AI

چت‌بات هوش مصنوعی آمازون، روفوس، در جمعه سیاه فروش را افزایش داد

4 دقیقه مطالعه
منبع
چت‌بات هوش مصنوعی آمازون، روفوس، در جمعه سیاه فروش را افزایش داد
چکیده کوتاه
- چت‌بات هوش مصنوعی Rufus آمازون در جمعه سیاه به طور قابل توجهی جلسات خرید و نرخ تبدیل را افزایش داد و نشان‌دهنده تغییر گسترده‌تر مصرف‌کنندگان به سمت هوش مصنوعی برای خریدهای تعطیلات است.
- ترافیک مبتنی بر هوش مصنوعی به سایت‌های خرده‌فروشی در جمعه سیاه ۸۰۵٪ نسبت به سال قبل افزایش یافت و کاربران هوش مصنوعی نرخ تبدیل ۳۸٪ بالاتری را نشان دادند که نشان‌دهنده نفوذ فزاینده هوش مصنوعی در تصمیم‌گیری‌های خرید است.
- علیرغم هزینه‌های بی‌سابقه، رشد هزینه‌های مصرف‌کننده کند به نظر می‌رسد، با قیمت‌های بالاتر که احتمالاً حجم خرید محافظه‌کارانه‌تر را پنهان می‌کند، حتی با افزایش پذیرش هوش مصنوعی.

طبق داده‌های جدید منتشر شده در آخر هفته توسط شرکت اطلاعات بازار Sensor Tower، چت‌بات هوش مصنوعی آمازون، روفوس، در جمعه سیاه با افزایش چشمگیری در پذیرش روبرو شد. در ایالات متحده، جلسات آمازون که منجر به خرید شد، در جمعه سیاه نسبت به ۳۰ روز قبل ۱۰۰٪ افزایش یافت، در حالی که جلساتی که منجر به خرید شد و شامل روفوس نبودند، تنها ۲۰٪ افزایش داشتند.

علاوه بر این، آمازون افزایش ۷۵٪ روزانه را برای جلساتی که شامل روفوس بود و منجر به خرید شد، در مقایسه با تنها ۳۵٪ افزایش روزانه برای جلسات بدون روفوس که منجر به خرید شده بود، مشاهده کرد.

این شرکت همچنین خاطرنشان کرد که جلسات آمازون که شامل چت‌بات هوش مصنوعی بود، از کل جلسات وب‌سایت پیشی گرفت.

در جمعه سیاه، کل جلسات وب‌سایت آمازون ۲۰٪ روزانه افزایش یافت، در حالی که جلساتی که شامل روفوس بود، ۳۵٪ افزایش داشت.

چت هوش مصنوعی آمازون اولین بار در اوایل سال ۲۰۲۴ به صورت بتا راه‌اندازی شد و سپس در اواخر همان سال برای همه مشتریان ایالات متحده در دسترس قرار گرفت. امروزه، روفوس به خریداران آمازون کمک می‌کند تا محصولات را پیدا کنند، توصیه‌ها را دریافت کنند و محصولات را مقایسه کنند.

داده‌ها نشان می‌دهد که پذیرش روفوس برای افزایش فروش در جمعه سیاه، بخشی از افزایش گسترده‌تر مصرف‌کنندگانی است که برای خرید تعطیلات به هوش مصنوعی روی می‌آورند.

Amazon Rufus

بر اساس داده‌های تجارت الکترونیک از Adobe Analytics، که بیش از ۱ تریلیون بازدید از وب‌سایت‌های خرده‌فروشی ایالات متحده را ردیابی می‌کند، ترافیک هوش مصنوعی به سایت‌های خرده‌فروشی ایالات متحده در جمعه سیاه ۸۰۵٪ نسبت به سال قبل افزایش یافته است. این نشان می‌دهد که مصرف‌کنندگان امسال به طور گسترده‌تری از چت‌بات‌های هوش مصنوعی مولد برای یافتن معاملات و تحقیق در مورد محصولات استفاده کرده‌اند. ابزارهای هوش مصنوعی عمدتاً برای دسته‌های محبوب معاملات جمعه سیاه مانند لوازم الکترونیکی، بازی‌های ویدیویی، لوازم خانگی، اسباب‌بازی‌ها، اقلام مراقبت شخصی و محصولات نوزاد و نوپا استفاده شدند.

Adobe Analytics همچنین خاطرنشان کرد که استفاده از هوش مصنوعی باعث افزایش تبدیل شده است. این شرکت دریافت که خریداران آمریکایی که از یک سرویس هوش مصنوعی به یک سایت خرده‌فروشی مراجعه کرده‌اند، ۳۸٪ بیشتر از منابع ترافیک غیر هوش مصنوعی احتمال خرید داشته‌اند.

اینکه آیا هوش مصنوعی مستقیماً به رکورد هزینه در جمعه سیاه به مبلغ ۱۱.۸ میلیارد دلار کمک کرده است، کمتر مشخص است. در عوض، رقم قابل توجه امسال ممکن است به دلیل قیمت‌های بالاتر باشد، نه افزایش خرید آنلاین. همانطور که TechCrunch در روز شنبه گزارش داد، داده‌های Salesforce نشان داد که قیمت‌ها به طور متوسط ۷٪ افزایش یافته‌اند، در حالی که حجم سفارشات ۱٪ کاهش یافته است.

داده‌های Sensor Tower نیز به طور مشابه نشان می‌دهد که مصرف‌کنندگان احتمالاً امسال در هزینه‌های خود محافظه‌کارتر بوده‌اند، که احتمالاً به دلیل فشارهای اقتصادی است. اگرچه پذیرش اپلیکیشن موبایل و وب‌سایت در جمعه سیاه نسبت به ۳۰ روز قبل افزایش یافت، اما داده‌های آن نشان می‌دهد که رشد در کل بازدیدها و دانلودها نسبت به سال ۲۰۲۴ کند شده است.

به عنوان مثال، دانلود اپلیکیشن‌های موبایل آمازون و والمارت در جمعه سیاه به ترتیب ۲۴٪ و ۲۰٪ نسبت به ۳۰ روز قبل رشد داشته است. اما این رشد در مقایسه با سال ۲۰۲۴، زمانی که دانلودهای آمازون ۵۰٪ و والمارت ۷۵٪ در همان دوره افزایش یافت، ناچیز بود.

بازدید از وب‌سایت‌های آمازون و والمارت در جمعه سیاه امسال به ترتیب ۹۰٪ و ۱۰۰٪ نسبت به ۳۰ روز قبل افزایش یافته است. با این حال، همین اعداد در سال ۲۰۲۴ به ترتیب ۹۵٪ و ۱۳۰٪ بود.

در یک نظرسنجی مرتبط از Adobe، ۴۸٪ از پاسخ‌دهندگان گفتند که از هوش مصنوعی به طور خاص برای خرید تعطیلات استفاده کرده‌اند یا قصد استفاده از آن را دارند.

این مقاله توسط هوش مصنوعی ترجمه شده است و ممکن است دارای اشکالاتی باشد. برای دقت بیشتر، می‌توانید منبع اصلی را مطالعه کنید.