ॲमेझॉनने विक्रेता ऑपरेशन्स स्ट्रीमलाइन करण्यासाठी AI-सक्षम असिस्टंटवर बाजी मारली आहे

सारांश

Amazon ने ऑनबोर्डिंग, कॅटलॉग तयार करणे, जाहिराती, इन्व्हेंटरी मॅनेजमेंट आणि क्रॉस-बॉर्डर विस्तारामध्ये व्यापाऱ्यांना मदत करण्यासाठी AI-शक्तीवर चालणारा विक्रेता सहाय्यक लाँच केला आहे.

Amazon Bedrock वर तयार केलेले आणि Amazon Nova आणि Anthropic Claude मॉडेल्सद्वारे समर्थित, हे टूल भारतातील ईकॉमर्स जायंटच्या विक्रेत्यांसाठी आणले जात आहे.

ईकॉमर्स प्लॅटफॉर्म व्यापारी ऑपरेशन्स सुलभ करण्यासाठी आणि विक्रेत्याची वाढ वाढवण्यासाठी जनरेटिव्ह एआय टूल्स वाढवत असल्याने हे पाऊल पुढे आले आहे.

ईकॉमर्स कंपनी Amazon आपल्या भारतीय वापरकर्त्यांसाठी त्याच्या विक्रेता प्रवासात AI एम्बेड करत आहे. या रोलआउटच्या केंद्रस्थानी त्याचा AI-शक्तीचा विक्रेता असिस्टंट आहे, जो 24/7 चॅटबॉट आहे जो विक्रेता सेंट्रलमध्ये तयार केला आहे. विक्रेता सहाय्यक Amazon Bedrock, Amazon Nova फाउंडेशन मॉडेल्स आणि Anthropic Claude चा AI-चालित मार्गदर्शन, पृष्ठभाग व्यवसाय अंतर्दृष्टी आणि नियमित मार्केटप्लेस ऑपरेशन्समध्ये विक्रेत्यांना मदत करण्यासाठी फायदा घेतात.

“ॲमेझॉनने भारतातील 1.7 मिलियन विक्रेत्यांना ही AI-शक्तीवर चालणारी वैशिष्ट्ये प्रदान केली आहेत, ज्याचे उद्दिष्ट वाणिज्य ऑपरेशन्स अधिक कार्यक्षम आणि किफायतशीर बनवण्याच्या उद्देशाने आहे. रोलआउट टप्प्याटप्प्याने केले आहे, भारतात Smbhav 2025 नंतर सुरू होईल. AI मॉडेल विविध वाणिज्य डेटावर प्रशिक्षित आहेत आणि ॲमेझॉन बेडरोकचा भाग आहेत,” क्लाउड एआय रॉबस्ट एआय ॲडव्हान्स आणि क्लाउडफ्रा रॉबस्ट्रक्ट यांनी सांगितले. अभिजित कामरा, उदयोन्मुख बाजारपेठेसाठी (उत्पादन, एआय आणि स्मार्ट कॉमर्स) विक्रेता अनुभव संचालक.

Amazon Smbhav हा MSME स्टार्टअप्स आणि उद्योजकांसाठी कंपनीचा प्रमुख कार्यक्रम आहे.

ही घोषणा त्याच्या वार्षिक मल्टी-डे शॉपिंग इव्हेंट, प्राइम डेच्या आधी आली आहे, जो जुलैमध्ये होणार आहे. भारतीय विक्रेत्यांसाठी स्केलच्या दृष्टीने हे सर्वात मोठे रोलआउट असेल.

विस्तृत AI क्षमता एकत्रित करणे

Amazon विक्रेत्याच्या सहाय्यकाला छोट्या व्यवसायांसाठी AI-शक्तीचे साधन म्हणून स्थान देत आहे, विक्रेत्याच्या ऑनबोर्डिंग, कॅटलॉग तयार करणे, इन्व्हेंटरी व्यवस्थापन, जाहिरात आणि क्रॉस-बॉर्डर विस्तारामध्ये क्षमता एकत्रित करणे.

हे टूल नवीन व्यापाऱ्यांना ऑनबोर्डिंग प्रक्रियेद्वारे मार्गदर्शन करते आणि उत्पादन शीर्षके, वर्णने आणि विशेषता निर्माण करण्यासह कॅटलॉग निर्मितीचे भाग स्वयंचलित करते. ॲमेझॉनने सांगितले की, सिस्टम उत्पादन इमेज किंवा URL वरून 70% पर्यंत सूची फील्ड पूर्व-भरू शकते आणि प्रतिमा वर्धित करण्यास मदत करू शकते.

इन्व्हेंटरी मॅनेजमेंटसाठी, कंपनी रीस्टॉकिंग शिफारशी व्युत्पन्न करण्यासाठी मशीन लर्निंग मॉडेल्स वापरते, तर त्याचे पूर्ती नेटवर्क वेअरहाउसिंग, लॉजिस्टिक्स आणि वितरण हाताळते. जाहिरातींच्या आघाडीवर, विक्रेते Amazon च्या कस्टमाइज्ड ऑन-डिमांड ॲड एक्सपर्ट्स (CODE) प्रोग्रामद्वारे AI-चालित खाते निदानामध्ये प्रवेश करू शकतात, जे मोहिमेचे कार्यप्रदर्शन सुधारण्याच्या उद्देशाने शिफारसी प्रदान करतात. कंपनीने त्याचा वाइन प्रोग्राम देखील हायलाइट केला, जो पात्र उत्पादनांना समीक्षकांच्या क्युरेटेड पूलकडून पुनरावलोकने प्राप्त करण्यास सक्षम करतो.

प्राइम डेच्या अगोदर, Amazon ने आंतरराष्ट्रीय स्तरावर विक्री करू पाहणाऱ्या व्यापाऱ्यांसाठी विक्रेता असिस्टंटची क्षमता वाढवली आहे. विक्रेत्यांना निर्यात संधी ओळखण्यात मदत करण्यासाठी हे वैशिष्ट्य उत्पादन शिफारसी, मागणी अंतर्दृष्टी आणि बाजार-स्तरीय मार्गदर्शन प्रदान करते. हे दस्तऐवजीकरण आणि नियामक तपासणीसह देश-विशिष्ट अनुपालन आवश्यकतांमध्ये देखील मदत करते आणि आंतरराष्ट्रीय विस्तार प्रक्रियेचा चरण-दर-चरण ट्रॅकिंग ऑफर करते.

“आम्ही आधीच अशा टप्प्यावर पोहोचलो आहोत जिथे विक्रेत्यांकडून आवश्यक ऑपरेशनल प्रयत्न जवळपास 70% कमी झाले आहेत. त्याच वेळी, मॅन्युअल प्रक्रियेमुळे होणाऱ्या सूचीतील त्रुटी सुमारे 10% कमी झाल्या आहेत. परिणामी, विक्रेत्यांना दोन आघाड्यांवर फायदा होतो: ते अधिक परिचालन कार्यक्षमतेद्वारे वेळ आणि खर्च वाचवतात, तसेच सुधारित सूचीकरणाने या कामगिरीबद्दल माहिती देताना सांगितले की, विक्रीच्या कार्यक्षमतेमध्ये सुधारित कामगिरी कशी योगदान देऊ शकते” क्षमतांनी आतापर्यंत विक्रेत्यांना मदत केली आहे. ते पुढे म्हणाले की 2030 पर्यंत 15 दशलक्ष व्यवसायांवर परिणाम करण्याचे या उपक्रमाचे उद्दिष्ट आहे.

त्याच्या AI टूल्सचा अवलंब करण्यासाठी, Amazon India ने 20 हून अधिक शहरांमध्ये Seller Connect प्रोग्राम आणले आहेत. कंपनीने सांगितले की, 5,000 हून अधिक विक्रेत्यांनी कॅटलॉग तयार करणे, इन्व्हेंटरी मॅनेजमेंट, पूर्तता ऑपरेशन्स आणि वाढीचे नियोजन यावर लक्ष केंद्रित केलेल्या प्रशिक्षण सत्रांमध्ये भाग घेतला आहे.

कामरा म्हणाले की, ॲमेझॉन विशेषत: सुरुवातीच्या रोलआउट दरम्यान विक्रेत्यांकडून सकारात्मक अभिप्राय मिळाल्यानंतर, प्राइम डे सारख्या उच्च व्हॉल्यूम शॉपिंग इव्हेंटमध्ये उत्पादन सूची आणि इन्व्हेंटरी व्यवस्थापनासह अलीकडेच लॉन्च केलेली साधने कशी कामगिरी करतात हे पाहण्यास उत्सुक आहे.

Amazon या AI टूल्सकडे दीर्घकालीन फ्लायव्हील धोरणाचा भाग म्हणून पाहते. ऑनलाइन व्यवसाय चालवण्याशी संबंधित ऑपरेशनल प्रयत्न आणि खर्च कमी करून, कंपनीचा विश्वास आहे की विक्रेते अधिक कार्यक्षमतेने वाढू शकतात आणि संभाव्यत: कमी किमतींद्वारे ग्राहकांना त्यापैकी काही बचत देऊ शकतात.

Ecomm लढाई AI कडे वळते

ॲमेझॉनचे हे पाऊल अशा वेळी आले आहे जेव्हा ईकॉमर्स आणि रिटेल प्लॅटफॉर्म विक्रेत्याच्या वर्कफ्लोमध्ये जनरेटिव्ह एआय वाढवत आहेत. ऑनलाइन विक्रेते उत्पादन सूची तयार करणे आणि कॅटलॉग व्यवस्थापनापासून इन्व्हेंटरी प्लॅनिंग आणि मार्केटिंगपर्यंतच्या कामांसाठी तंत्रज्ञान वापरत आहेत. हा ट्रेंड मोठ्या उद्योगांच्या पलीकडेही विस्तारत आहे, लहान व्यवसाय आणि एमएसएमई त्यांच्या दैनंदिन वाणिज्य ऑपरेशन्सचा भाग म्हणून AI-शक्तीवर चालणारी साधने वाढवत आहेत.

कट्टर प्रतिस्पर्धी फ्लिपकार्ट आणि अनब्रँडेड फोकस्ड स्नॅपडीलने AI-शक्तीवर चालणारी विक्रेता साधने सादर केली आहेत, तर व्यापाऱ्यांना सेवा देणारे SaaS खेळाडू देखील कॅटलॉग व्यवस्थापन, विपणन आणि ग्राहक प्रतिबद्धता यासाठी AI क्षमता निर्माण करत आहेत.

मीशोनेही आपले प्रयत्न वाढवले ​​आहेत आवाज AI द्वारे आणि शोधात AI-शक्तीचे वैयक्तिकरण.

पुश AI-सहाय्यित ग्राहकांच्या अनुभवांपासून AI-चालित व्यापारी ऑपरेशन्समध्ये ई-कॉमर्समध्ये एक व्यापक बदल प्रतिबिंबित करते, जेथे प्लॅटफॉर्म सूची, जाहिरात आणि इन्व्हेंटरी व्यवस्थापनातील घर्षण कमी करण्याचा विचार करत आहेत.

भारताच्या ईकॉमर्स मार्केटपर्यंत पोहोचणे अपेक्षित आहे 2030 पर्यंत $300 अब्जMSMEs एक प्रमुख विकास चालक म्हणून उदयास येत आहेत. तथापि, ऑनलाइन मार्केटप्लेसने ग्राहकांपर्यंत पोहोचण्याचा विस्तार केला असताना, अनेक लहान व्यवसाय ऑनबोर्डिंग, कॅटलॉग व्यवस्थापन, लॉजिस्टिक आणि अनुपालनाभोवतीच्या आव्हानांचा सामना करत आहेत.

जर (window.location.pathname === ” || window.location.pathname === “/datalabs/pricing/” || window.location.pathname === “/datalabs/demo/” ) { !function(f,b,e,v,n,t,s) {if(f.fbq)return;n=f.fbq=function(){n.callMethod.apply(n,arguments):n.queue.push(arguments)}; if(!f._fbq)f._fbq=n;n.pushed=n.';=0; n.queue=();t=b.createElement(e);t.async=!0; t.src=v;s=b.getElementsByTagName(e)(0); s.parentNode.insertBefore(t,s)}(विंडो, डॉक्युमेंट,'स्क्रिप्ट', 'fbq,'76}58); कार्य if(!f._fbq)f._fbq=n;n.push=n;n.loaded=!0;n.version='2.0'; n.queue=();t=b.createElement(e);t.async=!0; t.src=v;s=b.getElementsByTag(0); s.parentNode.insertBefore(t,s)}(विंडो, दस्तऐवज,'स्क्रिप्ट', 'fbq('init', '862840770475518');

Comments are closed.