随着假日购物季的临近，OpenAI和Perplexity本周都宣布了AI购物功能，这些功能集成到他们现有的聊天机器人中，以帮助用户研究潜在的购买。

这些工具非常相似。OpenAI建议用户可以询问ChatGPT，帮助寻找“适合游戏的1000美元以下、屏幕超过15英寸的新笔记本电脑”，或者他们可以分享高端服装的照片，并要求找到价格更低的类似产品。

与此同时，Perplexity则强调其聊天机器人的记忆功能如何增强用户的购物相关搜索，建议用户可以根据聊天机器人已经了解的信息（如他们的居住地或工作）来获取个性化推荐。

Adobe预测AI辅助的在线购物将在这个假期季节增长520%，这可能会对像Phia、Cherry或Deft这样的AI购物初创公司带来好处——但随着OpenAI和Perplexity进一步推进AI购物体验，这些初创公司是否面临危险？

室内设计购物工具Onton的CEO Zach Hudson认为，具有专业化利基的AI购物初创公司仍将为用户提供比通用工具（如ChatGPT和Perplexity）更好的体验。

“任何模型或知识图谱的好坏都取决于其数据来源，”Hudson告诉TechCrunch。“目前，ChatGPT和基于LLM的工具如Perplexity依赖于现有的搜索索引，如Bing或Google。这使得它们实际上只和这些索引返回的前几个结果一样好。”

Daydream的CEO兼长期电子商务高管Julie Bornstein同意这一观点——她一直认为搜索是时尚行业的“被遗忘的孩子”，因为它从未特别有效。

“时尚……是独特的细致和情感化的——找到你喜欢的裙子与找到电视机不同，”Bornstein讲到“这种对时尚购物的理解来自于特定领域的数据和商品逻辑，这些逻辑掌握了轮廓、面料、场合以及人们如何随着时间的推移搭配服装。”

AI购物初创公司开发自己的数据集，以便他们的工具在更高质量的数据上进行训练——当你试图编目时尚或家具，而不是所有人类知识的总和时，这更容易实现。

在Hudson的案例中，Onton开发了一个数据管道，以更清晰的方式编目数十万种室内设计产品，帮助训练其内部模型以获得更好的数据。但如果AI购物初创公司不追求这种专业化水平，Hudson认为它们注定会被掩盖。

“如果你只使用现成的LLM和对话界面，很难看到初创公司如何与大公司竞争，”Hudson说。

然而，OpenAI和Perplexity的优势在于，他们的客户已经在使用他们的工具——此外，他们的大规模存在使他们能够从一开始就与主要零售商达成协议。虽然Daydream和Phia将客户重定向到零售商的网站以完成购买——有时赚取附属收入——OpenAI和Perplexity则分别与Shopify和PayPal合作，允许用户在对话界面内结账。

这些公司依赖于大量昂贵的计算能力来运营，仍在努力寻找盈利的途径。如果他们从Google和Amazon中汲取灵感，那么将电子商务视为一个选项是有意义的——零售商可以付费让他们在搜索结果中广告他们的产品。

但最终，这可能只会加剧客户对搜索的现有问题。

“垂直模型——无论是在时尚、旅游还是家居用品中——将表现更好，因为它们针对真实的消费者决策进行了调整，”Bornstein说。