Tip E-Dagang
Penemuan AI Bermula di Laman Web Anda Sendiri, Bukan di ChatGPT
74% pembeli Malaysia sudah guna AI ketika membeli-belah. Apa yang Live Search dan cadangan AI Adobe Commerce hasilkan merentas 4 pelaksanaan sebenar.

Danny Khow, Pengasas Bersama & Pengarah Urusan4 minit bacaan
Satu laporan Adyen Index — dibuka dalam tab baharu yang baru mendapati 74% pengguna Malaysia sudah menggunakan AI ketika membeli-belah, dan 62% mahu AI membantu mereka menemui jenama baharu. Baca ia bersama liputan berita mengenai laporan yang sama — dibuka dalam tab baharu dan mudah sekali membayangkan pembeli bertanya kepada ChatGPT apa yang patut dibeli. Bagi kebanyakan peruncit, di situ bukanlah tempat perkara ini benar-benar berlaku buat masa ini. Ia berlaku di kotak carian dan karusel cadangan pada laman web mereka sendiri, menggunakan keupayaan AI yang selalunya sudah pun terpasang dalam platform e-dagang mereka, tanpa digunakan.
Kami telah melaksanakan dua ciri AI khusus merentas 4 pelanggan Adobe Commerce: Live Search yang dikuasakan Adobe Sensei, dan modul AI Product Recommendations yang asli pada platform itu. Berikut apa yang setiap satunya benar-benar lakukan, dan apa yang berubah setelah ia beroperasi.
Bagaimana ia memutuskan apa yang dipaparkanApa yang pembeli benar-benar dapat
Live Search
Membaca cara ia diungkap
Padanan semantik berasaskan NLP daripada Adobe Sensei. Pembeli menerangkan keperluan mereka dengan perkataan sendiri dan tetap mendapat hasil, walaupun tiada halaman produk menggunakan perkataan itu.
AI Product Recommendations
Membaca kelakuan
Belajar daripada corak pelayaran dan pembelian sebenar merentas keseluruhan katalog, jadi baris yang dilihat seorang pembeli dibina untuk dia, bukan disusun sekali untuk semua orang.
Live Search: carian yang memahami niat, bukan sekadar kata kunci
Carian e-dagang biasa memadankan kata kunci. Pelanggan yang menaip "produk rambut berminyak" ke dalam enjin padanan kata kunci hanya mendapat hasil jika produk memang ditag sedemikian. Live Search daripada Adobe Sensei berfungsi lebih mirip berbual dengan seseorang: pelanggan boleh mencari "tunjukkan produk yang sesuai untuk rambut berminyak" dan mendapat hasil yang berkaitan, walaupun frasa itu tidak pernah muncul pada mana-mana halaman produk. Ia padanan semantik berasaskan NLP, dibina untuk memahami apa yang dimaksudkan pelanggan, bukannya menuntut mereka meneka perkataan tepat yang digunakan pada penyenaraian produk.

AI Product Recommendations: pemperibadian tanpa kurasi manual
Modul cadangan itu belajar daripada kelakuan pelayaran dan pembelian sebenar, merentas keseluruhan katalog, dan mengetengahkan produk yang benar-benar berkemungkinan dimahukan oleh seorang pelanggan tertentu, bukannya senarai "anda mungkin juga suka" yang disusun secara manual dan sama sahaja bagi semua orang.
Apa yang berubah, merentas 4 pelaksanaan
| Metrik | Keputusan |
|---|---|
| Ketepatan hasil carian | +30% |
| Kadar penukaran carian kepada belian | +10% |
| Kadar klik pada produk yang dicadangkan | +20% |
| Purata nilai troli | +5% |
Ketepatan carian ialah angka yang membuka segala yang lain. Pelanggan yang benar-benar menemui apa yang dicarinya ialah pelanggan yang masih berada dalam corong tiga klik kemudian, dan itu terpapar terus pada angka penukaran dan nilai troli.
Bahagian yang menangkap orang lengah: ia perlukan masa
Kedua-dua ciri itu tidak berfungsi dengan baik pada hari pertama. Kedua-duanya sistem pembelajaran, dan ia memerlukan data interaksi pelanggan sebenar sebelum hasilnya bertambah baik. Berdasarkan pengalaman kami, ia mengambil masa 8 hingga 12 minggu selepas pelancaran sebelum peningkatan ketepatan dan penukaran benar-benar terpapar pada angka. Peruncit yang menyemak keputusan dua minggu selepas pelancaran lalu membuat kesimpulan "ini tidak berkesan" sedang menyemak terlalu awal. Peruntukkan tempoh larian itu sebelum menilai keputusan, bukan selepasnya.

Peningkatan itu juga tidak sama rata merentas kesemua 4 pelanggan. Peruncit dengan katalog lebih besar, melebihi 5,000 SKU, melihat penambahbaikan paling ketara, atas sebab yang mudah: lebih besar katalog itu, lebih sukar keadaannya sedia ada bagi pelanggan menemui produk yang betul melalui carian kata kunci semata-mata, jadi lebih luas ruang untuk carian semantik dan cadangan terperibadi benar-benar membetulkan sesuatu. Kedai dengan 300 SKU mempunyai masalah ini pada tahap yang lebih kecil sejak awal lagi.
Melaksanakan ciri-ciri itu sendiri agak pantas, lazimnya 2 hingga 4 minggu. Penantian 8 hingga 12 minggu itu sepenuhnya berkaitan algoritma yang belajar daripada kelakuan pelanggan langsung selepas pelancaran, bukan berkaitan berapa lama persediaan teknikalnya mengambil masa.
(Satu lagi kerumitan teknikal yang wajar disebut secara ringkas: memastikan data produk Live Search kekal tersegerak dengan tepat, terutamanya merentas katalog dengan perubahan stok atau harga yang kerap, memerlukan kerja integrasi yang sebenar dalam sebahagian projek ini. Itu lebih kepada masalah penyegerakan dan saluran data berbanding masalah AI secara khusus, jadi ia mendapat tulisan berasingan tentang mengapa Live Search dan katalog anda terpesong dan bukan dibincangkan mendalam di sini.)
Di mana ini berdiri berbanding gambaran AI dalam peruncitan yang lebih besar
Data Adyen turut menunjukkan lebih separuh pembeli Malaysia tidak selesa membiarkan AI menyelesaikan pembelian bagi pihak mereka, dan edisi 2025 laporan yang sama — dibuka dalam tab baharu mendapati 26% menganggap penggunaan AI oleh peruncit sebagai terlalu menceroboh. Carian dan cadangan dalam laman sendiri berada di sebelah garisan itu yang selesa: pelanggan masih memandu, masih melayari, masih membuat keputusan, cuma dengan sistem yang memahami mereka lebih baik daripada padanan kata kunci atau blok "produk pilihan" yang statik. Itu tempat melabur dalam AI yang jauh lebih rendah risikonya berbanding mengejar sama ada pembantu AI luaran mengesyorkan jenama anda, dan bagi kebanyakan peruncit, ia juga sudah tersedia dalam platform yang mereka jalankan hari ini.
Jika anda menggunakan Adobe Commerce dan belum menghidupkan ciri-ciri ini, berbincanglah dengan kami tentang apa yang diperlukan untuk katalog anda.
Sumber: Laporan Peruncitan Malaysia Adyen Index 2026 — dibuka dalam tab baharu bagi angka 74%, 62% dan penyelesaian pembelian, dan bab 2 Laporan Peruncitan Malaysia 2025 — dibuka dalam tab baharu bagi 26% yang menganggap penggunaan AI oleh peruncit sebagai menceroboh, serta keputusan kami sendiri merentas 4 pelaksanaan Adobe Commerce.
Teruskan membaca
Artikel berkaitan
Lebih lanjut tentang platform, integrasi, dan cara pembeli menemui jenama.

Tip E-Dagang
Menaik Taraf ke Adobe Commerce 2.4.8: Apa yang Sebenarnya Rosak
Merentas 4 penaiktarafan ke Adobe Commerce 2.4.8, 9 daripada 10 sambungan perlukan tampalan, Firebear dan Amasty sekali. Apa yang perlu anda rancang.
Baca artikel
Tip E-Dagang
Cara Melancarkan Kedai Adobe Commerce di Malaysia Dengan Lebih Pantas
Apa yang memendekkan pelancaran Adobe Commerce — disiplin skop, penyetempatan diputuskan awal, dan integrasi dibuktikan dahulu — tanpa penyesalan.
Baca artikel
Tip E-Dagang
Kepakaran Rakan Adobe Commerce Yang Memacu Pertumbuhan Jualan di Malaysia
Lima keupayaan yang membezakan rakan Adobe Commerce yang menumbuhkan hasil daripada yang sekadar menyiapkan laman — dan cara mengujinya sebelum komit.
Baca artikel
