XNET از نخستین محصول هوش مصنوعی برونسازمانی خود با نام «دیا» پردهبرداری کرد
دستیاری هوشمند «دیا» نویدبخش گذار از جستجوی سنتی کلیدواژهها به سوی مفهوم «تجارت مبتنی بر عاملهای هوشمند است. فهرست مقاله پنهان 1 تغییر پارادایم در تجارت الکترونیک؛ بازگشت به حس خرید واقعی 2 قابلیتهای تجربه کاربری و سناریوهای خرید در «دیا» 3 چرا ایکامرسها ب…
خلاصه تحلیلی خبر
دستیاری هوشمند «دیا» نویدبخش گذار از جستجوی سنتی کلیدواژهها به سوی مفهوم «تجارت مبتنی بر عاملهای هوشمند است. فهرست مقاله پنهان 1 تغییر پارادایم در تجارت الکترونیک؛ بازگشت به حس خرید واقعی 2 قابلیتهای تجربه کاربری و سناریوهای خرید در «دیا» 3 چرا ایکامرسها ب…
موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، دیا، خرید، کاربر، نیاز
دستیاری هوشمند «دیا» نویدبخش گذار از جستجوی سنتی کلیدواژهها به سوی مفهوم «تجارت مبتنی بر عاملهای هوشمند است.
تغییر پارادایم در تجارت الکترونیک؛ بازگشت به حس خرید واقعی
در بخش آغازین این رویدادحمیدرضا چیتچیانمعاون بازاریابی XNET (CMO) وندا برادرانقائممقام مدیرعامل (Deputy CEO) با اشاره به قرارگیری بشر در یک برهه دگرگونی بنیادین ناشی از پیشرفت هوش مصنوعی و حرکت به سمت مفهوم تکینگی ، چرایی خلق این محصول را تشریح کردند.
به گفته ندا برادران، فروشگاههای فیزیکی سنتی همواره در کنار تنوع محدود کالاها، دارای یک مزیت بزرگ یعنی «فروشنده انسانی» بودند که زبان و نیاز خریدار را میفهمید و پیشنهاد متناسب ارائه میداد. با ظهور تجارت الکترونیک، تنوع کالاها تا مرز بینهایت رفت اما سیستمها کاربران را مجبور کردند به «زبان ماشین» سخن بگویند؛ یعنی سرچ کلیدواژهای دقیق، پیمایش میان فیلترهای سفتوسخت و نیاز به درک تخصصی محصول توسط خود خریدار.
اکنون با تحول مدلهای زبانی بزرگ (LLM)، ماشینها سرانجام قادر به فهم زبان انسان، نیت و کانتکست نیاز خریداران شدهاند. XNET «دیا» را بهعنوان اولین محصول مبتنی بر هوش مصنوعی خود معرفی کرده که حاصل تقاطع نیاز مشتری و ظرفیتهای فناورانه جدید است.
قابلیتهای تجربه کاربری و سناریوهای خرید در «دیا»
دیا صرفاً یک چتبات ساده برای گپ عمومی نیست بلکه محیطی تخصصی و یکپارچه برای تجربه خرید است
- جستجوی مبتنی بر نیت(Intent-based Search)کاربر نیازی به دانستن نام دقیق قطعات یا کالاها ندارد. به عنوان مثال، با مطرح کردن اهدافی مثل «برای پختن پیتزا چه چیزهایی میخواهم؟» یا «برای ماراتن یا سفر به قشم چه لوازمی لازم است؟»، دیا تمام اقلام و دستهبندیهای مکمل را شناسایی و پیشنهاد میکند.
- خلاصهسازی و پاسخ به ابهامات درجادر کنار نمایش محصولات، دیا به جای نمایش یک لیست خام، کامنتها و بازخوردهای مربوط به نیت کاربر را خلاصه میکند. همچنین کاربر بدون ترک صفحه دیا میتواند سوالاتی از قبیل «شرایط گارانتی چیست؟»، «منظور از اشتراک فعال چیست؟» یا «تفاوت قیمت فروشندگان چقدر است؟» بپرسد و پاسخ دقیق دریافت کند.
- درک بستر رابط کاربری(UI-Context Aware)دیا از موقعیت حضور کاربر در صفحه آگاه است؛ چه کاربر در صفحه عمومی گفتوگو باشد چه داخل صفحه یک کالای خاص یا در صفحه سبد خرید. دیا متناسب با همان جایگاه پاسخ میدهد (مثلاً پاسخ به اینکه «چه اقلامی در کنار کالاهای موجود در سبد خرید من نیاز است؟»).
- همگامسازی کامل سبد خریدسبد خرید دیا همان سبد خرید اصلی کاربر در XNETست و اقلام اضافه یا حذفشده در هر دو به صورت بلادرنگ همگام میشوند.
- طراحی تطبیقی متناسب با نوع کالا(Adaptive UI)نوع نمایش محصولات بر اساس اینتنت و ماهیت کالا تغییر میکند؛ برای پوشاک و کفش تصاویر اولویت دارند برای کالاهای دیجیتال مشخصات و متنها برجسته میشوند و برای اقلامی دیگر تنوع بالا به تصویر کشیده میشود.
- مقایسه هوشمند و پیشنهادهای شخصیسازیشدهامکان مقایسه آنی چند برند، محصول یا دستهبندی و ارائه پیشنهادات شخصیسازیشده بر اساس سوابق و رفتار کاربر.
- پیشنهاد بستهای و مکمل(Bundling)پیشنهاد ستهای هماهنگ؛ مانند پیشنهاد شلوار و کفش متناسب با یک پیراهن خریداریشده یا پیشنهاد قطعات هماهنگ برای ستآپ گیمینگ و تجهیزات آشپزخانه.
- پشتیبانی پس از خرید(Post-Purchase Support)دیا فقط ابزار پیش از خرید نیست؛ کاربر میتواند پیگیری سفارش، وضعیت مرجوعی کالا و زمانبندی بازگشت وجه را مستقیم از دیا پیگیری کند.
- جستجوی چندوجهی صوتی و تصویری(Multimodal)کاربران علاوه بر ارسال پیام متنی، میتوانند با ارسال ویس گفتوگو کنند که صوت در لحظه به متن تبدیل میشود. همچنین قابلیت ارسال تصویر برای پیدا کردن کالای مشابه، عکسبرداری از دستنوشته اقلام خرید یا ارسال عکس از اتاق و فضای کاری برای دریافت مشاوره دکوراسیون فراهم شده است.
- پروفایل کاربری تجاری(Commerce Profile)دیا مشخصات و ترجیحات پایدار کاربر را به خاطر میسپارد؛ از جمله سایز لباس و کفش یا علاقهمندی به اکوسیستمهای خاص مانند اپل تا در جستجوهای بعدی نیاز به بازتعریف آنها نباشد.
چرا ایکامرسها به دستیار اختصاصی نیاز دارند؟
با وجود مدلهای عمومی پیشرو نظیر ChatGPT یا Grok چه نیازی به دستیار بومی در ایکامرسها مشابه روفوس در آمازون یا اکیو در علیبابا وجود دارد؟
پاسخ ارائهدهندگان بر دو تمایز اصلی استوار است
- کانتکست عمیق سازمانیدیا به جزئیات موجودی کالاها، فرایندهای لجستیک و شیوههای ارسال و پردازش XNET اشراف کامل و لحظهای دارد.
- عاملیت سازمانی(Agency)مدلهای عمومی نماینده کاربر هستند و تنها میتوانند با سیستمها تعامل کنند اما دیا نماینده مستقیم XNETست. به همین دلیل دیا اختیار عمل دارد؛ میتواند باندلهای تخفیفدار طراحی کند، آفر بدهد و اصطلاحاً «از جیب XNET خرج کند» تا خریدی برد-برد برای کاربر رقم بزند.
گراف چندایجنت و سیستم خودتوسعهدهنده
معماری فنی دیا از نقاط عطف مهندسی این محصول به شمار میرود
- معماری مبتنی بر گراف ایجنتها(Multi-Agent Graph)دیا به جای اتکا به یک مدل بسته فرانتیر و عمومی بزرگ، مسیر خرید را به تسکها و ورکفلوهای بسیار ریز تفکیک کرده است. هر تسک توسط یک ایجنت تخصصی کوچک انجام میشود که همگی در قالب یک ساختار گرافی هماهنگ شدهاند.
- بهکارگیری مدلهای متنباز و لوکالاین معماری ریزدانهای به XNET امکان داده تا از مدلهای Open-Source که به شکل محلی (Locally Hosted) میزبانی و فاینتیون میشوند بهره ببرد؛ اقدامی که وابستگی به مدلهای خارجی را به حداقل رسانده، تأخیر (Latency) را به شدت کاهش داده و مدیریت بهینه هزینه و حریم خصوصی را محقق میکند.
- گسترش به سایر بخشهااین شبکه ایجنتی در آینده محدود به مشتریان نخواهد ماند بلکه در بخش فروشندگان (Sellers)، زنجیره تأمین، عملیات و بخش پشتیبانی نیز گسترش مییابد.
- فلسفه توسعه خودکار(Self-Developing Product)فرآیند تکامل دیا با توسعه نرمافزارهای سنتی متفاوت است. به جای بررسی دستی تکتک فیدبکها توسط مدیران محصول و تعریف بکلاگهای طولانی، دیا بر روی یک بستر خودکار (Autopilot) قرار دارد؛ دادههای رفتاری و نقاط خطای دستیار به شکل خودکار تحلیل شده و نیازمندیها در قالب بکلاگ تولید میشوند. به تعبیر تیم توسعه: «تیم فنی مستقیماً دیا را توسعه نمیدهد بلکه ماشینی را میسازد که وظیفه توسعه دیا را بر عهده دارد».
- همافزایی درونسازمانیدیا حاصل همکاری چندجانبه تیمهای هوش مصنوعی XNET (سرویسهای جستجو، توصیهگر و دستهبندی)، تیمهای شاپینگ (فرایندهای پرداخت و سبد خرید) و تیم زیرساخت دادههای گروه XNET برای توسعه مدلهای زبانی داخلی است.
برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.