Исследование показывает, что классические методы убеждения в электронной коммерции не работают на ИИ-агентах. Алгоритмы игнорируют таймеры и зачеркнутые цены, ориентируясь на фундаментальные метрики.
2 мин
В электронной коммерции происходит фундаментальный сдвиг: растущая доля покупок совершается не людьми, а автономными агентами на базе искусственного интеллекта. Новое исследование, опубликованное в Harvard Business Review, демонстрирует, что классические маркетинговые тактики, созданные для воздействия на человеческую психологию, оказываются бесполезными при взаимодействии с алгоритмами. Таймеры обратного отсчета, искусственный дефицит и зачеркнутые цены не только не работают, но иногда даже снижают вероятность выбора товара.
Крупнейшие технологические компании активно внедряют ИИ-агентов в процессы поиска и покупки товаров. OpenAI интегрирует ChatGPT в приложения продавцов для улучшения поиска продуктов. Google запустил универсальный коммерческий протокол (UCP), позволяющий агентам совершать транзакции в различных розничных сетях. Amazon также разрабатывает инструменты, с помощью которых ИИ может делать покупки на сторонних сайтах от лица пользователя. Это означает, что маркетологам теперь приходится продавать свои товары не только людям, но и машинам.
Исследователи провели тысячи симулированных раундов покупок, используя четыре ведущие языковые модели (LLM) в четырех популярных категориях товаров. Результаты оказались однозначными.
Тактики, основанные на создании срочности или дефицита (например, «осталось всего 2 штуки» или таймеры), не оказывают стабильного влияния на ИИ. В некоторых случаях они даже заставляли алгоритм отказываться от выбора конкретного продукта.
Изображение из источника
Единственными факторами, которые стабильно влияли на выбор ИИ-агентов в ожидаемом направлении, оказались фундаментальные показатели: звездный рейтинг товара и его базовая цена. Чем выше рейтинг и ниже цена, тем выше вероятность покупки. При этом более продвинутые модели с развитыми способностями к рассуждению демонстрировали явный скептицизм по отношению к очевидным попыткам убеждения и маркетинговым уловкам.
Для индустрии это означает конец эпохи «дешевых» психологических трюков в онлайн-торговле. Если раньше продавец мог повысить конверсию просто добавив красный таймер на страницу товара, то теперь этот подход теряет смысл для растущего сегмента ИИ-покупателей.
Бизнесу необходимо начать относиться к ИИ-моделям как к совершенно новому, отдельному сегменту аудитории со своими паттернами поведения. Машины не подвержены синдрому упущенной выгоды (FOMO). Они анализируют данные объективно. Это возвращает розничную торговлю к ее основам: конкурентоспособному ценообразованию, высокому качеству продукта и подлинным отзывам пользователей.
В ближайшем будущем компаниям придется инвестировать в новую инфраструктуру тестирования. Маркетологам потребуется непрерывно измерять, как различные ИИ-агенты реагируют на изменения в описаниях товаров по мере обновления самих моделей и системных промптов (prompts).
Вероятно, мы увидим зарождение новой дисциплины — оптимизации под ИИ-поиск в коммерции, где главной задачей будет предоставление алгоритмам максимально чистых, структурированных и достоверных данных о продукте, без эмоциональной окраски и манипуляций.
ИИ-агенты, совершающие покупки от лица пользователей, не поддаются традиционным маркетинговым уловкам, заставляя продавцов возвращаться к конкуренции за счет реального качества и цены.
Вместо того чтобы усложнять маркетинг, ИИ-агенты делают его более примитивным и прозрачным, лишая эффективности психологические манипуляции.
