่น หากลูกค้าสนใจสินค้า “gluten-free” ระบบจะทำให้คุณสมบัตินี้เด่นชัดขึ้น แม้จะอยู่ท้ายคำอธิบายเดิม
- ระบบ AI ทำงานบน Amazon Bedrock ซึ่งเป็นโครงสร้างพื้นฐานของ AWS ที่ช่วยให้สามารถ สร้าง ทดสอบ และนำ Generative AI ไปใช้งานในระดับองค์กร
ช่วยให้ลูกค้าตัดสินใจซื้อสินค้าได้ง่ายขึ้น ลดเวลาที่ต้องใช้ในการอ่านข้อมูลสินค้า
สำหรับคนที่อยากอ่านเพิ่มเติม สามารถอ่านได้ ที่นี่
3. Conversational Shopping Assistant – แชทบอทอัจฉริยะช่วยเลือกสินค้า
Amazon พัฒนา Rufus แชทบอทอัจฉริยะที่ใช้ Generative AI เพื่อช่วยให้ลูกค้าค้นหาและเปรียบเทียบสินค้าได้ง่ายขึ้น Rufus พร้อมให้บริการใน Amazon Shopping App และเดสก์ท็อป โดยช่วยตอบคำถามเกี่ยวกับสินค้า แนะนำตัวเลือกที่เหมาะสม และให้ข้อมูลแนวโน้มตลาดแบบเรียลไทม์
ฟีเจอร์เด่นของ Rufus
- ตอบคำถามเกี่ยวกับสินค้า: ลูกค้าสามารถถามเช่น “กล้องสำหรับมือใหม่รุ่นไหนดี?” หรือ “โต๊ะทำงานที่เหมาะกับห้องเล็ก ๆ มีอะไรบ้าง?”
- เปรียบเทียบสินค้า: สามารถช่วยเปรียบเทียบ OLED vs. QLED TVs หรือ รองเท้าวิ่ง vs. รองเท้าปีนเขา
- แนะนำสินค้าที่ตรงกับพฤติกรรมลูกค้า: เช่น แนะนำ ร่มสำหรับฟลอริดา โดยอิงจากสภาพอากาศ
- เข้าถึงข้อมูลคำสั่งซื้อ: ลูกค้าสามารถถาม “ออเดอร์ล่าสุดของฉันอยู่ที่ไหน?”
ตัวอย่างรูปประกอบจาก https://www.aboutamazon.com/news/retail/how-to-use-amazon-rufus
ภาพนี้แสดง Rufus แชทบอท AI ของ Amazon ที่ช่วยตอบคำถามเกี่ยวกับสินค้าแบบเรียลไทม์ บน Amazon Shopping App
- ลูกค้าถาม “กระเป๋าผลิตจากวัสดุอะไร?”
- Rufus ตอบว่า โพลีเอสเตอร์กันน้ำและมีสายสะพายเสริมความสบาย
- มีปุ่มเพิ่มเติม เช่น “ลูกค้าพูดว่าอย่างไร?” และ “กระเป๋าทนฝนได้แค่ไหน?”
เทคโนโลยีเบื้องหลัง
- ใช้ Large Language Models (LLMs) วิเคราะห์ข้อมูลสินค้า รีวิว และพฤติกรรมลูกค้าเพื่อให้คำแนะนำที่แม่นยำ
- พัฒนาโดยใช้ Amazon Bedrock เพื่อช่วยให้ AI สามารถให้คำตอบที่มีคุณภาพสูง
ช่วยให้ลูกค้าได้รับคำแนะนำที่ตรงกับความต้องการ โดยไม่ต้องค้นหาข้อมูลเอง
สำหรับคนที่อยากอ่านเพิ่มเติม สามารถอ่านเพิ่มเติมได้ ที่นี่
สรุป
Amazon ใช้ Generative AI เพื่อพัฒนาหลายมิติของ e-Commerce เช่น
- Virtual Try-All ลองสินค้าเสมือนจริงผ่าน AI
- AI-Powered Product Descriptions คำอธิบายสินค้าที่กระชับและเข้าใจง่าย
- Conversational Shopping Assistant แชทบอท AI ช่วยแนะนำสินค้า
การนำ GenAI และ AI-driven Shopping มาใช้ช่วยให้ Amazon สร้างประสบการณ์การช้อปปิ้งที่เป็นส่วนตัว ตอบโจทย์ลูกค้าได้อย่างแม่นยำ และเพิ่มยอดขายได้อย่างมีประสิทธิภาพ
Instacart: นวัตกรรม GenAI ยกระดับการช้อปปิ้งของชำ
Instacart เป็นแพลตฟอร์ม e-commerce รายใหญ่ด้านการส่งของชำในสหรัฐฯ ที่เชื่อมต่อซูเปอร์มาร์เก็ต ร้านค้า และลูกค้าเข้าด้วยกัน ผ่านระบบสั่งซื้อและจัดส่งสินค้าถึงบ้าน
ในช่วงไม่กี่ปีที่ผ่านมา Instacart ได้เริ่มนำ Generative AI (GenAI) มาใช้เพื่อพัฒนาประสบการณ์ชอปปิงให้สะดวกและชาญฉลาดขึ้น โดยเน้นที่การปรับปรุง การค้นหาสินค้า การแนะนำผลิตภัณฑ์ และการช่วยให้ลูกค้าตัดสินใจซื้อได้ง่ายขึ้น ผ่านฟีเจอร์อย่าง Ask Instacart และ Snap-Select-Savor
Instacart เป็นแพลตฟอร์ม e-Commerce ด้านการส่งของชำที่ใช้ Generative AI เพื่อปรับปรุง การค้นหา การแนะนำสินค้า และการช่วยลูกค้าตัดสินใจซื้อ ให้มีประสิทธิภาพมากขึ้น
1. Ask Instacart: ค้นหาสินค้าด้วย AI ที่เข้าใจภาษาธรรมชาติ
Instacart ใช้ GPT-4 Turbo with Vision (GPT-4V) ใน Ask Instacart เพื่อช่วยให้ลูกค้าสามารถค้นหาสินค้าผ่านการตั้งคำถาม เช่น
- “ควรเสิร์ฟอะไรคู่กับ lamb chops?”
- “มีขนมที่ไม่มีนมสำหรับเด็กไหม?”
ตัวอย่างรูปประกอบจาก https://www.instacart.com/company/updates/bringing-inspirational-ai-powered-search-to-the-instacart-app-with-ask-instacart/
ระบบสามารถ วิเคราะห์คำถามและแนะนำสินค้า ที่เกี่ยวข้อง พร้อมแสดง Sponsored Product Campaigns เพื่อช่วยให้ลูกค้าค้นพบสินค้าใหม่ ๆ
2. Snap-Select-Savor: แปลงลายมือเป็นรายการช้อปปิ้งดิจิทัล
Instacart พัฒนา Snap-Select-Savor ซึ่งใช้ GPT-4V ในการแปลง สูตรอาหารหรือรายการชอปปิงที่เขียนด้วยลายมือ ให้กลายเป็นรายการสั่งซื้อดิจิทัล ลูกค้าเพียงแค่ถ่ายภาพ ระบบจะ แปลงข้อมูลเป็นดิจิทัลและให้ลูกค้าเลือกสั่งซื้อสินค้าได้ทันที
ตัวอย่างรูปประกอบจาก https://www.instacart.com/company/updates/preview-envisioning-the-future-of-grocery-shopping-with-gpt-4v/
3. AI ปรับแต่งประสบการณ์ช้อปปิ้งให้เป็นส่วนตัว
Instacart ใช้ AI วิเคราะห์พฤติกรรมลูกค้าเพื่อ จดจำแบรนด์หรือสินค้าที่ลูกค้าชื่นชอบ พร้อมปรับแต่งข้อเสนอ แนะนำวัตถุดิบทดแทนในสูตรอาหาร และให้คำแนะนำเกี่ยวกับการปรุงอาหาร
ตัวอย่างรูปประกอบจาก https://www.instacart.com/company/updates/introducing-smart-shop-personalization/
สำหรับคนที่อยากอ่านเพิ่มเติม สามารถอ่านเพิ่มเติมได้ ที่นี่
Temu: ผู้ท้าชิงรายใหม่ในตลาด e-Commerce
Temu เป็นแพลตฟอร์ม e-Commerce ที่เติบโตอย่างรวดเร็ว โดยใช้ AI เป็นกลยุทธ์หลักในการแข่งขัน ด้วยแนวทางดังต่อไปนี้
1. Personalized Recommendations: การแนะนำสินค้าด้วย Deep Learning
Temu ใช้ Deep Learning และ Neural Networks วิเคราะห์ พฤติกรรมผู้ใช้ ประวัติการซื้อ และการค้นหาสินค้า เพื่อแนะนำสินค้าที่ตรงใจมากที่สุด
2. Natural Language Processing (NLP) และการค้นหาอัจฉริยะ
Temu ใช้โมเดล BERT ในการพัฒนาระบบค้นหา ช่วยให้ลูกค้าสามารถ ค้นหาสินค้าได้แม่นยำขึ้น และ ตีความรีวิวสินค้าจากผู้ใช้ เพื่อให้ข้อมูลที่เป็นประโยชน์
3. Predictive Analytics: บริหารสินค้าคงคลังอย่างมีประสิทธิภาพ
Temu ใช้ Predictive Analytics เพื่อวิเคราะห์ยอดขาย แนวโน้มตลาด และฤดูกาล ช่วยลดต้นทุน ปรับสมดุลสต๊อกสินค้า และเพิ่มประสิทธิภาพในการจัดการสินค้า
4. Gamification และ Reinforcement Learning
Temu ใช้ Q-learning และ Gamification เพื่อสร้างประสบการณ์ชอปปิงที่สนุกสนาน เช่น
- การแจกส่วนลดแบบสุ่ม
- ระบบเกมที่กระตุ้นให้ลูกค้ากลับมาซื้อสินค้า
5. Cloud Infrastructure และความปลอดภัยของข้อมูล
Temu ใช้ Cloud Infrastructure และ Distributed Databases เพื่อรองรับผู้ใช้จำนวนมาก พร้อมรักษาความปลอดภัยของข้อมูล
ผลกระทบและแนวโน้มในอนาคต
การใช้ GenAI ใน e-commerce กำลังสร้างการเปลี่ยนแปลงครั้งใหญ่:
ประโยชน์ต่อธุรกิจ
- เพิ่มประสิทธิภาพการดำเนินงาน
- ลดต้นทุนการตลาดและการบริการลูกค้า
- สร้างประสบการณ์การชอปปิงที่น่าประทับใจ
สิ่งที่เจ้าของธุรกิจต้องระวัง ในการใช้ Gen AI ใน E-Commerce
- การรักษาความปลอดภัยของข้อมูล
- การสร้างความสมดุลระหว่างการใช้ AI และการบริการแบบมนุษย์
- การพัฒนาระบบให้รองรับภาษาและวัฒนธรรมที่หลากหลาย
แนวโน้มในอนาคต
- การพัฒนา GenAI ที่เข้าใจบริบทและอารมณ์มากขึ้น
- การผสานรวม AR/VR กับ GenAI
- การใช้ AI ในการสร้างคอนเทนต์และการตลาดแบบเรียลไทม์
GenAI กำลังปฏิวัติวงการ e-commerce โดยสร้างประสบการณ์การชอปปิงที่เป็นส่วนตัว สะดวก และน่าประทับใจมากขึ้น แพลตฟอร์มที่สามารถประยุกต์ใช้เทคโนโลยีนี้ได้อย่างมีประสิทธิภาพจะมีความได้เปรียบในการแข่งขันและสามารถตอบสนองความต้องการของผู้บริโภคในยุคดิจิทัลได้ดียิ่งขึ้น
References:
- https://technologymagazine.com/articles/how-amazon-is-using-gen-ai-to-enhance-e-commerce
- https://techcommunity.microsoft.com/blog/azure-ai-services-blog/gpt-4-turbo-with-vision-on-azure-openai-service/3979933
- https://www.aboutamazon.com/news/retail/how-to-use-amazon-rufus
- https://www.aboutamazon.com/news/retail/amazon-generative-ai-product-search-results-and-descriptions
- https://www.amazon.com/b?ie=UTF8&node=23595320011
- https://www.amazon.science/blog/virtual-try-all-visualizing-any-product-in-any-personal-setting
- https://www.instacart.com/company/updates/bringing-inspirational-ai-powered-search-to-the-instacart-app-with-ask-instacart/
- https://www.linkedin.com/pulse/how-ai-deep-learning-power-temus-explosive-growth-e-commerce-javed-zjbof
- https://www.bbc.com/worklife/article/20240426-temu-gamification-marketing
หวังว่าบทความนี้จะช่วยให้คุณเข้าใจแนวทางการประยุกต์ใช้ Generative AI ในโลก e-commerce ได้ชัดเจนยิ่งขึ้น ทั้งจากตัวอย่างของ Amazon, Instacart และ Temu ซึ่งต่างใช้ AI เพื่อยกระดับประสบการณ์ของลูกค้าอย่างแท้จริง
หากบทความนี้มีประโยชน์ อย่าลืมกดแชร์ให้เพื่อน ๆ หรือคนที่สนใจเรื่อง AI, Data และ E-commerce ได้อ่านกันนะคะ
ถ้าคุณชอบเนื้อหาแนวนี้ ติดตามบทความดี ๆ ด้าน Data และ AI เพิ่มเติมได้ที่:
- Facebook Page: DataTH
- YouTube Channel: Data Science ชิลชิล
