הנה שני תיאורים של אותה ספה (דוגמה להמחשה, לא מוצר אמיתי).

גרסה א׳

• ספה תלת-מושבית
• בד עמיד
• עיצוב מודרני
• קלה לניקוי

גרסה ב׳

ספה תלת-מושבית, 2.10 מטר, שנכנסת לסלון של 4 על 4. הבד נמחק במטלית לחה, אז גם כתם קפה וגם טביעות כפות של חתול לא נשארים. הכריות מוצקות: קל לקום מהן, ולא שוקעים בהן. רגלי האלון בגובה 15 ס"מ, מספיק מקום מתחת לשואב אבק רובוטי.

גרסה א׳ היא מה שרוב החנויות מעלות. גרסה ב׳ לוקחת בערך שלוש דקות יותר. ושני מחקרים נפרדים, על שתי שאלות שונות, מצביעים על ב׳.

שני מחקרים וכלל אחד

המחקר הראשון נקרא "Enhancing Personalized E-Commerce Recommendations Under the User-Agent-Platform Paradigm: An LLM-Driven Method". הוא בדק מה קורה כשמודל שפה קורא תיאורי מוצר כדי להמליץ על מוצרים. הממצא: תיאור שנכתב כפסקה רציפה עבד טוב יותר בשביל ה-AI מאותו מידע בדיוק כשהוא מחולק לבולטים.

המחקר השני נקרא "This tree in the forest is mine: The effect of concreteness on psychological ownership". הוא שואל שאלה אחרת, על בני אדם: מה ניסוח קונקרטי עושה לקונה? הממצא: תיאור קונקרטי מגביר תחושת בעלות פסיכולוגית, התחושה שהמוצר כבר שלי עוד לפני שקניתי אותו. והתחושה הזו מגדילה גם את הסיכוי לקנות וגם את הסכום שמוכנים לשלם.

מכונה ואדם, ושניהם מעדיפים טקסט שנכתב כאילו הכותב מחזיק את המוצר ביד.

ועוד הערה, כי עדיף שתשמעו אותה ממני: המחקר הראשון בודק שיטת המלצה. הוא לא אומר איך ChatGPT או כלי AI אחר מדרגים את החנות שלכם, ואני לא טוען שכן. זה כיוון, לא הבטחה.

למה פסקה עובדת

בולטים חותכים את הקשרים. "בד עמיד" ו"קלה לניקוי" עומדים אחד ליד השני כשתי טענות. בפסקה הם הופכים ל"הבד נמחק במטלית לחה, אז כתם קפה לא נשאר": סיבה ותוצאה בשורה אחת. את זה מודל יכול לקחת ולהכניס לתשובה, כשמישהו מחפש "ספה שעוברת חתול". ואת זה גם בן אדם זוכר.

זה לא טיעון נגד בולטים לבני אדם. הם נסרקים מהר, ולכן הם נשארים בסעיף על המפרט.

למה קונקרטי מנצח

תשוו בין שני אופניים. "אופניים עם מדבקת כוכב בצד ימין" מול "אופניים אקולוגיים ומהירים". את הראשונים אפשר לראות. השניים הם רשימת תארים שיש לכל אופניים.

כשרואים משהו, קורה דבר קטן: הוא מתחיל להרגיש שלי. ומרגע שהוא מרגיש שלי, לא לקנות אותו מרגיש כמו לוותר על משהו. בני אדם שונאים להפסיד יותר ממה שהם אוהבים לקבל אותו דבר (בעברית: שנאת הפסד, מהמחקר של כהנמן וטברסקי). אז אותו תיאור שגורם למוצר להרגיש שלי גורם גם לעזיבה לעלות משהו. זו השרשרת מניסוח קונקרטי לרכישה.

הבדיקה לכל שורה בתיאור: אפשר לדמיין אותה? "חומרים איכותיים" נכשל. "רגלי אלון בגובה 15 ס"מ" עובר.

חומר גלם בחינם: הביקורות שלכם

המחקר הראשון הוסיף עוד דבר שעזר: מידע שנלקח מביקורות של לקוחות. ליתר דיוק שלושה דברים: איך המוצר באמת, מה טוב בו ולמי הוא מתאים.

את זה כבר יש לכם. תפתחו את הביקורות, את הודעות הוואטסאפ ואת התשובות של שירות הלקוחות על מוצר אחד, ובתוך רבע שעה תוציאו:

1. איך הוא באמת. מה שלקוחות מזכירים ואין בשום דף מפרט. "קטנה ממה שנראה בתמונה."
2. מה טוב בו. המשפט שחוזר. "קל לנקות."
3. למי הוא מתאים. "מושלמת לדירה קטנה." "טובה למשפחה עם כלב."

תכתבו את זה לתוך הפסקה במילים של הלקוח. זה כבר קונקרטי, כי לקוח כתב את זה אחרי שהשתמש במוצר.

אז איפה הבולטים נשארים?

תשאירו רשימת מפרט קצרה לעובדות שבן אדם בודק: מידות, חומר, משקל, ניקוי. הפסקה למעלה והרשימה מתחתיה. אחת מספרת, השנייה סוגרת שאלות. לא מחליפים את הפסקה ברשימה.

בחנויות ישראליות זה חשוב פעמיים. הרבה קטלוגים בעברית הם בולטים באנגלית מהספק, שעברו מתרגם. הם לא פסקה וגם לא קונקרטיים. "מעוצב, איכותי, עמיד" נכון לכל מוצר ומוצג באף אחד.

איך יודעים שזה עבד

תבחרו את 10 המוצרים שנמכרים הכי טוב ותתחילו מהם, לא מכל הקטלוג. תשנו דבר אחד בכל פעם, ותשוו שני מספרים לאותו מספר שבועות לפני ואחרי: אחוז ההוספה לעגלה בדפי המוצר האלה, וכמות ההודעות מהסוג "זה מתאים? זה מספיק גדול?". תיאור קונקרטי עונה על השאלות האלה לפני שנשאלו.

ובדיקה מהירה בצד של ה-AI: תשאלו את ChatGPT בעברית למי המוצר שלכם מתאים. אם התשובה כללית, גם הדף כללי. זו בדיקה, לא תוצאה מהמחקר.

בקצרה

1. תכתבו את התיאור כפסקה, ותשאירו מתחתיה רשימת מפרט קצרה.
2. כל שורה צריכה להיות משהו שאפשר לדמיין. תחליפו תארים בדברים.
3. תחפרו בביקורות: איך המוצר באמת, מה טוב בו ולמי הוא מתאים.
4. תשכתבו קודם 10 מוצרים נמכרים ותמדדו, לפני שנוגעים בשאר.

תפתחו עכשיו דף מוצר אחד ותקראו את התיאור. אפשר לדמיין ממנו את המוצר?

זהו להיום. נתראה בטיפ הבא של Shopping Dev Solutions.