Mastercard hat eingeführt Shopping Muse, ein fortschrittliches KI-Tool, das die Art und Weise, wie Verbraucher Produkte in Online-Shops erkunden und finden, revolutioniert.
Shopping Muse, wie sie ankündigten, rekreiert das Einkaufserlebnis, indem es versteht, was Menschen über Produkte sagen, und Empfehlungen gibt, die auf ihren Stil zugeschnitten sind, zusammen mit Ratschlägen, wie man Produkte und Accessoires kombiniert. Diese Plattform ermöglicht es den Nutzern, moderne Trends zu erkunden (z.B. ‚was man im Dezember zu einer Hochzeit in Barcelona tragen sollte‘), Kleidungsstile und spezifische Begriffe wie ‚cottagecore‚ oder ‚beach formal‚.
Laut Mastercard, bietet dieses Tool Empfehlungen , die sich kontinuierlich anpassen, basierend auf den Informationen, die der Nutzer im Chat eingegeben hat. Durch Personalisierung über das Dynamic Yield-Tool nutzt diese Plattform kontextuelle Informationen (z.B. Wettervorhersagen) und Einblicke in das Nutzerverhalten (was der Nutzer während der Sitzung gesucht hat), um Produkte vorzuschlagen. Es verfolgt, wonach Menschen suchen, was ihnen gefällt und wie sie sich online verhalten, und basierend darauf gibt es Empfehlungen für Produkte, die zu ihnen passen könnten.
– Shopping Muse und ähnliche Lösungen stellen den nächsten Schritt in der Veränderung der Verkaufsweise dar, indem sie den Verbraucher als Schlüsselelement seiner Erfahrung in den Mittelpunkt stellen. Mastercard nutzt Technologie und maschinelles Lernen, um bessere Ergebnisse sowohl für Marken als auch für Verbraucher zu erzielen – erklärte Raj Seshadri, Präsident von Data and Services bei Mastercard.
Shopping Muse hilft nicht nur Kunden, Produkte mit Schlüsselbegriffen zu finden, sondern reduziert auch Frustrationen, indem es Verbrauchern hilft, das perfekte Produkt zu finden, selbst wenn sie nicht wissen, wie sie es in Worten beschreiben sollen. Durch integrierte Bildverarbeitungstools können Einzelhändler relevante Produkte basierend auf visuellen Ähnlichkeiten mit anderen Produkten empfehlen, unabhängig davon, ob die entsprechenden technischen Tags fehlen. Dieses Tool berücksichtigt auch die Kundenpräferenzen basierend auf dem Browserverlauf oder früheren Käufen, um zukünftige Kaufbedürfnisse besser vorherzusagen. Indem es die Verbraucherpräferenzen und den breiteren Kontext ihres Verhaltens versteht, können Einzelhändler sicherstellen, dass die vorgeschlagenen Produkte komplementär zueinander sind, anstatt redundant.
