Voor de Amerikaanse winkel van Velgrina heb ik een streaming product-hulp chat gebouwd, aangedreven door GPT-4o-mini. Het was een van de twee productie AI-functies in het project, naast een aparte keukenvisualisatie functie. De chat ging in op een specifieke productbehoefte: het helpen van een bezoeker om vragen te stellen terwijl hij rekening houdt met keukengerei.
Die context belangrijk is. Een winkelassistent maakt deel uit van een beslissing die kan leiden tot een bestelling. De standaard voor een nuttige interactie is of de bezoeker relevante, begrijpelijke begeleiding ontvangt met een duidelijke volgende stap.
Productvragen bevatten verschillende soorten onzekerheid
Sommige vragen zijn beschrijvend: waaruit een product is gemaakt, hoe het wordt gebruikt, of hoe twee opties van elkaar verschillen. Andere vragen zijn afhankelijk van informatie die verandert, zoals voorraad of leveringsbeschikbaarheid. Een derde groep is afhankelijk van de omstandigheden van de klant, inclusief beschikbare ruimte of het item dat ze ernaast willen gebruiken.
Ik gebruik die onderscheidingen bij het ontwerpen en beoordelen van productondersteuning. Een materiaalspecificatie kan worden gecontroleerd aan de hand van catalogusinhoud. Een leverbelofte heeft een actuele operationele bron nodig. Een vraag over de pasvorm kan een meting van de klant vereisen voordat enige aanbeveling nuttig is.
Bijvoorbeeld, “Past dit bij mijn gootsteen?” is onvolledig zonder te weten welk product en welke gootsteen. Het stellen van één relevante vervolgvraag is beter dan het geven van een zelfverzekerd antwoord op basis van de productnaam. Dit is een ontwerprincipes voor commerciële assistentie, geen bewering dat een taalmodel fysieke afmetingen kan afleiden uit een vage boodschap.
Streaming verandert de interactie
De geïmplementeerde chat streamt zijn reactie. Dit geeft de interface een manier om voortgang te tonen terwijl tekst wordt gegenereerd, in plaats van te wachten op een volledig antwoord voordat het scherm verandert. Het creëert ook extra toestanden die aandacht verdienen.
Een beoordeling moet een verzoek dat wordt geaccepteerd, een binnenkomend antwoord, een voltooid antwoord en een vroegtijdig stopgezet antwoord onderscheiden. Als de verbinding halverwege een zin eindigt, mag de interface dat fragment niet stilzwijgend presenteren als een voltooide aanbeveling.
De klant heeft ook een begrijpelijke manier nodig om te herstellen. Het herhalen van een vraag, het kiezen van een ander product of terugkeren naar de productpagina moet mogelijk blijven. De waarde van een conversatie-interface daalt snel als deze de winkelervaring onderbreekt wanneer er iets misgaat.
Een nuttig antwoord heeft ergens een bestemming nodig
Productassistentie werkt het beste wanneer het verbonden blijft met de gewone navigatie van de winkel. Een bezoeker wil misschien specificaties bekijken, een optie vergelijken, naar afbeeldingen kijken of doorgaan naar een productpagina. Het gesprek zou hen moeten helpen deze bronnen te bereiken in plaats van een aparte bestemming te worden met zijn eigen versie van productwaarheid.
Dat is ook hoe ik over scope denk. Een assistent kan een beschikbare specificatie uitleggen zonder een geschiktheidsgarantie te geven. Het kan wijzen op informatie zonder een beleid uit te vinden. Wanneer de noodzakelijke details niet beschikbaar zijn, is het aangeven wat ontbreekt een nuttig resultaat.
Deze grenzen zijn vooral relevant voor AI-functies die naast productfotografie zijn geplaatst. Visueel vertrouwen en vloeiende taal kunnen een antwoord autoritairder doen aanvoelen dan de bewijsvoering ondersteunt. De productervaring moet onzekerheid begrijpelijk maken in gewone taal.
Beoordeel de winkeltaak
Mijn evaluatielijst voor dit soort functies begint met daadwerkelijke bezoekerstaken: kiezen tussen twee items, het begrijpen van een materiaal, het controleren van een afmeting en herstellen van een onduidelijk antwoord. Ik neem ook niet-gerelateerde vragen en verzoeken om informatie op die de winkel niet biedt.
Die gevallen geven een nuttigere beoordeling dan vragen of de assistent vriendelijk klinkt. Ze onthullen waar de interface verduidelijking nodig heeft, waar catalogusinformatie onvoldoende is en waar de assistent iemand terug naar een gezaghebbende pagina zou moeten sturen.
De Velgrina-implementatie bood me een andere praktische AI-integratie naast een standalone chatdemo. Het plaatste generatie binnen een bestaande commerce-ervaring, waar responsgedrag, navigatie en productinformatie allemaal van invloed zijn op de bruikbaarheid van de functie. Een succesvol antwoord zou de bezoeker moeten helpen een beter geïnformeerde beslissing te nemen, met de grenzen van dat antwoord intact.
Bijgewerkt op 26 september 2026.