کیس‌استادی Walmart؛ وقتی هوش مصنوعی وارد فرایند خرید مشتری شد

مقاله

وقتی از ورود هوش مصنوعی به خرید صحبت می‌کنیم، یکی از جذاب‌ترین نمونه‌ها Walmart است؛ شرکتی که در مدت کوتاهی چند مدل مختلف از خرید مبتنی بر AI را آزمایش کرده است. Walmart ابتدا Sparky را به‌عنوان دستیار خرید هوش مصنوعی خود توسعه داد؛ ابزاری که قرار بود فقط محصول پیدا نکند، بلکه نیاز مشتری را درک کند، Reviewها را ترکیب کند، گزینه‌ها را مقایسه کند و برای موقعیت‌های مختلف پیشنهاد بدهد. بعد، Walmart در اکتبر ۲۰۲۵ با OpenAI همکاری کرد تا مشتریان بتوانند محصولات Walmart را از طریق ChatGPT پیدا کنند و خرید را در همان محیط انجام دهند. اما ارزش این Case Study فقط در این نیست که Walmart یکی از اولین خرده‌فروشان بزرگ واردکننده AI به فرایند خرید بود. بخش جالب‌تر، چیزی است که Walmart در حین آزمایش این تجربه درباره رفتار مشتری یاد گرفت.

Walmart چه چیزی را می‌خواست تغییر دهد؟

در تجارت الکترونیک سنتی، مشتری معمولاً باید بداند دنبال چه چیزی می‌گردد. مثلاً اگر لاستیک خودرو بخواهد، باید محصول یا مشخصات موردنیاز را جست‌وجو کند. اما Walmart در طراحی Sparky به دنبال مدل دیگری بود. در یک تجربه مکالمه‌ای، مشتری می‌تواند فقط بگوید: «لاستیک می‌خواهم.» بعد AI می‌تواند بپرسد چه خودرویی دارد، چند حلقه لاستیک نیاز دارد و آیا محصول را برای امروز می‌خواهد یا می‌تواند تا فردا صبر کند. Walmart در توضیح تجربه Sparky دقیقاً از چنین سناریویی استفاده کرده است. در این مدل، مشتری لازم نیست از ابتدا تمام مشخصات فنی محصول را بداند؛ AI بخشی از مسیر تبدیل «نیاز» به «محصول» را بر عهده می‌گیرد. در نتیجه، Walmart تلاش کرد خرید را از Product Search به سمت Intent-driven Commerce ببرد؛ یعنی به‌جای اینکه مشتری ابتدا محصول را پیدا کند، سیستم ابتدا تلاش کند بفهمد مشتری چه می‌خواهد.

Sparky فقط برای پیدا کردن محصول ساخته نشد

Walmart از ابتدا Sparky را به‌عنوان چیزی فراتر از یک Search Box معرفی کرد.

این ابزار می‌تواند Reviewهای محصولات را خلاصه کند، گزینه‌ها را مقایسه کند و برای موقعیت‌های مختلف پیشنهاد ارائه دهد. برای مثال، Walmart سناریویی را مطرح کرده که مشتری می‌پرسد برای یک مهمانی چه چیزهایی لازم دارد و Sparky می‌تواند از برنامه‌ریزی تا تهیه فهرست خرید کمک کند. بنابراین نقش AI در اینجا فقط پاسخ دادن به یک سؤال نیست.

AI تلاش می‌کند بین سه چیز ارتباط برقرار کند:

نیاز مشتری → Context مشتری → مجموعه محصولات

و همین موضوع می‌تواند شکل سبد خرید را هم تغییر دهد.

قدم بعدی؛ Walmart و ChatGPT

در اکتبر ۲۰۲۵، Walmart و OpenAI همکاری خود را برای ایجاد تجربه خرید مبتنی بر ChatGPT اعلام کردند. در این مدل، مشتری می‌توانست از ChatGPT برای پیدا کردن محصولات Walmart استفاده کند و با Instant Checkout خرید خود را مستقیماً در محیط ChatGPT انجام دهد. ایده اصلی این بود که مسیر خرید از «جست‌وجو در فروشگاه» به یک تجربه مکالمه‌ای تبدیل شود. اما اینجا یک نکته مهم اتفاق افتاد. کوتاه‌تر کردن مسیر خرید الزاماً به معنای بهتر شدن آن نبود. طبق گزارش WIRED، نرخ تبدیل خرید برای محصولاتی که مستقیماً داخل ChatGPT قابل خرید بودند، حدود سه برابر پایین‌تر از محصولاتی بود که مشتری برای خرید آنها به Walmart منتقل می‌شد. این نتیجه باعث شد Walmart رویکرد خود را تغییر دهد.

Walmart عقب‌نشینی نکرد؛ مدل را تغییر داد

Walmart بعداً به سمت مدلی رفت که در آن Sparky در محیط‌هایی مانند ChatGPT و Gemini حضور داشته باشد، اما تجربه خرید Walmart نیز حفظ شود. در توضیح Walmart، وقتی مشتری محصولی از Walmart را در محیط AI پیدا می‌کند، می‌تواند با انتخاب آن وارد تجربه Sparky شود و ادامه فرایند خرید را با حساب، اطلاعات و سبد خرید Walmart انجام دهد.

این تغییر یک درس مهم دارد:

مسئله، حذف فروشگاه از مسیر خرید نیست؛ مسئله، پیدا کردن جای درست AI در این مسیر است.

Walmart دریافت که AI می‌تواند در مرحله Discovery و تصمیم‌سازی بسیار ارزشمند باشد، بدون اینکه الزاماً کل تجربه خرید را از اکوسیستم فروشنده جدا کند.

آیا Sparky واقعاً خرید مشتری را بیشتر کرد؟

داده‌های Walmart در اینجا جالب‌اند، اما باید با احتیاط تفسیر شوند. در فوریه ۲۰۲۶، Walmart اعلام کرد حدود نیمی از کاربران اپلیکیشنش با Sparky تعامل داشته‌اند و Average Order Value مشتریانی که از Sparky استفاده می‌کردند حدود ۳۵٪ بالاتر از مشتریان غیرکاربر بوده است. در گزارش‌های بعدی Walmart نیز این تفاوت بالاتر باقی ماند و در برخی اظهارات به حدود ۴۰٪ رسید

اما اینجا نباید یک اشتباه تحلیلی انجام دهیم:

AOV بالاتر ≠ اثبات اثر AI

خود Walmart در اکتبر ۲۰۲۶ نیز صراحتاً تأکید کرده که بالاتر بودن Average Order Value به‌تنهایی نشان نمی‌دهد Sparky علت افزایش هزینه مشتری بوده است؛ زیرا تفاوت میان ویژگی‌های کاربران Sparky و سایر مشتریان می‌تواند بخشی از این تفاوت را توضیح دهد. بنابراین داده Walmart را باید به‌عنوان یک Observed Association دید، نه یک رابطه علّی اثبات‌شده. این دقیقاً همان جایی است که Case Study برای تحقیقات بازار ارزش پیدا می‌کند.

نکته مهم‌تر: رفتار مشتری فقط «بیشتر خرید کردن» نیست

در سه‌ماهه‌های بعدی، Walmart گزارش‌های مثبت‌تری از عملکرد Sparky ارائه کرد. در مه ۲۰۲۶، Walmart اعلام کرد کاربران هفتگی Sparky بیش از ۱۰۰٪ در یک فصل رشد کرده‌اند و Average Order Value کاربران Sparky همچنان حدود ۳۵٪ بالاتر از کاربران غیرSparky بوده است.  در اکتبر ۲۰۲۶ نیز Walmart اعلام کرد استفاده هفتگی از Sparky نسبت به فصل قبل ۶۰٪ رشد کرده و قابلیت Visual Search آن در مقایسه با جست‌وجوی متنی، افزایش ۵۷٪ در Conversion ایجاد کرده است. Walmart همچنین گفت کاربران ورودی از ChatGPT و Gemini در مواردی Conversion بالایی داشته‌اند و این کانال‌ها برای شرکت بیشتر مکمل تجربه موجود بوده‌اند تا جایگزین آن.

این داده‌ها نشان می‌دهند تجربه Walmart از یک آزمایش اولیه به یک سیستم در حال توسعه تبدیل شده است. اما همچنان باید میان استفاده از AI، تعامل با AI و اثر واقعی AI بر رفتار خرید تفاوت قائل شد.

Walmart چه چیزی را به تحقیقات بازار یاد می‌دهد؟

مهم‌ترین درس این Case Study شاید یک عدد مشخص نباشد. Walmart در عمل نشان داد که وقتی AI وارد خرید می‌شود، باید تحلیل رفتار مصرف کننده را در طول مسیر مشاهده کرد، نه فقط در نقطه نهایی خرید.

مثلاً باید پرسید:

• مشتری با چه نیازی وارد تعامل با AI شد؟
• AI چگونه این نیاز را به گزینه‌های خرید تبدیل کرد؟
• مشتری چه گزینه‌هایی را بعد از توصیه AI بررسی کرد؟
• آیا بدون AI هم همین گزینه‌ها را انتخاب می‌کرد؟
• آیا AI باعث شد خرید ساده‌تر شود یا فقط مسیر را تغییر داد؟
• و در نهایت، آیا تغییری که در Basket یا Conversion مشاهده می‌کنیم واقعاً ناشی از AI است یا ویژگی‌های متفاوت کاربران؟

این پرسش‌ها از یک جهت اهمیت زیادی دارند: اگر فقط نتیجه نهایی را ببینیم، ممکن است نقش واقعی AI در تصمیم مشتری را اشتباه تفسیر کنیم.

Walmart هنوز در حال آزمایش است

Walmart نیز این حوزه را یک فناوری کاملاً حل‌شده نمی‌داند. مدیران شرکت در سال ۲۰۲۶ بارها تأکید کرده‌اند که Agentic Commerce هنوز در مراحل ابتدایی خود قرار دارد و Sparky همچنان در حال توسعه قابلیت‌هایی مانند Personalization و Contextual Understanding است. این موضوع اتفاقاً یکی از مهم‌ترین ویژگی‌های Case Study Walmart است.

ما با یک «داستان موفقیت تمام‌شده» روبه‌رو نیستیم؛ بلکه با یک آزمایش واقعی و در حال تکامل مواجهیم.

Walmart یک مدل را امتحان کرد، نتیجه متفاوتی گرفت، تجربه را تغییر داد و سپس داده‌های جدیدی از رفتار مشتری به دست آورد. برای تحقیقات بازار، همین فرایند شاید از یک نتیجه مثبت ساده ارزشمندتر باشد.

جمع‌بندی

Walmart نشان می‌دهد ورود AI به خرید فقط به معنی اضافه کردن یک Chatbot به فروشگاه نیست. وقتی AI وارد فرایند خرید می‌شود، ممکن است مشتری دیگر از «محصول» شروع نکند؛ از نیاز و مسئله شروع کند. ممکن است به‌جای جست‌وجوی ده محصول، یک سؤال بپرسد و اجازه دهد AI گزینه‌ها را محدود کند. اما تجربه Walmart نشان داد که این تغییر همیشه به‌صورت خطی به خرید بیشتر منجر نمی‌شود. تجربه اولیه Instant Checkout محدودیت‌هایی داشت و Walmart در ادامه به سمت مدلی رفت که AI را با تجربه خرید و داده‌های خود Walmart یکپارچه‌تر می‌کند. Retail Dive و شاید مهم‌ترین درس این Case Study برای تحقیقات بازار این باشد: در عصر AI، فقط نباید نتیجه تصمیم مشتری را اندازه بگیریم؛ باید بفهمیم AI در شکل‌گیری آن تصمیم چه نقشی داشته است. این دقیقاً همان نقطه‌ای است که مقاله یکشنبه ما از آن شروع می‌کند: وقتی AI وارد فرایند تصمیم‌گیری می‌شود، خودِ فرایند تصمیم‌گیری به یک موضوع جدید برای تحقیقات بازار تبدیل می‌شود.

سوالات متداول

Sparky چیست؟
Sparky دستیار خرید هوش مصنوعی Walmart است که برای جست‌وجو، مقایسه محصولات، خلاصه‌کردن Reviewها، پیشنهاد محصول و برنامه‌ریزی خرید طراحی شده است. Walmart News & Leadership

Walmart چرا وارد خرید مبتنی بر AI شد؟
هدف Walmart حرکت از جست‌وجوی سنتی محصول به تجربه‌ای مبتنی بر Intent و Context مشتری بود. Walmart News & Leadership

آیا Sparky باعث افزایش خرید مشتریان شده است؟
Walmart گزارش کرده Average Order Value کاربران Sparky بالاتر است، اما این تفاوت به‌تنهایی رابطه علّی را اثبات نمی‌کند. Walmart News & Leadership

آیا Walmart خرید مستقیم در ChatGPT را ادامه داد؟
Walmart پس از تجربه اولیه Instant Checkout، رویکرد خود را به سمت ادغام Sparky با تجربه‌های AI مانند ChatGPT و Gemini تغییر داد. Retail Dive

این Case Study چه اهمیتی برای تحقیقات بازار دارد؟
نشان می‌دهد برای فهم اثر AI، فقط Purchase یا Conversion کافی نیست و باید مسیر تعامل مشتری با AI و تغییر رفتار او در طول Journey نیز بررسی شود.