גרפי ידע הופכים לתשתית חיונית למסחר אלקטרוני משום שהם הופכים נתוני מוצרים מקוטעים לרשת מחוברת של קשרים, ומאפשרים חיפוש, המלצות, ניתוחים וחוויות קנייה טובות יותר באמצעות בינה מלאכותית ממה שקטלוגים שטוחים אי פעם יכלו.
רוב צוותי המסחר האלקטרוני אינם סובלים מחוסר בנתוני מוצרים; הם סובלים מחוסר בקשרים משמעותיים בין הנתונים שכבר יש להם.
לפני מספר שנים, "הרחבת" חנות מקוונת פירושה בעיקר הוספת עוד מספרי מוצר, עוד קטגוריות, עוד מסננים, ותקווה ששורת החיפוש תעמוד בקצב. גישה זו הולכת ואוזלת. קטלוגים גדלו כל כך גדולים וכל כך מבולגנים שהדרך הישנה לארגון נתוני מוצרים - גיליונות אלקטרוניים, מסדי נתונים שטוחים, מערכות תיוג שנוספו כמחשבה שנייה - פשוט לא יכולה יותר לעמוד בקצב הציפיות של הלקוחות.
כאן נכנסים לתמונה גרפי ידע, ומדוע הם עומדים להפוך לתשתית סטנדרטית ולא לתשתית נחמדה, ומדוע דרישה לתשתיות ייעודיות. שירותי פיתוח תוכנה למסחר אלקטרוני עולה לצד זה.
היכנסו למערכת האחורית של כמעט כל פלטפורמת מסחר אלקטרוני בינונית עד גדולה, ותמצאו את אותו הבלגן: נתוני מוצרים מפוזרים על פני תריסר מערכות שלא מתקשרות זו עם זו כראוי. מערכת המלאי יודעת את רמות המלאי. מערכת ניהול התוכן יודעת את התיאורים.
לצוות השיווק יש גיליון אלקטרוני משלו של חבילות ומבצעים. לתמיכה בלקוחות יש ידע שבטי לגבי אילו מוצרים בדרך כלל מוחזרים יחד, או על אילו מוצרים הלקוחות תמיד שואלים בזוגות. שום דבר מזה לא קשור.
התוצאה היא קטלוג שמכיל טכנית את כל המידע שעסק צריך, אבל באופן מעשי לא יכול לענות על שאלות פשוטות כמו "מה עוד הלקוח הזה כנראה היה רוצה?" או "מדוע מוצר זה לא הצליח ברבעון האחרון?" בלי שמישהו יעבור ידנית בין חמישה כלים שונים.
גרף ידע פותר זאת לא על ידי הוספת נתונים נוספים, אלא על ידי הוספת קשרים בין הנתונים שכבר קיימים. במקום שמוצר יהיה שורה בטבלה עם מחיר ותיאור, הוא הופך לצומת המחובר לקטגוריות, מאפיינים, לקוחות, ביקורות, ספקים ומוצרים אחרים - כולם ניתנים לשאילתה בהקשר.
חיפוש הוא המקום החשוב ביותר. חיפוש מילות מפתח מסורתי מתייחס לשאילתה כמו "מעיל עמיד למים לטיולים מתחת ל-100 דולר" כמחרוזת להתאמה לשדות טקסט. מערכת מגובה גרפים מבינה ש"עמיד למים" הוא מאפיין, "טיולים רגליים" מרמז על קטגוריה ומקרה שימוש, ו-"100 דולר" הוא אילוץ - והיא יכולה לחשוב על כולם בו זמנית, כפי שעובד חנות בעל ידע היה עושה. כך בעצם נראה חיפוש ארגוני המופעל על ידי בינה מלאכותית לאחר שמודלים כראוי את הקשרים.
המלצות פועלות באותו אופן. רוב מנועי ה"לקוחות קנו גם" כיום מסתמכים על סטטיסטיקות רכישה משותפת, שעובדות מצוין עד שמגיעים למוצר חדש ללא היסטוריית רכישות, או פריט נישה שאין לו מספיק נתונים כדי לייצר הצעות בטוחות.
גרף ידע יכול להסיק קשרים מדמיון מבני - חומרים משותפים, מקרי שימוש משותפים, ספקים משותפים, אביזרים תואמים - עוד לפני שקיימים נתוני מכירות. זהו יתרון משמעותי לכל עסק שמשיק מוצרים חדשים באופן קבוע.
בנוסף, יש את הצד הפנימי, שמקבל הרבה פחות תשומת לב אך כנראה חשוב יותר בטווח הארוך. תכנון מלאי, משא ומתן עם ספקים, אסטרטגיית תמחור ושירות לקוחות - כולם משתפרים כאשר יש מקור אמת אחד מחובר במקום חמישה מקורות לא מנותקים.
אם ספק מעלה מחירים על חומר גלם, גרף יכול לחשוף מיד כל מוצר, כל חבילה וכל קידום מכירות פעיל שמושפע - דבר שכיום דורש לעתים קרובות סבב מטורף של מיילים ובדיקות ידניות.
כמה כוחות מתאחדים בו זמנית.
ראשית, עוזרי קניות המופעלים על ידי בינה מלאכותית ומסחר שיחתי כבר אינם ניסיוניים. כאשר לקוח שואל צ'אטבוט, "מה כדאי לי לקנות לאבא שלי שאוהב לעשות גריל אבל כבר יש לו סט בסיסי?" לא ניתן לענות על שאלה זו היטב באמצעות התאמת מילות מפתח.
זה דורש הבנת קשרים, העדפות והקשר - בדיוק בשביל מה בנוי מבנה גרף. פלטפורמות ללא עמוד שדרה מסוג זה ייצרו חוויות קנייה מונעות בינה מלאכותית גרועות באופן ניכר בהשוואה למתחרים שיש להם אותו, והלקוחות יבחינו בפער במהירות.
שנית, קטלוגים הופכים לגדולים באמת ובעלי היקף ובינלאומיים באמת. קמעונאי שמוכר במספר אזורים צריך להתמודד עם מערכי מאפיינים שונים, דרישות רגולטוריות שונות, שפות שונות ויחסים שונים עם ספקים - והכל תוך שמירה על חוויית המוצר עקבית.
מבני נתונים שטוחים מתכווצים תחת המורכבות הזו. גרפים מטפלים בה בצורה חיננית יותר משום שקשרים, ולא סכמות נוקשות, עושים את העבודה הקשה.
שלישית, העלות של נתוני מוצר גרועים כבר אינה מוסתרת. נטישת חיפוש, שיעורי החזרה הקשורים לתיאורים לא מדויקים, הזדמנויות מכירה צולבת שהוחמצו - את אלה היה קשה לכמת בעבר.
כעת, כשרוב הפלטפורמות מציעות את הניתוחים הדרושים למדוד את הדברים האלה בפועל, הטיעון הפיננסי לתיקון מבנה הנתונים הבסיסי קל הרבה יותר להציג בפני צוות פיננסים מאשר לפני חמש שנים.
מה שמעניין ביותר בשינוי הזה הוא שזו לא החלטה הנדסית גרידא. גרף ידע מאלץ עסק להגדיר בפועל מה המשמעות של המוצרים שלו ביחס זה לזה - אילו קטגוריות חשובות, אילו תכונות הן באמת שימושיות לעומת רעש, אילו קשרים מניעים ערך אמיתי ללקוח.
זהו תרגיל אסטרטגי באותה מידה שטכני, וחברות רבות מגלות פערים באסטרטגיית המוצר שלהן פשוט על ידי ביצועו.
תחומי השיווק, שרשרת האספקה, תמיכת הלקוחות והניהול, כולם בסופו של דבר מסתכלים על אותם נתונים מקושרים במקום לנחש מה נמצא בגיליון האלקטרוני של מישהו אחר. זה לבדו נוטה לחשוף חוסר יעילות שאף אחד לא שם לב אליו קודם לכן, פשוט משום שלאף אחד לא הייתה נראות כיצד החלטותיו השפיעו על חלקים אחרים של העסק.
שום דבר מזה לא אומר להרוס מערכות קיימות בן לילה. רוב החברות שעשו זאת היטב התחילו בקטן: מיפוי קשרים עבור קטגוריית מוצרים אחת, חיבורה לקומץ מערכות רלוונטיות והוכחת הערך לפני התרחבות נוספת.
הגרף גדל באופן אורגני ככל שיותר קשרים מעוצבים ויותר צוותים מתחילים להסתמך עליו.
מה שחשוב הוא להכיר בכך שהארכיטקטורה הבסיסית של נתוני מוצרים משתנה, באותו אופן שבו עברה מקטלוגים מודפסים למאגרי מידע לפני עשרות שנים. טבלאות שטוחות היו טובות מספיק כשהקטלוגים היו קטנים וציפיות הלקוחות היו פשוטות. אף אחד מהדברים האלה אינו נכון עוד.
פלטפורמות מסחר אלקטרוני שמתייחסות לנתוני המוצר שלהן כרשת של קשרים, ולא כרשימה של ערכים מבודדים, יזכו ליתרון אמיתי - באיכות החיפוש, בדיוק ההמלצות, ביעילות התפעולית, ויותר ויותר ביכולתן להתחבר לכלי קניות מבוססי בינה מלאכותית. זו הסיבה ש-RBM היא הטובה ביותר. חברת פיתוח מסחר ללא ראש עוזרת למותגי מסחר אלקטרוני לבנות חוויות מסחר חכמות וניתנות להרחבה יותר.
הפלטפורמות שלא יעשו את השינוי הזה לא בהכרח ייכשלו בן לילה, אבל הן ירגישו יותר ויותר מגושמות ליד מתחרים שיכולים לענות על שאלות מורכבות ורלציוניות באופן מיידי.
הם הופכים במהירות לבסיס שעליו נבנה כל דבר אחר - חיפוש, המלצות, עוזרי בינה מלאכותית, תפעול פנימי. הפלטפורמות שמבינות זאת כעת הן אלו שיראו חכמות ללא מאמץ ללקוחות בעוד שנה-שנתיים, בזמן שכל השאר יתקשו להדביק את הפער.
גרף ידע במסחר אלקטרוני הוא מודל נתונים מחובר המקשר מוצרים, מאפיינים, קטגוריות, לקוחות, ספקים וישויות אחרות באמצעות קשרים במקום לאחסן אותם כשורות מבודדות במערכות נפרדות. מבנה זה הופך את חוויות החיפוש, ההמלצות, הניתוחים וחוויות הקנייה מבוססות בינה מלאכותית לשימושיות יותר מכיוון שהפלטפורמה יכולה להסיק מסקנות על פני הקשר במקום להתאים רק שדות שטוחים.
גרפי ידע חשובים לקטלוגים של מסחר אלקטרוני מכיוון שנתוני מוצרים מודרניים מפוזרים בדרך כלל על פני כלים מרובים שאינם מתחברים בצורה חלקה. גרף הופך את המידע המקוטע הזה לרשת שמישה, המסייעת לצוותים לשפר את איכות החיפוש, את לוגיקת ההמלצות, את החלטות השיווק ואת הנראות התפעולית מבלי להסתמך על בדיקות צולבות ידניות מתמידות.
גרפי ידע משפרים את חיפוש המסחר האלקטרוני על ידי הבנת הקשרים בין מאפיינים, קטגוריות, מקרי שימוש ואילוצים במקום להתייחס לשאילתה כאל התאמת מילות מפתח פשוטה. משמעות הדבר היא שחיפוש אחר משהו כמו מעיל טיולים עמיד למים מתחת למחיר מסוים יכול להתפרש יותר כשאילתת כוונת קנייה אמיתית ופחות כמחרוזת טקסט.
כן, גרף ידע יכול לשפר המלצות מוצרים ללא היסטוריית מכירות על ידי הסקת מוצרים קשורים באמצעות דמיון מבני כגון חומרים משותפים, אביזרים תואמים, מקרי שימוש או ספקים. זה נותן לסוחרים דרך להמליץ על מוצרים חדשים או נישה גם כאשר נתוני רכישה משותפת חלשים או חסרים.
לא, מותגי מסחר אלקטרוני אינם צריכים להחליף את המערכות הקיימות שלהם כדי להשתמש בגרף ידע, מכיוון שרוב היישומים המוצלחים מתחילים בחיבור של קבוצה מוגבלת של מערכות וקשרים. הגישה המעשית היא בדרך כלל להתחיל עם קטגוריית מוצר אחת או מקרה שימוש, להוכיח ערך ולהרחיב את הגרף בהדרגה לאורך זמן.
