8 задач, которые решает ИИ в ecommerce 

Алгоритмы ИИ могут обрабатывать большие массивы разных данных: историю продаж компании, покупок и поведения покупателей, действия конкурентов, изменения в экономике и даже погоду. 

Благодаря этой информации ИИ прогнозирует, сколько и каких именно товаров люди захотят купить в разные сезоны года, праздники или во время акций. На основе этих прогнозов компания может выпустить нужное количество товаров и сформировать адекватные рынку цены.  

Например, X5 Retail Group разработал собственный ИИ-алгоритм — с ним меньше товаров попадает под списание просрочки. Искусственный интеллект рассчитывает, сколько единиц товара сможет продать каждый магазин за определённый промежуток времени. Так в розничные точки поступает столько продуктов, сколько успеют распродать до истечения срока годности.

Лента рекомендаций в интернет-магазине — это поток карточек с товарами, который пользователь видит на страницах сайта. В отличие от каталога, лента подстраивается под интересы покупателя. Если клиент смотрит толстовки и брюки, в рекомендациях выходят похожие модели. Если уже купил эти вещи — лента предлагает аксессуары в похожем стиле и цветовой гамме.

Ленту с рекомендациями обычно можно увидеть на главной странице и в блоках «Похожие товары», «Рекомендуем», «Недавно просмотренные» и другие. 

Ленту рекомендаций выстраивают алгоритмы машинного обучения (Machine Learning). Они анализируют историю покупок, клики на карточки, продукты в «Избранном» и корзине, просмотренные карточки товаров и другие действия пользователя. И на их основе предлагает похожие товары.

Например, российский бренд одежды ALL WE NEED добавил рекомендации на основе машинного обучения в ленту. Если пользователь заходит на страницу с пальто, алгоритмы предлагают подходящую по цветовой гамме и стилю базовую одежду, обувь и аксессуары.

Увидеть рекомендации от ИИ можно и на Яндекс Маркете: на главной странице приложения и в отдельных вкладках «Одежда», «Дом», «Электроника», «Дети» и другие. Лента пользователя формируется на основе его прошлых заказов, поисковых запросов, понравившихся товаров, размера одежды. 

А в Яндекс Лавке пользователь может не просто отобрать и заказать продукты, а попросить AI-ассистента подобрать товары под определённый рецепт или событие. При этом клиент может уточнить свои вкусовые предпочтения или ограничения — например, если есть аллергия на какие-то продукты. ИИ учтёт это и составит ленту под запрос. Покупателю остаётся добавить товары в корзину и сделать заказ.  

Искусственный интеллект может общаться с клиентами не хуже консультантов из службы поддержки. Для этого есть ИИ-бот — программа, которая имитирует человеческое общение с помощью текста или голоса.

Бот может отвечать на сложные технические вопросы, рекомендовать дополнительные товары, работать с возражениями, собирать и обрабатывать данные клиентов. ИИ-бот постоянно учится на новых данных и со временем становится умнее.

В отличие от менеджеров с нерабочим временем и выходными, боты отвечают на запросы мгновенно 24/7 на сайте, в соцсетях, мессенджерах и приложениях. Так компания не теряет покупателей и выручку. 

Один из наших клиентов настроил ИИ-бота в Телеграме и интегрировал его с RetailCRM. ИИ консультирует пользователей, рассчитывает стоимость доставки, ищет ближайший к дому ПВЗ и отвечает на вопросы о настройке товаре после покупки.

Компания увидела результаты уже через месяц — рост выручки на 30% и на 17% меньше потерянных лидов.  

Алгоритмы Machine Learning умеют предлагать скидки и бонусы с учётом предпочтений и поведения каждого клиента. Допустим, клиент часто покупает в магазине развивающие игрушки для детей до пяти лет. ИИ может предложить повышенную скидку на детские товары по карте лояльности.  

Например, Lamoda перешла от традиционной программы лояльности (с одинаковыми бонусами для всех клиентов) к гибкой системе вознаграждений, которая подстраивается под каждого пользователя.

ИИ-алгоритмы магазина анализируют историю покупок, просмотренные карточки товаров, продукты в корзине, а также количество выкупленных заказов и возвратов. Затем на их основе формируют для клиента индивидуальный размер скидки на интересующие товары. 

Например, если посетитель сайта чаще смотрит карточки с сапогами и деловой одеждой, ИИ предлагает скидки на них. Это увеличивает продажи и средний чек интернет-магазина. 

М.Видео тоже использует в программе лояльности искусственный интеллект, но скидка клиента зависит не от суммы выкупа, а от предпочтений и прошлых покупок. ИИ анализирует, что клиент заказывал ранее, какие товары просматривал, когда тратил больше. Затем предлагает скидки на конкретные группы товаров. Например, скидку на пылесос, если пользователь недавно покупал технику для дома.

ИИ может генерировать визуал и текст для карточек товаров. Искусственный интеллект собирает реалистичные изображения продуктов, описания и заголовки с учётом SEO-требований для продвижения в поисковых системах. Это быстрее и дешевле, чем привлекать дизайнеров и копирайтеров для создания тысячи однотипных картинок и текстов.  

Amazon одним из первых начал использовать генеративный ИИ для создания реалистичных фотографий товаров. Продавец загружает студийное фото товара на белом фоне и даёт текстовую подсказку, а нейросеть помещает этот товар в подходящую среду. 

Например, ИИ показывает письменный стол в разных интерьерах. Также добавляет компьютер, лампу и другие предметы, чтобы покупатель мог оценить габариты и вместительность столешницы.

А у Лемана Про ИИ создаёт описания и изображения товаров, адаптируя их под разные площадки. Сотрудники отправляют описание и характеристики продукта, а ИИ генерирует текст для карточки товара и картинку. ИИ также проверяет тексты на уникальность и уровень спама для SEO-продвижения. 

Готовый текст и изображения проверяют сотрудники и корректируют, если нужно. Такой подход позволил на 95% снизить бюджет на создание контента. 

Чем больше клиентская база, тем сложнее собирать рассылки вручную. Нужно продумать, какие письма отправить каждому клиенту, придумать цепляющие темы, сделать картинки, собрать и сверстать письмо. 

Искусственный интеллект помогает создавать сценарии рассылок, пишет тексты, разрабатывает макеты писем и генерирует картинки. Менеджер только контролирует процесс и корректирует результаты. 

В RetailCRM создание сценариев и текстов рассылок можно делегировать AI-помощнику. Он сам уточняет цель и каналы коммуникации, а затем создаёт сценарий рассылки. Далее пишет тексты в зависимости от истории заказов, товаров в «Корзине» или среднего чека. Маркетологу остаётся проверить результат и доработать его, если нужно.

В AI-помощнике можно выбрать готовый сценарий: welcome-цепочку, допродажи, реактивацию спящих клиентов, день рождения или сбор обратной связи. Или прописать детали собственного сценария.

Сам процесс занимает несколько минут. Менеджеру сначала нужно выбрать цель сценария — например, мотивировать на покупку нового клиента, вернуть ушедшего или собрать отзыв на товар. Затем ответить, какие каналы (WhatsApp*, email или SMS) использовать для рассылки и какие кнопки добавить в письмо. А в конце скорректировать детали.

Также AI-помощник помогает достучаться до клиента в разных каналах. Например, пользователь получил email-рассылку со скидкой, но не сделал заказ. AI отправит повторное сообщение в WhatsApp*, чтобы напомнить о предложении. Если нет реакции, отправит SMS.

С ИИ меньше времени уходит на рутину и ручную сборку писем и больше — на тестирование гипотез и их коррекцию. Это помогает лучше подстраивать письма под интересы клиентов и увеличивать конверсию в продажу. 

Менеджеры по продажам часто сталкиваются с однотипными вопросами. А ещё наплывом обращений в праздники и после рекламных кампаний. Клиенты слишком долго ждут ответа и уходят к конкурентам.

Искусственный интеллект может взять на себя часть нагрузки менеджеров. Голосовые помощники на основе ИИ общаются с клиентами без участия человека. Это снижает время ожидания ответа и улучшает клиентский опыт.

Например, собственный помощник есть у Т-Банка. AI-ассистент отвечает на вопросы клиентов во время звонка: рассказывает про банковские продукты, решает проблемы с картами или помогает разблокировать счёт. Причём часть вопросов он закрывает без помощи менеджеров. Это снижает нагрузку на операторов в пиковые моменты. 

Пользователи RetailCRM тоже могут сократить рутину и контролировать работу сотрудников с AI-инструментами. 

Например, ИИ-помощник расшифровывает, тегирует и оценивает звонки менеджеров. Сотруднику или руководителю не нужно слушать весь разговор — можно прочитать краткое резюме звонка и определить, чем интересовался клиент.

А теги помогают сразу узнать, закончился ли разговор продажей, состоит ли клиент в программе лояльности, как часто делает заказы. Ещё по тегам можно разделять звонки на категории (продали/ не продали / ушёл подумать / нашли дешевле и прочее). Это упрощает поиск информации по фильтрам в системе и помогает выстраивать аналитику продаж. 

У руководителей отдела продаж много времени уходит на прослушивание звонков, сбор обратной связи для сотрудников и улучшение скриптов. Автоматизировать эти процессы тоже помогает ИИ. 

В RetailCRM AI-бот сам оценивает работу менеджеров в чатах с клиентами и во время звонков. В системе можно задать до 20 разных критериев оценки. Например, вежливость сотрудника, обработка возражений и допродажи. ИИ учтёт эти критерии, проанализирует переписку или запись звонка и соберёт отчёт. 

У одного из наших клиентов — магазина одежды Estilo — AI-помощник оценивает общение менеджеров с клиентами в переписке. 

Бренд выбрал для оценки такие критерии:

1. Приветствие: поздороваться и представиться клиенту.
2. Выявление потребности: спросить, чем покупатель интересуется.
3. Презентация товара: рассказать, какие есть модели, размеры и цены.
4. Доведение до оплаты: напомнить заказать товар или предложить замену, если нужной модели нет в наличии.

В RetailCRM клиент видит готовый отчёт в виде таблицы и может оценить работу каждого менеджера по всем заданным критериям. 

С AI-ботом магазин повысил уровень сервиса, перестал терять клиентов и повысил мотивацию сотрудников. Это помогло на 40% увеличить прибыль на второй месяц работы в RetailCRM. 

Но ИИ может оценивать не только переписки в чатах. Можно подключить ИИ для анализа звонков с клиентами. 

Например, магазин света Don Plafon интегрировал RetailCRM и Most AI — систему автоматического анализа звонков. Это позволило анализировать 100% разговоров вместо выборочной прослушки. 

С помощью дашборда руководитель отслеживает результаты работы сотрудников и видит, где менеджеры чаще ошибаются. Например, не уточняют детали заказа или не работают с возражениями. Это помогает вовремя корректировать скрипты и сценарии обучения.

Руководитель больше не тратит время на ручную проверку — около 5 часов в неделю освободились для стратегических задач. Вырос и уровень обслуживания — теперь, когда отдел продаж находится под полным контролем руководителя, менеджеры допускают меньше ошибок. Всё это помогло на 9% увеличить конверсию из разговора в заказ.

Больше об AI-помощниках RetailCRM расскажут наши менеджеры. Обратитесь к ним в личном кабинете платформы или в WhatsApp*.