Минула битва · 2024-09-20 UTC
AI Shopping Agents Протистояння — 20 вересня 2024 р.
З категорії AI Shopping Agents. 12 позначок поставлено серед 2 бійців. Dori Chatbot здобув корону.
Підсумкові результати
Dori ChatbotУчасники
Бійці
Профілі кожного інструмента, який змагався в цій битві, ранжовані за підсумковим балом.

Dori Chatbot
Чатбот на основі AI, який перетворює інтернет-магазини на розмовний досвід покупки.

Dori Chatbot – допоміжний інтерактивний комерційний консультант, розроблений з метою допомогти онлайн-рітейлери взаємодіяти зі споживачами за допомогою природної, чатів-орієнтованої взаємодії. Він допомгає відвідувачів переходити від відкриття продуктів та до оформлення замовлення шляхом розуміння їхньої мети, рекомендації товарів та відповідей на запитання у режимі реального часу. Вбудувавши роботу з каталогом магазину, Dori можлива розкрити відповідні товари, обробляти звичайні питання перед покупкою та зменшувати перешкоди в купівельному процесі. Мета полягає у відтворенні досвіду кваліфікованого робітника на місці у цифрових торгових точках, що допоможе підприємцям збільшити шляхи перетворення та задоволеність клієнтами.
Розподіл критеріїв
- Натуральний пошук продукції за мовою людини
- Часу рекомендованих товарів за допомогою AI
- Справи до продажу та FAQ
- Інтеграція каталогу магазину
- Консультаційна підтримка замовлення в режимі реального часу
- 24/7 Автоматичне спілкування зі споживачем

Recomaze AI Agent
AI-оригінальний рівень комерції, що виправляє розкриття каталогу і запускає розмовного продажного агента на вашому магазині

Recomaze AI Agent – це платформа комерції, орієнтована на підвищення доступності та рекомендаційності онлайн-магазинів для AI‑ассистентів, одночасно забезпечуючи персоналізацію на сайті. Вона вирішує зміни, на які компанія звертає увагу: покупці все частіше звертаються до інструментів як ChatGPT, Gemini та Perplexity за рекомендаціями товарів, а багато роздрібних каталогів неструктуровані так, що ці моделі не можуть їх точно прочитати чи представити. Продукт поєднує три основні етапи. Сканування видимості перевіряє, як магазин відображається в кількох AI‑двигунів для запитів високої цілеспрямованості, ідентифікуючи товари та категорії, де рекомендовано конкурентів замість вашого. Етап виправлення генерує заголовки, описи, Q&A та структуровані дані у форматі AI‑готовності на масштабі всіх SKU, щоб покращити читаємність машиною. Етап продажного агента розгортає розмовний AI‑асистент на інтерфейсі магазину, навченого на каталозі магазину, який відповідає на запитання покупців і пропонує відповідні товари. Це призначено для інтернет-торгівлі, особливо для тих, хто має великі або багатомовні каталоги, і бажає підвищити видимість у пошуках, керованих AI, а також збільшити конверсію на сайті. Recomaze позиціонує себе як об’єднаний рівень даних, який консолідує каталог, поведінку відвідувачів та дані розмов в постійну пам’ять, яку AI‑агенти можуть читати та діяти на її основі. Компанія посилається на впровадження у Newpharma, що охоплює понад 45 000 товарів і більше 1 700 брендів, зокрема збільшення кількості товарів у кошику та продажів каталогу. Панель керування відображає відсортовані дії, такі як прогалини в атрибутах каталогу, втрачені запити, конверсії агентів та згадки конкурентів, а також контрольні метрики, такі як показник видимості, обсяг розмов та коефіцієнт додавання в кошик. Як і у будь‑якого інструменту, звітуваного постачальником, наведені статистика і підвищення конверсії походять від компанії і вибраних клієнтів, тому результати можуть варіюватися залежно від магазину, якості каталогу та розміру трафіку. Покупці мають оцінити його в порівнянні з окремими системами рекомендацій товарів, інструментами пошуку на сайті та новітніми сервісами оптимізації AI‑пошуку, залежно від своїх пріоритетів.
Розподіл критеріїв
- Крос‑двигунне сканування видимості AI
- Автоматизовані заголовки, описи та Q&A у форматі AI‑готовності
- Генерація структурованих даних для всіх SKU
- Розмовний агент продажу на інтерфейсі магазину
- Відстеження згадок конкурентів та втрати запитів
- Об’єднаний шар пам’яті комерційних даних
