AI Product Accuracy Rate to wyrażony procentowo wskaźnik określający, jak często systemy AI przedstawiają kluczowe informacje o produkcie zgodnie z aktualną ofertą sklepu internetowego. Pokazuje, czy dane dotyczące produktu, takie jak cena, dostępność, warianty, parametry, dostawa i warunki zwrotu, są prawidłowo interpretowane i przekazywane użytkownikom przez modele oraz agentów AI.
Wskaźnik można obliczać jako udział sprawdzonych odpowiedzi AI, w których wszystkie analizowane informacje o produkcie były zgodne z danymi sklepu, w całkowitej liczbie ocenionych odpowiedzi.
AI Product Accuracy Rate = liczba odpowiedzi AI zawierających prawidłowe informacje o produkcie / liczba wszystkich przeanalizowanych odpowiedzi AI × 100%
Przykładowo, jeśli w 100 przeanalizowanych odpowiedziach systemy AI przedstawiły produkt poprawnie 82 razy, jego AI Product Accuracy Rate wynosi 82%.
Jakie informacje uwzględnia AI Product Accuracy Rate?
W zależności od rodzaju produktu i celu analizy wskaźnik może obejmować poprawność takich informacji jak:
- nazwa i model produktu,
- marka i producent,
- cena i waluta,
- dostępność produktu,
- dostępne warianty, kolory i rozmiary,
- najważniejsze parametry techniczne,
- przeznaczenie i sposób zastosowania,
- zawartość zestawu,
- koszt i termin dostawy,
- warunki zwrotu i gwarancji,
- aktualne promocje,
- zgodność produktu z potrzebą opisaną przez użytkownika.
Zakres pomiaru powinien zostać określony przed rozpoczęciem analizy. W przypadku elektroniki szczególne znaczenie mogą mieć parametry techniczne i kompatybilność, natomiast w branży fashion ważniejsze będą rozmiary, materiały, kolory i dostępność wariantów.
Dlaczego AI Product Accuracy Rate jest ważny?
Sama obecność produktu w odpowiedzi AI nie oznacza, że został on przedstawiony prawidłowo. Model może pokazać nieaktualną cenę, pomylić wariant, przypisać produktowi niewłaściwe zastosowanie lub podać warunki dostawy niezgodne z ofertą sklepu.
Nieprawidłowe informacje mogą:
- obniżać zaufanie klienta do marki,
- prowadzić do wyboru niewłaściwego produktu,
- powodować rezygnację z zakupu,
- generować reklamacje i zwroty,
- zmniejszać szansę na rekomendację produktu przez agenta AI.
Aktualne i uporządkowane dane produktowe mają znaczenie dla sposobu prezentowania oferty przez systemy zakupowe. Google podkreśla, że dokładne i właściwie sformatowane dane są niezbędne do prawidłowego dopasowania i wyświetlania produktów. OpenAI wskazuje natomiast, że ustrukturyzowany feed pozwala ChatGPT dokładnie indeksować produkty oraz prezentować aktualne informacje o cenie i dostępności.
AI Product Accuracy Rate a AI Visibility Score
AI Product Accuracy Rate nie mierzy częstotliwości pojawiania się produktu w odpowiedziach AI. Ocenia poprawność informacji w tych odpowiedziach, w których produkt już wystąpił.
- AI Visibility Score pokazuje, jak często marka lub produkt pojawiają się w odpowiedziach AI.
- AI Product Accuracy Rate pokazuje, jak często informacje o produkcie są przedstawiane poprawnie.
- Recommendation Share określa, jak często produkt jest rekomendowany na tle konkurencji.
- Selection Share wskazuje, jak często produkt zostaje wybrany jako najlepsza opcja.
- Agent Accessibility Score mierzy, jaka część oferty jest dostępna i możliwa do wykorzystania przez agentów AI.
Produkt może mieć wysoką widoczność i jednocześnie niski AI Product Accuracy Rate. Oznacza to, że pojawia się często, ale systemy AI prezentują część informacji o nim błędnie lub nieaktualnie.
Jak mierzyć AI Product Accuracy Rate?
Pomiar może obejmować następujące etapy:
- Wybór produktów, które mają zostać przeanalizowane.
- Określenie kluczowych informacji wymagających sprawdzenia.
- Przygotowanie zestawu powtarzalnych zapytań i scenariuszy zakupowych.
- Zebranie odpowiedzi z wybranych systemów AI.
- Porównanie odpowiedzi z aktualnymi danymi na stronie i w systemie sklepu.
- Oznaczenie informacji jako poprawne, nieaktualne, niepełne lub błędne.
- Obliczenie wyniku dla produktu, kategorii, rynku albo całej marki.
Pomiar warto wykonywać osobno dla różnych systemów, ponieważ ChatGPT, Gemini, Perplexity i inne narzędzia mogą korzystać z odmiennych źródeł oraz przedstawiać ofertę w różny sposób.
Przykład obliczenia
Sklep analizuje 50 odpowiedzi AI dotyczących jednego modelu ekspresu do kawy. W każdej odpowiedzi sprawdza:
- cenę,
- dostępność,
- pojemność zbiornika,
- rodzaj obsługiwanej kawy,
- czas dostawy.
W 40 odpowiedziach wszystkie kluczowe informacje są zgodne z aktualną ofertą. W pozostałych 10 odpowiedziach pojawia się przynajmniej jeden błąd.
AI Product Accuracy Rate = 40 / 50 × 100% = 80%
Oznacza to, że produkt jest poprawnie przedstawiany w 80% przeanalizowanych odpowiedzi AI.
Jak zwiększyć AI Product Accuracy Rate?
Aby poprawić zgodność informacji o produktach w systemach AI, sklep powinien:
- Aktualizować ceny, dostępność i parametry we wszystkich źródłach.
- Ujednolicić dane na stronie, w feedach, marketplace’ach i profilach zewnętrznych.
- Wdrożyć poprawne dane strukturalne Product, Offer, ShippingDetails i MerchantReturnPolicy.
- Udostępniać kompletne i jednoznaczne opisy wariantów.
- Regularnie aktualizować feedy produktowe.
- Usuwać sprzeczne lub nieaktualne informacje z zewnętrznych źródeł.
- Monitorować odpowiedzi AI dla najważniejszych produktów i kategorii.
- Reagować na powtarzające się błędy, ustalając ich prawdopodobne źródło.
Dane strukturalne i dane przesyłane przez Merchant Center mogą być wykorzystywane przez Google do prezentowania cen, dostępności, wysyłki i zwrotów w różnych doświadczeniach zakupowych.
Podsumowanie
AI Product Accuracy Rate to wskaźnik pokazujący, jaki procent przeanalizowanych odpowiedzi AI zawiera prawidłowe i aktualne informacje o produkcie. Pomaga ocenić, czy modele oraz agenci AI przedstawiają ofertę sklepu zgodnie z jej rzeczywistymi warunkami.
Wysoki AI Product Accuracy Rate oznacza, że produkt jest nie tylko widoczny w systemach AI, ale również opisywany w sposób wiarygodny i zgodny z ofertą. Niski wynik wskazuje na potrzebę poprawy jakości, aktualności lub spójności danych produktowych.
