Tekoäly autokaupan kiihdyttäjänä – Tehokkuus, sisällöt ja asiakaskokemus

Vaihtoautojen myynti on poikkeuksellisen haasteellinen toimiala verkkokaupan näkökulmasta. Kilpailu liikenteenhankinnassa on kovaa ja portaalien dominoimaa. Myytävä tuote on monimutkainen ja kallis. Tuotedatan lähteet ovat hajallaan ja puutteellisia. Jokainen myytävä auto on yksilö, ja sen tietojen mallintaminen on työlästä. Tekoälykään ei yksin ratkaise kaikkea, mutta sen suunnitelmallinen hyödyntäminen voi helpottaa elämää monella tavalla. Tässä kirjoituksessa ehdotetaan kolmea ratkaisua, jotka ovat jo nyt täysin mahdollisia toteuttaa.

1. Myynnin prosessit ja taustajärjestelmien automaatio

Manuaalisen, toisteisen työn suorittamiseen on jo nykyisellään usein sovellettu ohjelmistorobotiikkaa (Robotic Process Automation – RPA) esimerkiksi tilanteissa, joissa kahden järjestelmän välille ei ole mahdollista rakentaa oikeaa integraatiota. Robotiikan rajoitukset tulevat kuitenkin vastaan sen jähmeydessä ja kyvyttömyydessä sopeutua yllättäviin tilanteisiin ja ymmärtää tehtävän kontekstia. Tekoäly tulee viemään vastaavien tehtävien suorittamisen aivan uudelle tasolle. Hyvä esimerkki on ajoneuvojen mallintaminen sisäänosto- ja julkaisuvaiheessa. Ajoneuvon tietojen keräily, rikastaminen ja täydentäminen voitaisiin jo nyt siirtää tekoälyn tehtäväksi. Tekoäly suoriutuu tehtävästä ihmistä nopeammin ja tekee vähemmän ”inhimillisiä” virheitä. Automyyjän tai -ostajan tehtäväksi jää lähinnä tietojen validointi, ja aikaa vapautuu varsinaiseen kaupantekoon sekä asiakaspalveluun.

2. Löydettävyys uudella aikakaudella

Perinteinen hakukoneoptimointi (SEO) on saanut rinnalleen tekoälyhaun optimoinnin (GEO = Generative Engine Optimization), mutta mikä on tekoälyn rooli oman verkkopalvelun ja sen sisällön optimoinnissa? Sekä hakukoneet että tekoälyhaut pyrkivät hakemaan vastauksia asiakkaita mietityttäviin kysymyksiin. Pohjimmiltaan on siis kyse asiakasymmärryksestä ja sisällöntuotannosta. Se, mikä palvelee asiakkaita, palvelee myös liikenteenhankintaa.

Hyvä käytännön esimerkki, ovat Beelyn sivustolta löytyvät autoyksilöiden kuvaustekstit. Tekoäly muuttaa ajoneuvon tekniset nippelitiedot ja varusteluettelot asiakkaalle merkitykselliseen ja ymmärrettävään muotoon.

Tekoäly mahdollistaakin nyt uudet sisältöratkaisut, jotka olisivat aiemmin olleet mahdottoman työläitä toteuttaa. Vastaavasti tekstejä voidaan nyt helposti generoida autohaun merkki+malli-kohtaisille laskeutumissivuille. Molemmat näistä esimerkeistä ovat myös tekoälyn käytön kustannusten kannalta edullisia, koska kyseiset sisällöt voidaan generoida etukäteen kertaalleen ja jaella sitten tuhansille käyttäjille sellaisenaan.

3. Apua autojen vertailuun

Auton ostoprosessi ja harkinta kestää usein lähes kolme kuukautta (AutoTrader "Vehicle Path to Purchase" -tutkimus). Suuri osa tästä ajasta menee vaihtoehtojen vertailuun.

Vertailussa kiinnostavia asioita ovat esimerkiksi ajoneuvon koko, tilavuus, sallitut vetomassat ja soveltuvuus omaan käyttöön sekä hybridi- ja sähköautojen sähkötekniikka. Lisäksi merkityksellisiä eroja haetaan varustelusta, koeajoarvioista ja laatuvaikutelmasta. Vertailtaviksi autoiksi valikoituu tyypillisesti seuraavan kaltaisia autoja:

• Saman automallin eri vuosimallit

  • Nissan Qashqai 2007-2013 vs. 2014-2020 vs. 2021-2025

  • Volvo XC60 2010-2017 vs. 2018-2025

• Samankaltaiset eri merkkiset autot

  • Skoda Octavia vs. Volkswagen Golf vs. Toyota Corolla

  • Audi A4 vs. MB C-sarja vs. BMW 3-sarja

• Saman merkin eri mallit

  • Toyota Corolla vs. Toyota Auris

  • Skoda Octavia vs. Skoda Superb

Tekoälyn avulla pystytään helposti luomaan laskeutumissivuja, joissa vertaillaan oman autokaupan kannalta 10-20 kiinnostavinta automallia. Ennen julkaisua voi vielä tehdä kevyen faktojen tarkistuksen ja täten varmistaa, että sisällöt on turvallisia julkaista. Sivuissa voi silti olla selkeät disclaimerit tekoälyn käytöstä. 

Sivut palvelevat mallikohtaisessa liikenteenhankinnassa. Ne tarjoavat samalla oikeasti hyödyllistä sisältöä, joka nopeuttaa ostopäätöstä ja nostaa sisällöntarjoajan profiilia palvelevana asiantuntijana.

Kaikki tämän esimerkin kaltainen sisältö on mahdollista tuottaa esim. Google Geminillä. Vertailusta saa vielä kertaluokkaa laadukkaampaa, kun tekoälyn lähdedatana käyttää omaa DMS-dataa.

Loppusanat

Tässä esitellyt esimerkit ovat jo nyt täysin toteutettavissa. Ne perustuvat suurelta osin taustalla generoituihin staattisiin sisältöihin, joiden kustannukset ja resurssitarpeet on helppo hallita ja ennakoida. Reaaliaikainen generatiivinen tekoälyn käyttö tekee verkkopalveluissa myös tuloaan. Autokaupan kontekstiin tämä tarkoittaisi esimerkiksi tekoälyn valjastamista jokaisen asiakkaan käyttöön keskustelevan ja tarpeita kartoittavan autohaun muodossa. Toinen merkittävä trendi on ohjelmallisen ostamisen (Agentic commerce) mahdollistaminen. Ensimmäisessä vaiheessa tämä voisi tarkoittaa vaikkapa koeajovarauksien ja autojen varausmaksujen mahdollistamista tekoälyille. Mutta palataan näihin aiheisiin seuraavissa blogijutuissa.