IA generativa e e-commerce: Esempi e vantaggi

L’IA generativa si riferisce a un tipo di intelligenza artificiale (IA) in grado di creare nuovi contenuti, come testi, immagini o video, simili a quelli che potrebbe produrre un essere umano. Nel contesto dell’e-commerce, l’IA generativa può essere utilizzata per creare descrizioni di prodotti, generare immagini di prodotti e persino progettare nuovi prodotti.

L’IA generativa utilizza tecniche di apprendimento profondo come le reti neurali, gli autoencoder variazionali (VAE) e le reti avversarie generative (GAN) per apprendere modelli nei dati esistenti e generare nuovi contenuti sulla base di tali modelli. Alcuni esempi noti di IA generativa sono Google Bard, Dall-E, Bing e ChatGPT.

Un sondaggio condotto nel 2023 tra i professionisti del marketing e della pubblicità (il commercio elettronico ne fa parte) negli Stati Uniti ha rivelato che il 37% degli intervistati ha utilizzato l’IA generativa per supportare le proprie attività lavorative. Il grafico seguente mostra il tasso di adozione dell’IA generativa sul posto di lavoro negli Stati Uniti nel 2023, per settore:

Credito d’immagine: Statista.

Uno degli usi più significativi dell’IA generativa e dell’e-commerce è la generazione di descrizioni dei prodotti. Gli algoritmi di generazione del linguaggio naturale (NLG) analizzano i dati dei prodotti e generano descrizioni che possono essere utilizzate nei siti web di e-commerce. Ad esempio, uno strumento di questo tipo può analizzare le caratteristiche, i vantaggi e le specifiche di un prodotto e generare una descrizione convincente che possa migliorare l’esperienza del cliente.

Un esempio concreto di utilizzo dell’intelligenza artificiale generativa per le descrizioni dei prodotti è la piattaforma Phrasee. Ad esempio, è in grado di analizzare le caratteristiche di un prodotto (ad esempio delle cuffie) e di generare una descrizione del tipo “Queste cuffie a cancellazione di rumore sono dotate di una tecnologia avanzata di riduzione del rumore che blocca il rumore ambientale, offrendo una qualità del suono chiara e coinvolgente”. Può anche creare righe di oggetto per le e-mail o notifiche push. Questo approccio ha aiutato i marchi di e-commerce a risparmiare tempo e ad aumentare il coinvolgimento dei clienti con contenuti automatizzati e personalizzati. Domino’s Pizza ed eBay sono esempi di utilizzo di tali “contenuti potenziati dall’intelligenza artificiale”.

Le reti avversarie generative (GAN) sono un’altra forma di IA generativa utilizzata nell’e-commerce, questa volta per generare nuove immagini di prodotti. Addestrando le GAN su un set di dati di immagini di prodotti esistenti, la rete generatrice può imparare a creare nuove immagini di prodotti dall’aspetto realistico che possono essere utilizzate per l’e-commerce o la pubblicità. Questo approccio può far risparmiare a marchi e commercianti tempo e risorse per la fotografia dei prodotti e l’editing delle immagini.

Strumenti di generazione di immagini come DALL-E 2 vengono già utilizzati nella pubblicità. Heinz, ad esempio, ha utilizzato l’immagine di una bottiglia di ketchup con un’etichetta simile alla propria per illustrare come l’intelligenza artificiale percepisce il ketchup. Tuttavia, questo è avvenuto semplicemente perché il modello è stato addestrato su un numero considerevole di foto di bottiglie di ketchup Heinz. Allo stesso modo, Nestle ha utilizzato una versione potenziata dall’intelligenza artificiale di un dipinto di Vermeer per promuovere uno dei suoi marchi di yogurt e Mattel sta usando la tecnologia per generare immagini per il design e il marketing dei giocattoli.

Credito d’immagine: Heinz / Rethink Canada.

La tecnologia può essere utilizzata anche per generare raccomandazioni di prodotto personalizzate per i clienti. Analizzando i dati dei clienti, come la cronologia di navigazione e il comportamento di acquisto, gli algoritmi di IA generativa possono creare raccomandazioni di prodotto personalizzate in base alle preferenze del singolo cliente. Questo approccio può aiutare le aziende a fidelizzare i clienti e a incrementare le vendite.

Stitch Fix, azienda di abbigliamento e servizio di personal styling online con sede a San Francisco, ha sconvolto il settore della vendita al dettaglio di moda. Combinando l’esperienza dei personal stylist con l’efficienza dell’intelligenza artificiale, Stitch Fix fornisce regolarmente consigli personalizzati sull’abbigliamento da portare a casa dei clienti. L’intelligenza artificiale dell’azienda analizza i dati sulle tendenze di stile, le misure del corpo, i feedback dei clienti e le loro preferenze per fornire agli stilisti una selezione curata di raccomandazioni che si adattano allo stile di vita e al budget dei clienti.

Allo stesso modo, l’intelligenza artificiale generativa è in grado di analizzare grandi quantità di dati dei clienti per identificare modelli e tendenze, consentendo alle aziende di creare campagne di marketing altamente mirate e suggerimenti di prodotti personalizzati. Anche Amazon utilizza algoritmi di IA generativa per fornire raccomandazioni di prodotti altamente personalizzati che hanno contribuito al suo successo. Nel 2021, Forbes ha riportato che il 35% degli acquisti effettuati dai consumatori su Amazon è stato il risultato di raccomandazioni di prodotti.

Utilizzando l’IA generativa, le aziende possono sfruttare le GAN per progettare nuovi prodotti sulla base di quelli esistenti, consentendo loro di creare in modo rapido ed efficiente prodotti nuovi e innovativi. Questo approccio può aiutare i marchi a rimanere competitivi e a soddisfare la domanda dei clienti di prodotti nuovi e migliori.

Il design generativo è stato utilizzato in settori che privilegiano sia l’estetica che le prestazioni strutturali. Per esempio, New Balance ha utilizzato il design generativo per creare le geometrie delle suole delle scarpe con un software proprietario sviluppato da Nervous System, un’azienda di Boston. Questo software consente di personalizzare le suole in base alle esigenze di sostegno del piede e alle preferenze estetiche dei singoli utenti.