AI 導購答錯,Amazon 回頭補的不是模型,是商品資料
你的商品主檔,撐得住 AI 幫你回答嗎?
AI 導購答不出正確答案,解法不是換一個更貴的模型,而是回頭把商品資料補齊。
Rufus 答錯的不是模型不夠強
Amazon 內部一份文件寫到,Rufus(今年 5 月起改叫 Alexa for Shopping)常常答錯,而顧客沒有專業,看不出這些錯誤。
文件也寫,Rufus 每週約 8,300 萬次搜尋,執行起來很貴;資料補齊之後,反而能換用更便宜的模型。
Amazon 的回應不太一樣:他們說這是一份過時的腦力激盪文件,使用量數字嚴重過時,自己的資料顯示準確率約 97%。
但問題到底出在哪?不是模型不夠聰明,而是模型手上拿到的資料不夠完整。更麻煩的是,顧客看不出答錯了,照樣會買錯或退貨,卻沒人回報。
要補的資料,是「哪一款最新」和「彼此什麼關係」
這份文件講的計畫叫 World Product Graph,目標是蒐集幾乎所有在賣商品的資料,不論 Amazon 自己有沒有賣。
文件寫:顧客如果得離開 Amazon,跑去 Google、品牌官網和評論網站拼湊商品之間的關係,Amazon 就不可能成為每一次購物的首選。答案其實都在,只是攤在各處,要花力氣才拼得起來。
這個計畫做不做得成,取決於弄清楚品牌在自家網站上怎麼組織商品。部分品牌會持續提供資料,Amazon 也會自己爬其他零售商網站;可口可樂、拜耳這類品牌,已經簽約提供資料。
資料補齊之後,AI 才能確定一台吸塵器或一支平板,哪一款是最新型號;也才能依購物紀錄,判斷哪一款適合這個人。
負責這個計畫的副總 Robert Tekiela 說的一句話,正好戳中這整件事:「顧客一直都找得到商品,缺的是理解——這些商品彼此是什麼關係、哪一個適合我、我還該考慮什麼?」
導購要回答的從來不是「有沒有這個商品」,而是「這些商品彼此之間,是什麼關係」。這份文件寫的目標發佈日是 2027 年 10 月 1 日,但計畫會不會照原樣落地,沒人說得準。
你的商品主檔,撐得住 AI 來回答嗎
換成自己的生意來看,AI 導購答不答得準,從來不是模型的事,而是商品主檔有沒有把關係寫清楚。
給自己一個檢查方向:拿客人最常問業務的那幾個問題,回頭看看商品主檔裡有沒有寫。哪一款是最新的、哪幾款互相替代,這些關係是真的被寫成資料,還是只活在某個業務的腦袋裡?
如果答案只在人的腦袋裡,AI 就只能猜。猜對了算幸運,猜錯了,客人不會跟你說。
先問自己一句
所以真正要問的不是 AI 導購準不準,而是你的商品資料,撐不撐得起一個正確答案。
下次開產品會議前,先問一句:客人最常問的那三個問題,我們的商品主檔,答得出來嗎?