Οι προτάσεις αγορών με τεχνητή νοημοσύνη και η οικονομία των παρορμητικών αγορών

Μια καλή πρόταση αγοράς λύνει ένα πρόβλημα. Βρίσκει το κατάλληλο ανταλλακτικό, περιορίζει μια μπερδεμένη γκάμα επιλογών ή εντοπίζει κάτι που χρειάζεται πραγματικά ο πελάτης. Ωστόσο, η ίδια τεχνολογία μπορεί να κάνει μια περιττή αγορά να φαίνεται ασυνήθιστα δελεαστική. Καθώς η τεχνητή νοημοσύνη εντάσσεται στην αναζήτηση προϊόντων, αξίζει να εξετάσουμε προσεκτικότερα τη διαφορά ανάμεσα στο να βοηθάμε κάποιον να ψωνίσει και στο να τον ενθαρρύνουμε να συνεχίσει να ψωνίζει.

Μια νέα μελέτη στο Sustainable Futures εξετάζει αυτή την ένταση μέσω έρευνας με 642 καταναλωτές από το Βιετνάμ που πραγματοποιούν αγορές στο διαδίκτυο.¹ Οι ερευνητές διαπίστωσαν ότι η αντιλαμβανόμενη χρησιμότητα, η εμπιστοσύνη στις προτάσεις και ο συναισθηματικός ενθουσιασμός συσχετίζονταν με εντονότερη παρόρμηση για αγορές. Αυτές οι παρορμήσεις συσχετίζονταν με καταναλωτικές συμπεριφορές που οι συμμετέχοντες θεωρούσαν περιττές ή δύσκολο να διατηρηθούν.

Για τους επενδυτές, αυτό εγείρει ένα ερώτημα πέρα από το αν η τεχνητή νοημοσύνη μπορεί να αυξήσει τις πωλήσεις: μπορούν οι πλατφόρμες ηλεκτρονικού εμπορίου να μετατρέψουν τις καλύτερες προτάσεις σε διαρκή αξία για τους πελάτες; Οι προοπτικές είναι σημαντικές, αλλά για να μετρηθεί η επιτυχία χρειάζεται να κοιτάξουμε πέρα από την επόμενη ολοκλήρωση αγοράς.

Τι μέτρησε στην πράξη η μελέτη για τις αγορές με τεχνητή νοημοσύνη

Οι ερευνητές συγκέντρωσαν ερωτηματολόγια από τις 15 έως τις 20 Μαΐου 2026, μέσω διαδικτυακής διανομής και επιτόπιων ερευνών στην πόλη Can Tho City. Αφού απέκλεισαν 59 απαντήσεις λόγω ενός σταθερού μοτίβου απαντήσεων, ανέλυσαν 642 ερωτηματολόγια. Το δείγμα που αναφέρθηκε αποτελούνταν από καταναλωτές ηλικίας 18 έως 33 ετών, επομένως αφορά ιδιαίτερα τους νεότερους καταναλωτές και όχι το σύνολο του αγοραστικού πληθυσμού.

Η μελέτη χρησιμοποίησε το πλαίσιο Ερέθισμα–Οργανισμός–Απόκριση. Με απλά λόγια, εξέτασε πώς οι αγοραστικές εμπειρίες σχετίζονται με τις σκέψεις και τα συναισθήματα των καταναλωτών και πώς αυτές οι εσωτερικές αντιδράσεις συνδέονται με την παρόρμηση για αγορές και τα καταναλωτικά πρότυπα.

Τα ερεθίσματα που σχετίζονταν με τις αγορές περιλάμβαναν την αλληλεπίδραση με τους παρουσιαστές των ζωντανών μεταδόσεων, την αλληλεπίδραση με άλλους θεατές, τον αντιλαμβανόμενο ρεαλισμό και τη ζωντανή παρουσίαση των προϊόντων. Αυτό το πλαίσιο έχει σημασία. Παρότι η έρευνα εντάσσεται στο πεδίο του εμπορίου που στοχεύει σε καταναλωτές με τη βοήθεια της τεχνητής νοημοσύνης, συνδυάζει τις αλγοριθμικές αγορές με τα κοινωνικά και συναισθηματικά χαρακτηριστικά του λιανικού εμπορίου μέσω ζωντανών μεταδόσεων. Δεν εξετάζει μεμονωμένα κάποιο συγκεκριμένο μοντέλο τεχνητής νοημοσύνης ούτε συγκρίνει πειραματικά εξατομικευμένες προτάσεις με μια κατά τα άλλα πανομοιότυπη αγοραστική εμπειρία.

Τα αποτελέσματα που ακολουθούν προέρχονται εξ ολοκλήρου από τη μελέτη. Οι συντελεστές περιγράφουν συσχετίσεις στο πλαίσιο του στατιστικού μοντέλου της, όχι ποσοστιαίες αυξήσεις στις αγορές.

Εδώ, η μη βιώσιμη κατανάλωση αναφέρεται σε συμπεριφορές που δηλώθηκαν από τους ίδιους τους συμμετέχοντες, όπως η αγορά προϊόντων χωρίς σαφή προηγούμενη ανάγκη και οι αγορές με ρυθμό που δύσκολα μπορεί να διατηρηθεί. Η μελέτη δεν υπολόγισε εκπομπές, δεν εξέτασε στοιχεία χρεών των νοικοκυριών και δεν παρακολούθησε πραγματικές αγορές. Ο διατομεακός σχεδιασμός της δεν μπορεί να αποδείξει ότι η τεχνητή νοημοσύνη προκάλεσε τις συμπεριφορές που αναφέρθηκαν.

Γιατί οι χρήσιμες προτάσεις μπορούν να ενθαρρύνουν τις παρορμητικές αγορές

Το πιο ενδιαφέρον εύρημα είναι ότι η χρησιμότητα και η εμπιστοσύνη συνοδεύονται από παρορμήσεις για αγορές. Η πειθώ δεν προϋποθέτει απαραίτητα ότι ο καταναλωτής αισθάνεται εξαπατημένος. Μια πρόταση μπορεί να φαίνεται συναφής, αξιόπιστη και βολική, ενώ παράλληλα να ενθαρρύνει μια αγορά που δεν ήταν ποτέ προγραμματισμένη.

Σκεφτείτε κάποιον που αναζητά ένα χειμωνιάτικο μπουφάν. Ένα σύστημα μπορεί να προτείνει σωστά μπότες που ταιριάζουν με αυτό. Η πρόταση μπορεί να είναι χρήσιμη, αλλά η χρησιμότητα από μόνη της δεν δείχνει αν ο πελάτης χρειάζεται καινούργιες μπότες ή αν έχει την οικονομική δυνατότητα να τις αγοράσει χωρίς δυσκολία. Η συνάφεια ενός προϊόντος και η αναγκαιότητα της αγοράς απαντούν σε διαφορετικά ερωτήματα.

Αυτή η διάκριση αποκτά σημασία όταν οι εταιρείες εκπαιδεύουν συστήματα με βάση παρατηρήσιμες ενέργειες. Τα κλικ, οι προσθήκες στο καλάθι και οι αγορές παρέχουν σαφή ανατροφοδότηση. Είναι δυσκολότερο να διαπιστωθεί αν ένα προϊόν παραμένει χρήσιμο έξι μήνες αργότερα. Ένα μοντέλο που επιβραβεύεται κυρίως για τις άμεσες συναλλαγές μπορεί να γίνει εξαιρετικά ικανό στον εντοπισμό δελεαστικών προτάσεων, χωρίς να μάθει ποιες αγορές προσφέρουν διαρκή ικανοποίηση.

Χρειάζεται επίσης προσοχή στην ερμηνεία της απουσίας σημαντικής άμεσης σχέσης ανάμεσα στην αντιλαμβανόμενη χειραγώγηση και την παρόρμηση για αγορές. Αυτό δεν σημαίνει ότι η χειραγώγηση δεν έχει ποτέ σημασία. Στο συγκεκριμένο δείγμα και μοντέλο, η αναγνώριση της πρόθεσης να πειστεί ο καταναλωτής δεν συσχετιζόταν με αξιόπιστο τρόπο με την παρόρμηση για αγορά. Επομένως, δεν πρέπει να θεωρείται δεδομένο ότι η γνωστοποίηση από μόνη της αντιμετωπίζει κάθε προβληματισμό σχετικά με τη συμπεριφορά.

Τα υψηλότερα ποσοστά μετατροπής με τεχνητή νοημοσύνη χρειάζονται προσεκτική ερμηνεία

Οι εταιρείες του κλάδου του εμπορίου αναφέρουν ήδη μετρήσιμα αποτελέσματα. Στην ανάλυσή της για τη δραστηριότητα του πρώτου τριμήνου του 2026, η Shopify (SHOP ) ανέφερε ότι οι αγοραστές που παραπέμφθηκαν από συστήματα τεχνητής νοημοσύνης ολοκλήρωσαν αγορές με ποσοστά σχεδόν 50% υψηλότερα από εκείνα των επισκεπτών που προήλθαν από οργανική αναζήτηση, όταν η σύγκριση αφορούσε περιόδους σύνδεσης που ξεκινούσαν από σελίδες προϊόντων. Οι παραγγελίες που αποδόθηκαν σε αναζητήσεις μέσω τεχνητής νοημοσύνης είχαν επίσης 14% υψηλότερη μέση αξία.

Τα στοιχεία αυτά δείχνουν εμπορικές προοπτικές, αλλά δεν αποδεικνύουν ότι η τεχνητή νοημοσύνη οδήγησε σε περιττές δαπάνες. Όσοι χρησιμοποιούν έναν ψηφιακό βοηθό για να συγκρίνουν προϊόντα ενδέχεται να έχουν εξαρχής ισχυρότερη πρόθεση αγοράς. Τα υψηλότερα ποσοστά μετατροπής μπορεί να οφείλονται σε καλύτερη αντιστοίχιση, σε πιο τεκμηριωμένες αποφάσεις ή σε διαφορετική σύνθεση των αγοραστών.

Η έρευνα και η ανάλυση παραπομπών της Shopify εξετάζουν διαφορετικά ερωτήματα. Η πρώτη διερευνά τις σχέσεις μεταξύ των αντιλήψεων και των παρορμήσεων που αναφέρουν οι συμμετέχοντες· η δεύτερη περιγράφει τα αποτελέσματα των αγορών ανά κανάλι προσέλκυσης. Μαζί, δικαιολογούν περαιτέρω διερεύνηση του εμπορίου με τεχνητή νοημοσύνη, χωρίς όμως να αποσαφηνίζουν την ποιότητα και την αναγκαιότητα των αγορών.

Η εμπιστοσύνη των πελατών μπορεί να γίνει ανταγωνιστικό πλεονέκτημα στο εμπόριο

Μια χρήσιμη κατεύθυνση για τους λιανεμπόρους είναι να μετρούν τι συμβαίνει μετά την ολοκλήρωση μιας αγοράς. Μια επιπλέον παραγγελία έχει περιορισμένη αξία αν συνεπάγεται δαπανηρή επιστροφή ή αποθαρρύνει τον πελάτη από το να επιστρέψει. Πρόκειται για επιχειρηματικές συνέπειες που αξίζει να διερευνηθούν, όχι για αποτελέσματα που τεκμηριώθηκαν από την έρευνα στο Βιετνάμ.

Οι λιανέμποροι που αξιολογούν συστήματα προτάσεων θα μπορούσαν να συνδυάζουν τους δείκτες πωλήσεων με:

• Τα ποσοστά επιστροφών και ακυρώσεων για τα προτεινόμενα προϊόντα.
• Τις επαναλαμβανόμενες αγορές και τη διατήρηση πελατών με την πάροδο του χρόνου.
• Την ικανοποίηση των πελατών μετά την παράδοση και τη χρήση.
• Το περιθώριο συνεισφοράς μετά το κόστος εκτέλεσης των παραγγελιών και των επιστροφών.

Αυτή η ευρύτερη προσέγγιση συνδέεται με την πρόσφατη ανάλυση του Securities.io σχετικά με το πώς η εμπιστοσύνη επηρεάζει τις αποδόσεις από τον αυτοματισμό. Το εμπορικό πλαίσιο είναι διαφορετικό, αλλά και τα δύο θέματα δείχνουν γιατί αξίζει να δίνεται προσοχή στις ανθρώπινες αντιδράσεις, πέρα από τις τεχνικές δυνατότητες.

Ο υπεύθυνος σχεδιασμός μπορεί επίσης να διατηρήσει τα οφέλη της εξατομίκευσης. Τα φίλτρα προϋπολογισμού, οι σαφείς εξηγήσεις για τις προτάσεις και η δυνατότητα αποθήκευσής τους για αργότερα θα μπορούσαν να βοηθήσουν τους αγοραστές να αποφασίζουν συνειδητά. Η μελέτη συνιστά διαφανή εξατομίκευση και παρεμβάσεις που ενθαρρύνουν τις πιο στοχαστικές αγορές, χωρίς όμως να αξιολογεί την αποτελεσματικότητά τους.

Η Shopify προσφέρει έκθεση στις υποδομές του εμπορίου με τεχνητή νοημοσύνη

Για τους επενδυτές που ενδιαφέρονται για αυτή την εξέλιξη, η Shopify αποτελεί εισηγμένη εταιρεία που αξίζει να εξετάσουν. Η δραστηριότητά της δεν περιορίζεται στην προσθήκη ενός chatbot σε ένα ηλεκτρονικό κατάστημα: αναπτύσσει τεχνολογία προτάσεων και υποδομές που συνδέουν τους εμπόρους με τα αναδυόμενα κανάλια αγορών μέσω τεχνητής νοημοσύνης.

Τον Φεβρουάριο του 2026, η Shopify παρουσίασε το παραγωγικό σύστημα προτάσεων, το οποίο μαθαίνει από αλληλουχίες αναζητήσεων, προβολών, προσθηκών στο καλάθι, αγαπημένων και αγορών. Λαμβάνοντας υπόψη τη χρονική στιγμή, το σύστημα μπορεί να συνυπολογίζει τις μεταβαλλόμενες προτιμήσεις και τις εποχικές συνθήκες, αντί να αντιμετωπίζει κάθε αλληλεπίδραση μεμονωμένα.

Η Shopify ανέφερε ότι οι διαδικτυακές δοκιμές A/B μιας έκδοσης μοντέλου του Αυγούστου αύξησαν τις παραγγελίες στο Shop κατά 0,94% και τα ποσοστά μετατροπής κατά 0,71% — και στις δύο περιπτώσεις επρόκειτο για σχετική αύξηση. Αυτά τα αποτελέσματα από πραγματική λειτουργία αποτελούν πιο άμεση αξιολόγηση μιας αλλαγής στο σύστημα προτάσεων από ό,τι η έρευνα στο Βιετνάμ, χωρίς ωστόσο να τεκμηριώνουν μακροπρόθεσμη ικανοποίηση ή περιβαλλοντικά οφέλη.

Τον Μάρτιο, η Shopify ανακοίνωσε ευρύτερη πρόσβαση στις ψηφιακές βιτρίνες με αυτόνομους πράκτορες, συνδέοντας τους εμπόρους με κανάλια τεχνητής νοημοσύνης, όπως το ChatGPT, το Microsoft Copilot και τις εμπειρίες αγορών μέσω τεχνητής νοημοσύνης της Google. Έτσι δημιουργείται μια επενδυτική προοπτική γύρω από τις υποδομές που υποστηρίζουν την ανακάλυψη προϊόντων και τις συναλλαγές, ακόμη και καθώς εξελίσσονται οι διεπαφές για τους καταναλωτές.

Η εταιρεία δεν αξιολογήθηκε στην ακαδημαϊκή μελέτη. Η σημασία της έγκειται στην τεχνολογία της και στη θέση της στην αγορά. Οι επενδυτές εξακολουθούν να πρέπει να αξιολογήσουν την αποτίμηση, τον ανταγωνισμό, τα λειτουργικά κόστη και το κατά πόσο οι δραστηριότητες που σχετίζονται με την τεχνητή νοημοσύνη δημιουργούν πρόσθετες κερδοφόρες δραστηριότητες αντί απλώς να μεταφέρουν αγορές από το ένα κανάλι στο άλλο.

Τελευταία νέα και εξελίξεις για τη Shopify (SHOP)

Η επόμενη δοκιμασία για τις αγορές μέσω τεχνητής νοημοσύνης είναι η διαχρονική αξία

Οι προτάσεις τεχνητής νοημοσύνης μπορούν να μειώσουν τον χρόνο αναζήτησης, να φέρουν τους αγοραστές σε επαφή με προϊόντα που θα μπορούσαν να παραβλέψουν και να βοηθήσουν τους εμπόρους να προσεγγίσουν τους κατάλληλους πελάτες. Η μελέτη αναδεικνύει γιατί αυτά τα οφέλη μπορούν να συνυπάρχουν με εντονότερες παρορμήσεις για αγορές, ιδίως όταν η εμπιστοσύνη και η συναισθηματική εμπλοκή αλληλοενισχύονται.

Η εποικοδομητική αντιμετώπιση είναι να βελτιωθούν τόσο οι στόχοι βελτιστοποίησης των συστημάτων όσο και οι μετρήσεις των εταιρειών. Μια πρόταση που οδηγεί σε έναν ικανοποιημένο πελάτη ο οποίος επιστρέφει μπορεί να έχει μεγαλύτερη αξία από μια πρόταση που απλώς εξασφαλίζει μια άμεση πώληση. Για την επόμενη γενιά πλατφορμών εμπορίου, η απόδειξη αυτής της διαφοράς θα μπορούσε να αποτελέσει σημαντικό ανταγωνιστικό πλεονέκτημα.

Βιβλιογραφικές αναφορές:

¹ Cao, L. T., Tran, T. T. B., Bui, K. T., Luu, T. T., & Nguyen, L. T. (2026). Η σκοτεινή πλευρά της τεχνητής νοημοσύνης στις διαδικτυακές αγορές: Αυξάνει η αλγοριθμική στόχευση την μη βιώσιμη κατανάλωση; Sustainable Futures, 12, Άρθρο 102123. https://doi.org/10.1016/j.sftr.2026.102123