ฟีเจอร์ใหม่ของ ChatGPT "การวิจัยการช้อปปิ้ง" คืออะไร? ยุคที่ให้ AI จัดการ "คู่มือแนะนำสินค้า" ทั้งหมดมาถึงแล้ว

1. ยุคที่ ChatGPT กลายเป็น "คู่หูช้อปปิ้ง"

ที่ผ่านมา การช้อปปิ้งออนไลน์หมายถึง

• ค้นหาแล้ว

• เปิดเว็บไซต์เปรียบเทียบ

• อ่านรีวิวมากมาย

• คัดกรองตัวเลือก

ซึ่งเป็น "นรก 20 แท็บ" ที่เป็นเรื่องปกติ

และแล้วก็มี ChatGPT "การวิจัยช้อปปิ้ง" ปรากฏขึ้น
เพียงแค่ผู้ใช้บอกว่า "ต้องการอะไร" ในรูปแบบประโยคธรรมชาติ AI จะรวบรวมข้อมูลจากอินเทอร์เน็ตและสร้าง "คู่มือสินค้าที่แนะนำ" เฉพาะสำหรับคุณOpenAI+1

ด้วยการเปิดตัวในช่วงแบล็กฟรายเดย์และเซลล์สิ้นปี ฟังก์ชันนี้อาจกลายเป็น "คู่หูช้อปปิ้ง" ที่น่าเชื่อถือสำหรับผู้ที่รู้สึกเหนื่อยกับการตามข้อมูลเซลล์และไม่รู้ว่าจะเลือกอะไรAxios+1

2. การวิจัยช้อปปิ้งคืออะไร? ฟังก์ชันพื้นฐานและคุณสมบัติ

2-1. มีฟังก์ชันอะไรบ้าง?

สรุปจากคำอธิบายอย่างเป็นทางการของ OpenAI "การวิจัยช้อปปิ้ง" เป็นโหมดที่เน้นการช้อปปิ้งที่มีฟังก์ชันดังนี้OpenAI+1

• ฟังความต้องการของผู้ใช้ (การใช้งาน งบประมาณ ความชอบ) ผ่านการสนทนา

• ตรวจสอบเว็บไซต์ที่เชื่อถือได้ รีวิว บทความเปรียบเทียบบนอินเทอร์เน็ตโดยอัตโนมัติ

• เลือกสินค้าหลายตัวและจัดระเบียบสเปค ราคา ข้อดี/ข้อเสีย การแลกเปลี่ยน

• สรุปในรูปแบบ "คู่มือผู้ซื้อ" ที่อ่านง่าย

แตกต่างจาก "คำตอบ ChatGPT ปกติ" โดยทำงานในโหมดเฉพาะสำหรับการช้อปปิ้งและเจาะลึกข้อมูลที่จำเป็นสำหรับการซื้อของImpress Watch+1

2-2. แผนการใช้งานและสภาพแวดล้อมที่รองรับ

ณ เวลาที่เปิดตัว ผู้ใช้ดังต่อไปนี้สามารถใช้งานได้OpenAI+1

• Free

• Go

• Plus

• Pro

สามารถใช้ได้หากเป็น "ผู้ใช้ที่ล็อกอิน" และจะเปิดตัวในเวอร์ชันเว็บและแอปมือถือ (iOS/Android)
ในช่วงเทศกาลวันหยุดมีการแนะนำว่าสามารถใช้ได้ "เกือบไม่จำกัด"OpenAI+1

2-3. มีความเชี่ยวชาญในหมวดหมู่ใดบ้าง?

ตามการตรวจสอบของ OpenAI และสื่อต่างๆ จะมีประสิทธิภาพโดยเฉพาะในหมวดหมู่ที่มีสเปคและจุดเปรียบเทียบมากมายดังต่อไปนี้OpenAI+1

• เครื่องใช้ไฟฟ้าและอุปกรณ์อิเล็กทรอนิกส์ (ทีวี โน้ตบุ๊ก เครื่องดูดฝุ่น เป็นต้น)

• เครื่องใช้ไฟฟ้าเพื่อความงามและไอเท็มความงาม

• เครื่องใช้ไฟฟ้าในครัวและอุปกรณ์ทำอาหาร

• บ้านและสวน (เฟอร์นิเจอร์ ของตกแต่ง เป็นต้น)

• อุปกรณ์กีฬาและกลางแจ้ง

ไม่เพียงแค่เรียงลำดับ "อันดับความนิยม" เท่านั้น
แต่ยังจัดระเบียบจุดเด่นตามเงื่อนไข เช่น "ถ้าเน้นความเงียบต้อง A" "ถ้าคุ้มค่าเงินต้อง B" "ถ้าเน้นดีไซน์ต้อง C"
ซึ่งเป็นลักษณะเฉพาะ

3. สำหรับผู้ใช้ชาวญี่ปุ่น: วิธีเริ่มต้นการวิจัยช้อปปิ้ง

3-1. วิธีเปิดใช้งาน

มีสองวิธีหลักในการเปิดใช้งานการวิจัยช้อปปิ้งCNET Japan+1

1. ส่งคำถามเกี่ยวกับการช้อปปิ้งโดยตรง

   • ตัวอย่าง: "ค้นหาโต๊ะปรับระดับไฟฟ้าสำหรับทำงานที่บ้านในงบไม่เกิน 100,000 เยน"

   • ตัวอย่าง: "ต้องการเครื่องซักผ้าแบบดรัมที่เงียบสำหรับอยู่คนเดียว"
     → ChatGPT จะเสนอว่า "ต้องการให้วิจัยช้อปปิ้งหรือไม่?"

2. เลือกจากเมนู "+" ในหน้าจอแชท

   • ปุ่ม "+" ด้านซ้ายของกล่องข้อความ → เลือก "การวิจัยช้อปปิ้ง"

ไม่ว่าจะเป็นวิธีใด ก็แค่สนทนาตามปกติ

3-2. ใช้ภาษาญี่ปุ่นได้หรือไม่?

ได้ สามารถใช้ภาษาญี่ปุ่นได้
สื่อญี่ปุ่นได้เผยแพร่รายงานการใช้งานในสภาพแวดล้อมภาษาญี่ปุ่นแล้ว
และรายงานว่า "สามารถใช้ได้ทั้งแอป iPhone/iPad และเวอร์ชันเว็บจากญี่ปุ่น"GetNavi web ゲットナビ+1

สามารถใช้คำถามเป็นภาษาญี่ปุ่นได้
และจะได้รับคำแนะนำที่รวมข้อมูลจากร้านค้าญี่ปุ่น เช่น "โมเดลที่ขายดีใน Rakuten หรือร้านขายเครื่องใช้ไฟฟ้า" (แต่ตามที่กล่าวถึงในภายหลัง Amazon มีสถานการณ์พิเศษเล็กน้อย)CNET Japan+1

4. ดูตัวอย่าง: กระบวนการสนทนาของการวิจัยช้อปปิ้ง

จากนี้ไป เพื่อให้เห็นภาพการใช้งานจริงได้ง่ายขึ้น
จะอธิบายกระบวนการของ "การวิจัยช้อปปิ้ง" ใน 4 กรณีตัวอย่าง

4-1. ตัวอย่าง 1: ต้องการหาเครื่องดูดฝุ่นไร้สายที่เงียบ

ตัวอย่างการป้อนข้อมูลของคุณ

"ค้นหาเครื่องดูดฝุ่นไร้สายแบบแท่งที่เงียบที่สุดสำหรับอพาร์ตเมนต์เล็ก ๆ งบประมาณประมาณ 50,000 เยน"

การทำงานของการวิจัยช้อปปิ้ง (ภาพรวม)

1. ถามเกี่ยวกับขนาดห้อง ประเภทพื้น ความชอบน้ำหนัก อายุการใช้งานแบตเตอรี่

2. ตรวจสอบรีวิว บทความเปรียบเทียบ สเปคอย่างเป็นทางการบนอินเทอร์เน็ตตามคำตอบ

3. ลิสต์ตัวเลือก 3-6 รายการ

4. สำหรับแต่ละรายการ

   • ผู้ใช้ที่คาดหวัง

   • แรงดูด

   • แนวโน้มระดับเสียง

   • น้ำหนักและการจัดการ

   • อายุการใช้งานแบตเตอรี่

   • ช่วงราคาประมาณ

   • ข้อดี/ข้อเสีย
     สร้าง "คู่มือการซื้อ" ที่สรุปในรูปแบบตารางหรือรายการ

สิ่งที่ผู้ใช้สามารถทำได้

• ขอเปรียบเทียบเฉพาะ 2 รุ่นนี้ หรือถามหาตัวเลือกที่ถูกกว่า

• ให้ข้อเสนอแนะด้วยปุ่ม "ไม่สนใจ" หรือ "สินค้าที่คล้ายกัน"
  เพื่อคัดกรองตัวเลือกที่ตรงกับความชอบมากขึ้นECzine##HTML