重點新聞(0309~0322)
#生成式AI #AI商品推薦 #AI商品追蹤
Amazon推出可以自動根據顧客興趣，不斷推薦新上架商品的生成式AI功能
在推出對話式購物助手Rufus後，Amazon又推出新一購物輔助功能，Interests。這是一個個人化商品推薦功能，可以根據顧客興趣，自動探索相關的最新上架商品。顧客可以在電商頁面中開啟一個追蹤任務，利用自然語言輸入商品描述，例如「旅行中容易攜帶的高級護膚品牌商品」，Interests即會推薦相關商品，並於符合描述的新商品上市時，通知顧客。目前此功能僅開放美國少數顧客試用。
Interest背後技術是利用LLM語言理解能力來強化商品搜尋、推薦功能。將這個基礎應用加入追蹤新商品功能，更能讓顧客不須自己重複搜尋商品，即能開啟多個追蹤任務，持續探索商品。基於顧客明確指令，來持續推薦商品，兼具主動性與精確性。不只如此，追蹤功能是設計成由顧客自己設定追蹤內容、自己看到通知後點開，Amazon推薦商品時，還有望降低顧客被干擾的感受。
前一個GenAI購物功能Rufus在獲得一定規模的流量後，便開始作為RMN廣告的新通路，呈現贊助商內容。對Amazon來說，當Interests累積足夠流量規模，又是一個成為新通路的機會。
#生成式AI #商家助理
Walmart揭露更多生成式AI商家助手Wally的功能與技術細節
早在數月前，Walmart就已經提過自己有意用生成式AI打造商家用助手。近日，他們揭露更多商家助手Wally的功能及技術細節。
Wally介面類似於ChatGPT，商家可以用自然語言與其對話。該機器人功能包括分析複雜資料以洞察、推測商品銷售表現的背後原因、回答營運面問題及聯絡客服，以及複雜數學運算與預測。Walmart強調，使用Wally不須IT專業知識，只要簡述問題與需求，系統就能自動決定應該採取的行動。
他們還寫道，打造Wally面臨的挑戰。Wally背後模型不如一般LLM，可以用大量易取得的綜合語料來訓練，而是要用Walmart內部商品和營運資料訓練。他們還得教會模型如何用最新資料支援供應商種種需求。為此，Walmart打造出一系列語意理解機制和資料處理演算法，使Wally快速理解Walmart不斷更新的內部資料，與複雜的供應商商業需求，進而調出所需資料，來回答問題。
#生成式AI #飲食推薦 #生鮮零售 #電腦視覺
Instacart利用LLM分析顧客飲食習慣，來打造超級個人化商品推薦
收錄多家零售商上千萬件生鮮商品的電商平臺Instacart開始利用LLM技術來強化顧客飲食習慣分析，來支援電商個人商城的商品推薦。Instacart表示，運用傳統機器學習來分析飲食習慣相當困難，因為許多常見食物，可能同時受到多種飲食習慣的顧客青睞。他們透過LLM來進一步分析商品語意和顧客意圖，才能更準確辨認出顧客商品選擇背後，代表著哪些飲食習慣。
運用此技術，Instacart電商App現在會即時根據顧客飲食偏好，來呈現相關商品，並不斷根據顧客互動更新。當系統不確定顧客意圖時，還會直接詢問顧客偏好，或是透過「顯示更多低卡路里食物」等選項，引導顧客透露自己偏好。
他們還開始利用AI視覺辨識技術，來自動為數十萬件商品貼上健康飲食相關標籤，提供顧客參考。這些標籤包括無麩質、高纖、生酮等，食物特性和飲食習慣相關資訊。
#RMN #第三方市集 #生成式AI
Momo揭露2025年計畫，並回顧RMN及第三方市集一年來成績與挑戰
Momo總經理谷元宏近日媒體餐敘中，回顧自家一年來經營RMN和第三方市集等新數位做法的挑戰。RMN一年來已經有過萬品牌採用，其中B2C業務的大型第一方廠商雖數量較少，投入金額較第三方市集B2B2C廠商高。去年雙11廣告收益，更高出前一年雙11高達3.5倍金額。Momo的RMN目標是對標Google Ads功能與ROAS，谷元宏表示，從頭自建如此複雜、高規格的系統，對從電商跨界Martech的他們來說相當不易。
至於第三方市集業務，目前已經新增超過百萬種商品，大幅豐富電商平臺商品選擇。谷元宏認為，這個改變有效吸引更多年輕消費者，還提升平均消費頻率，但客單價略低。技術上，為了符合第三方廠商更彈性操作商城設定的需求，Momo必須替他們打造一套新後臺系統，與既有B2C廠商後臺的邏輯和介面都不同。
谷元宏還揭露了物流、會員訂閱制、生成式AI應用等其他面向的回顧和未來規畫。（詳情請見3千字全文）
#LBS #RMN #跨通路行銷
日本全家RMN與JR東日本實驗跨通路行銷，商品購買轉換率效果提升逾6成
日本全家與鐵道公司JR東日本聯合進行RMN實驗，結合全日本約1萬家全家數位看板、山手線火車車廂上螢幕，以及透過Beacon技術在各自場所推播廣告等3種通路，進行跨通路行銷。他們將受眾分為三類：只接觸單一通路、同時接觸Beacon與另一個通路，以及同時接觸3種通路，分別為ABC組。測量指標包括商品購買率、品牌認知度，以及引發顧客搜尋或討論等行為。
實驗結果以A組行為作為比較值，BC組的商品購買率分別提升47%和66%、品牌認知度提升27%和42%、引發顧客行動的情況更是各自提升144%和281%。如此驚人的實驗數字，使日本全家和JR東日本正式展開進一步跨通路合作，用地理和零售資料驅動DOOH廣告服務。
#RMN #第一方數據 #社群媒體行銷
Best Buy推出在社群媒體對自家會員投廣的功能，僅能透過自有RMN投放
透過自家顧客受眾包到外部通路行銷，是零售商和許多網路平臺都會做的事情。不過，他們通常透過該外部通路系統，或是第三方DSP，來提供此功能。美國連鎖3C賣場Best Buy做法則採取了不同模式。
他們近日推出Social+功能中，廣告主只能透過Best Buy自家RMN，才能在Facebook及Instagram對自家顧客投廣。他們主打的賣點是，自家RMN可以提供商品等級的行銷轉換資料。這意味著，他們對自家數位行銷科技成熟度有足夠自信，可以處理外部平臺投廣帶來的資料分析與流量處理作業。不過，Best Buy也表示，未來不排除將此功能開放給第三方平臺。
#RMN #地產商 #第一方數據
零售不動產投資集團Simon推出第一方數據服務，協助自家場域的零售商進行數位行銷
連不動產商都開始做RMN，美國最大的購物中心經營者Simon Property Group推出第一方數據服務，利用造訪自家零售場域的顧客資料，來支援零售商數位行銷。這些資料包括喜好洞察、線上搜尋行為、線上線下互動行為、購物車新增項目及交易紀錄等。
零售商應用這些資料的做法包括透過Simon自家RMN投放廣告，以及與Simon旗下行銷公司一同打造受眾包，作為行銷對象。
更多零售IT動態：
1. 91APP產品長李昆謀談自家8年來發展零售大數據的心得與挑戰
2. 讀完前一篇，時事正好接上：91APP與電通集團技術合作，用前者零售AI技術支援後者的RMN服務
3. 服飾商GAP設立AI辦公室，開始發展利用AI強化顧客體驗、商品上市流程、內部生產力等面向。
資料來源：iThome整理，2025年3月
責任編輯：郭又華
圖片來源：Amazon、Walmart、日本全家、Instacart
