Les entreprises de commerce électronique devraient se soucier du fait que la FTC cible les fausses allégations d'IA

Aug 16, 2023

Dans le sillage de l'explosion de popularité d'OpenAI, toutes les autres entreprises de technologie de commerce électronique et de marketing semblent arriver sur le marché en prétendant avoir une solution d'intelligence artificielle. Mais la Federal Trade Commission a mis en garde les opportunistes, écrivant dans un article de blog le mois dernier que "les allégations fausses ou non fondées sur l'efficacité d'un produit sont notre pain et notre beurre".

Les entreprises de commerce électronique qui cherchent à adopter une solution basée sur l'IA et l'apprentissage automatique devraient en prendre note. C'est parce que ce sont ces mêmes technologies que tant d'entreprises trouvent attrayantes que la FTC poursuit des allégations fausses et exagérées sur l'IA et l'apprentissage automatique. Pour les entreprises qui cherchent à évoluer rapidement et à résoudre des problèmes techniques très complexes tels que l'optimisation des réseaux de distribution et l'analyse de quantités de données, la promesse de l'IA et du ML est grande.

Mais comment les entreprises de commerce électronique, à l'instar de la FTC, séparent-elles les faits de la fiction ? Ils peuvent commencer par se renseigner sur les types de réclamations que la FTC prévoit d'enquêter, les cas d'utilisation établis pour l'IA et le ML dans le commerce électronique, et comment évaluer en toute sécurité ces technologies pour déterminer celles qui sont une aubaine pour leur entreprise et celles qui sont fausses.

Le billet de blog de la FTC énonce quatre critères que l'agence utilisera pour examiner les allégations d'IA et de ML :

Publicité

Les coûts pour les annonceurs qui font de fausses déclarations dans ce domaine sont énormes. Des exemples suggèrent que les violations peuvent entraîner des amendes de six ou sept chiffres. Mais les coûts pour les entreprises de commerce électronique ne doivent pas non plus être pris à la légère. En période de ralentissement et pendant une période de coûts publicitaires élevés, les marques de commerce électronique ne peuvent pas épargner de l'argent sur l'huile de serpent numérique.

Quels sont certains des cas d'utilisation établis pour l'IA et le ML dans le commerce électronique ?

L'apprentissage automatique joue un rôle dans l'amélioration des expériences des marques et des clients de commerce électronique depuis un certain temps déjà. Il a aidé les consommateurs grâce à des recommandations personnalisées et à un service client automatisé, et les propriétaires de boutiques de commerce électronique ont vu leur charge de travail rationalisée grâce à la gestion de l'offre et de la demande, à la détection des fraudes et à la prédiction de l'attrition.

Avant l'IA et l'apprentissage automatique, les pratiques désormais courantes telles que la tarification dynamique étaient en grande partie manuelles. Auparavant, la tarification dynamique impliquait uniquement des données historiques et l'intuition, ce qui pouvait prendre du temps et ne pas être fiable. Mais l'IA et le ML permettent aux marques d'analyser de grandes quantités de données en temps réel, telles que les prix des concurrents, les coûts de la chaîne d'approvisionnement et les modèles de demande des clients. Cette analyse de données rapide et évolutive, qui était auparavant impossible, alimente l'innovation dans un certain nombre de fonctions essentielles au commerce électronique, et pas seulement dans la tarification.

L'attribution marketing est l'une des prochaines frontières dans l'utilisation de l'IA et du ML par les entreprises de commerce électronique. L'apprentissage automatique permet aux spécialistes du marketing de mieux analyser et comprendre les parcours, la conversion et la fidélisation des clients. Compte tenu de la quantité de données collectées par les plateformes d'attribution et du temps nécessaire pour les analyser et les comprendre efficacement, l'IA et le ML sont essentiels pour libérer tout le potentiel de l'attribution marketing.

Selon toute vraisemblance, si un outil d'attribution marketing n'utilise pas l'IA et le ML, au moment où les spécialistes du marketing ont pris le temps et pris les mesures nécessaires pour analyser l'énorme quantité de données collectées chaque jour, plusieurs jours se sont écoulés, ce qui oblige à rester éveillé à ce jour presque impossible. L'apprentissage automatique aide les spécialistes du marketing à gérer cette entreprise en créant un modèle d'attribution reflétant le comportement des utilisateurs sur leurs sites de commerce électronique.

Une autre application du ML dans le commerce électronique est la reconnaissance de formes. Encore une fois, plus de données signifie plus de ressources pour bien les comprendre. Mais ML fait le gros du travail en calculant efficacement les chiffres pertinents, ce qui signifie que les propriétaires de sites de commerce électronique utilisent les mesures les plus récentes pour optimiser les stratégies de marketing et d'expérience client et laisser derrière eux les approches qui ne suffisent pas.

Pour les marques de commerce électronique, protéger les clients et leur réputation signifie se protéger de quiconque colportant des technologies avec des capacités supposées qui ne résistent pas à une inspection plus approfondie par les clients, les investisseurs ou les agences gouvernementales.

Lorsqu'il s'agit d'évaluer une technologie d'attribution qui promet des miracles marketing, il y a une bonne règle empirique : si cela semble trop beau pour être vrai, c'est probablement le cas.

Les entreprises de commerce électronique doivent aborder ces réclamations avec prudence en suivant les étapes suivantes et en posant les questions correspondantes :

1. Comprendre la technologie : Comment fonctionne la technologie ? Quelles données utilise-t-il ? Sur quels algorithmes repose-t-il ? Quels sont ses limites ou inconvénients ?

2. Tenez compte de la réputation du fournisseur : Quelle est leur réputation sur les marchés concernés ? Ont-ils des violations antérieures, des poursuites judiciaires ou des plaintes crédibles ?

3. Demandez des études de cas : Le fournisseur peut-il fournir des histoires de réussite ou des témoignages de clients ? Quelle technologie a été utilisée dans ces études de cas et dans quelle mesure ressemble-t-elle à la technologie vendue ? Quels résultats ont été obtenus ?

4. Testez la technologie : La technologie peut-elle être testée par rapport aux propres données du vendeur dans un scénario réel ? La période d'évaluation sera-t-elle suffisamment longue ? Quel type de soutien sera offert pendant la période d'évaluation?

Les marques de commerce électronique devraient partager les préoccupations de la FTC, mais l'IA et le ML, correctement mis en œuvre, offrent aux spécialistes du marketing des avantages très substantiels qui ne doivent pas être ignorés. Des lignes directrices émergent au fur et à mesure que des problèmes surgissent, et ces types de problèmes sont prévisibles dans les premiers stades du boom d'une industrie ou d'une technologie. Mais vous protéger contre les allégations fausses ou exagérées peut être aussi simple que de faire ce que fait la FTC : regarder de plus près.

Phil Dubois est le PDG et co-fondateur d'AdAmplify, un fournisseur de la prochaine génération de logiciels d'attribution marketing. Utilisé par les boutiques en ligne, le logiciel d'AdAmplify montre quels canaux et campagnes fonctionnent, lesquels ne fonctionnent pas et où il y a des opportunités de croissance. Piloté par l'apprentissage automatique (ML), Dimensions met en évidence les tendances, interprète les résultats et projette le potentiel de revenus futurs des canaux marketing d'un magasin.

Soumettre un Executive ViewPoints.

Publicité