Bridging Search and CRM: Productionizing AI Product Research Agents for Customer Re-Engagement
Dit artikel presenteert een in productie geïmplementeerd framework dat zoek- en CRM-systemen integreert met behulp van AI-gestuurde Product Research Agents om gebruikers met een verkennende intentie te identificeren en gepersonaliseerde, onderbouwde productaanbevelingen via WhatsApp te leveren, wat resulteert in significante verbeteringen in click-through rates, engagement en downstream omzet.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In het uitgestrekte digitale landschap van modern winkelen vindt vaak een stille frictie plaats die onopgemerkt blijft. Wanneer een klant een vage, verkennende vraag zoals "beste smartphone voor gamen" in een zoekbalk typt, reageert het systeem meestal met een statische lijst van producten die gerangschikt zijn op basis van verkoopcijfers of trefwoorden. Deze aanpak werkt goed voor specifieke verzoeken, zoals het vinden van een bepalijk modelnummer, maar het worstelt met subjectieve behoeften waarbij de gebruiker op zoek is naar begeleiding, vergelijking en vertrouwen. Als gevolg hiervan verlaten veel shoppers de app om externe recensies, videokanalen of fora te raadplegen voordat ze terugkeren om te kopen. Deze reis is gefragmenteerd, wat de verbinding tussen het platform en de gebruiker verbreekt. Om deze kloof te overbruggen, richten onderzoekers zich steeds vaker op kunstmatige intelligentiesystemen die kunnen redeneren, zoeken en informatie synthetiseren zoals een menselijke expert dat zou doen. Deze systemen, vaak agents genoemd, halen niet alleen gegevens op; ze begrijpen de intentie, verzamelen bewijs uit meerdere bronnen en construeren een samenhangend antwoord. De vraag die deze nieuwe ontwikkeling drijft, is of een dergelijk intelligent systeem op massale schaal kan worden ingezet om niet alleen deze complexe vragen te beantwoorden, maar ook om proactief contact op te nemen met klanten die zijn afgedwaald, om hen met gepersonaliseerd, betrouwbaar advies weer terug te leiden.
Een team van onderzoekers bij Flipkart, een grote online retailer in India, heeft precies zo's een systeem gebouwd en getest. Ze creëerden een framework dat de zoekmachine, waar gebruikers vragen stellen, verbindt met de tools voor klantrelatiebeheer die berichten naar gebruikers sturen. Hun doel was om shoppers te identificeren die tekenen van verwarring of aarzeling vertoonden — zij die zochten naar subjectieve termen maar op geen enkele resultaat klikten — en hen vervolgens opnieuw te betrekken met een behulpzaam, door AI gegenereerd advies dat rechtstreeks via hun WhatsApp-applicatie wordt verzonden. Het systeem dat zij hebben gebouwd is niet één enkel programma, maar een gecoördineerd team van gespecialiseerde digitale werkers, of agents, elk met een specifieke taak. Eén agent luistert naar de vraag van de gebruiker en ontdekt wat ze echt nodig hebben, zoals een budgetlimiet of een voorkeur voor een specifiek merk. Een andere agent gaat het bredere internet op om deskundige recensies, vergelijkingsartikelen en discussies in gemeenschappen te vinden om de beste kandidaten te identificeren. Een derde agent controleert deze kandidaten tegen de eigen interne database van de retailer om te garanderen dat de artikelen daadwerkelijk op voorraad zijn, beschikbaar zijn voor levering op de locatie van de gebruiker, en correct geprijsd zijn met eventuele toepasbare kortingen. Ten slotte fungeert een vierde agent als een strikte redacteur, die alle feiten, data en specificaties controleert om ervoor te zorgen dat het advies accuraat is en vrij van fouten voordat het aan een persoon wordt getoond.
Dit hele proces is ontworpen om efficiënt en schaalbaar te zijn. In plaats van te proberen dit complexe onderzoek voor elke zoekopdracht uit te voeren, filtert het systeem eerst de gegevens om alleen de meest veelbelovende kansen te vinden. Het zoekt naar specifieke patronen, zoals gebruikers met een hoge koopkracht die niet op een zoekresultaat hebben geklikt, en richt zijn inspanningen op die gevallen. Zodra een hoog-potentieel gebruiker is geïdentificeerd, werkt het team van agents samen op een asynchrone manier om een aanbeveling op te bouwen. De output is een beknopte, gepersonaliseerde boodschap die via WhatsApp wordt verzonden, met een paar product suggesties, hun prijzen en een duidelijke uitleg waarom ze zijn gekozen. De onderzoekers testten dit systeem in een live omgeving gedurende een periode van drieentwintig dagen. Tijdens deze tijd stuurde het systeem ongeveer vijftienduizend berichten naar verschillende gebruikers, waarbij de focus voornamelijk lag op mobiele telefoons. De resultaten waren opmerkelijk. De berichten genereerden een click-through rate die bijna drie keer hoger was dan eerdere campagnes die traditionele aanbevelingsmethoden gebruikten. Nogzegender was het gedrag van de gebruikers die de berichten ontvingen; op veel dagen was het aantal mensen dat op de links klikte hoger dan het aantal verzonden berichten. Dit gaf aan dat gebruikers de berichten niet alleen lazen, maar ze ook actief deelden met vrienden en familie, die vervolgens op de links klikten, waardoor de klanten effectief een secundair distributienetwerk werden.
Het succes van de campagne beperkte zich niet tot clicks; het vertaalde zich in echte economische activiteit. De onderzoekers volgden de gebruikers die de berichten ontvingen en stelden vast dat een aanzienlijk aantal van hen overging tot aankoop van de aanbevolen producten, wat substantiële omzet genereerde voor het bedrijf. Om de betrouwbaarheid van het systeem te waarborgen, voerde het team een rigoureuze handmatige controle uit van duizenden van de door hen geproduceerde aanbevelingen. Ze controleerden de technische specificaties en de lanceerdata van de telefoons tegenover real-world data. Het systeem bleek opmerkelijk accuraat, waarbij meer dan negentigennegentig procent van de specificaties en lanceerdata correct was. Deze hoge mate van feitelijke juistheid was grotendeels te danken aan de laatste "review" agent, die fungeerde als een vangnet om inconsistenties of fouten op te vangen voordat het bericht werd verzonden. De onderzoekers vergeleken ook twee verschillende manieren om het team van agents te organiseren. Ze ontdekten dat een structuur waarbij een centrale manager de werkers coördineert, veel superieur was aan een structuur waarbij de werkers taken simpelweg doorgeven zonder toezicht. De gecentraliseerde aanpak verminderde fouten aanzienlijk en zorgde ervoor dat het systeem alle noodzakelijke regels volgde, zoals het alleen vermelden van lanceerdata wanneer de gebruiker vroeg naar de "nieuwste" modellen.
Dit werk demonstreert dat kunstmatige intelligentie verder kan gaan dan eenvoudige automatisering om een proactieve partner te worden in de klantreis. Door het vermogen om te zoeken op het openbare web te combineren met de precisie van de interne data van een retailer, en door dit alles te verpakken in een betrouwbaar communicatiekanaal, slaagde het systeem erin om gebruikers die eerder waren afgedwaald opnieuw te binden. De studie laat zien dat wanneer AI wordt gebruikt om gegronde, uitlegbare en gecontroleerde adviezen te geven, het de verbinding tussen een shopper en een platform kan herstellen. De bevindingen suggereren dat de toekomst van e-commerce niet alleen gaat over het tonen van meer producten, maar over het bieden van beter, intelligenter advies dat respect heeft voor de behoefte van de gebruiker aan context en vertrouwen. De onderzoekers hebben bewezen dat een dergelijk systeem gebouwd, ingezet en geschaald kan worden om de complexiteit van een echte marktplaats aan te kunnen, waardoor een gefragmenteerde winkelervaring wordt omgezet in een samenhangende en productieve reis.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.