ИИ для продажи товара: выбор по марже на сессию

Короткий вывод

ИИ для продажи товара — не один продукт, а четыре разных класса решений: генерация карточек, консультант на сайте, ответы в переписке и дожим незавершённой покупки. Выбирать их нужно по узкому месту в процессе, а оценивать — по дополнительной марже на сессию после возвратов, ошибок по остаткам, человеческой проверки и затрат на правовой процесс.

Международные эксперименты показывают разброс эффекта от отсутствующего до заметного. Сопоставимых российских исследований с контрольной группой и раскрытой экономикой найти не удалось, поэтому бизнес-план без собственного теста будет предположением.

Исходная проблема

Под запросом «ИИ для продажи товара» смешивают разные задачи. Нейросеть может написать описание, подобрать позицию в каталоге, ответить на вопрос покупателя или вернуть его в брошенную корзину. Но число карточек, скорость ответа и конверсия в диалог не доказывают, что продавец получил дополнительную прибыль.

Проблема возникает в момент, когда витринная метрика подменяет экономический результат:

• генератор подготовил больше карточек, но товар не стал заметнее или понятнее;
• ИИ-консультант начал больше диалогов, но предлагал дешёвые позиции;
• ИИ-продавец отвечал круглосуточно, но использовал неактуальные остатки;
• чат-бот для продажи товаров собрал контакты, но процесс согласий и хранения данных пришлось переделывать;
• апсейл увеличил сумму оформленных заказов, но одновременно выросли отмены и возвраты.

Поэтому вопрос «какой ИИ выбрать» нужно начинать не со списка функций. Сначала следует определить, на каком этапе теряется валовая маржа и может ли конкретный класс ИИ изменить именно этот этап. Общие способы работы с другими причинами потерь собраны в материале о том, как увеличить конверсию сайта.

Что мы проанализировали

Мы сопоставили четыре класса ИИ для товарных продаж и применили к каждому одну методологию: расчёт дополнительной маржи на сессию. В неё входят результат тестовой и контрольной групп, валовая маржа фактически завершённых заказов, возвраты, состояние остатков в момент ответа, стоимость проверки и затраты на приведение процесса к требованиям российского права.

Публичные данные подтверждают, почему одной конверсии недостаточно:

• Переходы из генеративных ИИ-интерфейсов на американские интернет-магазины выросли на 1 200% с июля 2024-го по февраль 2025-го. Эти посетители смотрели на 12% больше страниц и имели на 23% меньший показатель отказов, но совершали покупку на 9% реже посетителей из остальных каналов. Вывод основан более чем на 1 трлн посещений и дополнительном опросе более 5 000 потребителей — отраслевая веб-аналитика, 2025.
• За первые 12 месяцев переходы из больших языковых моделей обеспечили менее 0,2% органического трафика — примерно в 200 раз меньше органического поиска. Канал уступал большинству изученных каналов по конверсии и выручке на сессию — рецензируемое исследование 973 сайтов, 10,5 млрд сессий и 164,9 млн транзакций.
• В рандомизированных полевых экспериментах прирост продаж от ИИ находился в диапазоне от отсутствующего эффекта до 16,3%. В сценариях с положительным результатом расчётная дополнительная ценность составляла около $5 на потребителя в год. Эффект зависел от того, насколько ИИ улучшал уже существующий процесс — полевое исследование миллионов пользователей и товаров.
• В 2025 году 45% опрошенных ретейлеров уже применяли генеративный ИИ для товарных описаний, ещё 47% планировали применение и только 8% не имели таких планов. Массовость функции не доказывает её влияние на прибыль — международный отраслевой отчёт, 775 руководителей.
• Технический бенчмарк показал, что генерация без обращения к проверяемым данным особенно плохо покрывает длинный хвост ассортимента: полнота поиска составляла лишь 1–3%. Лучший из проверенных универсальных ИИ получил 11,22% по точности подбора и прошёл 65,38% проверок безопасности, тогда как у экспертов результаты составили 25,73% и 90,90% соответственно — открытый технический бенчмарк, 2025.

Эти цифры нельзя переносить в финансовую модель российского магазина. Они доказывают другое: эффект зависит от сценария и должен измеряться контролируемым тестом на собственном ассортименте.

Главный вывод

ИИ для продажи товара — это не автономная модель, которая «сама продаёт», а управляемая цепочка: каталог и остатки → нормализация характеристик → поиск кандидатов → фильтрация по цене, наличию, региону и совместимости → ранжирование → объяснение выбора → проверка правил → переход к заказу → фиксация результата.

Если отсутствует источник истины по товарам, разговорная модель только убедительнее сообщает потенциально неверные сведения. В одном исследовании 34% обследованных интернет-магазинов уже внедряли сложное ИИ-сопровождение покупки, хотя у 49% поиск не показывал актуальную доступность товара — глобальная оценка цифровой торговли, 2025.

Практический критерий выбора прост: внедрение имеет смысл, если после запуска увеличивается дополнительная маржа на сессию, а не только количество диалогов, карточек или оформленных заказов.

Четыре класса ИИ: чем отличаются

Разбор по пунктам

1. Генерация карточек, описаний и характеристик

Нейросеть для описания товаров и карточек решает производственную задачу: превращает набор атрибутов в заголовок, описание, преимущества и варианты текста. Она полезна, когда карточки создаются медленно или имеют неодинаковую структуру.

Однако такая система не является ИИ-продавцом. Она влияет на продажу косвенно — через полноту информации, обнаружение товара и снижение нагрузки на контент-команду.

Безопасный процесс выглядит так:

1. Характеристики поступают из проверенного товарного справочника.
2. Обязательные поля нормализуются до генерации.
3. Модель может переформулировать факты, но не создавать новые характеристики.
4. Утверждения о совместимости, безопасности и условиях применения проходят отдельные правила.
5. Изменения связываются с товаром, категорией и периодом, чтобы затем сопоставить их с продажами и возвратами.

Число опубликованных карточек показывает производительность, но не коммерческий эффект. Для оценки нужно сравнить сопоставимые товарные группы или периоды по валовой марже на сессию. Если одновременно изменились цена, реклама, остатки или ассортимент, результат нельзя приписывать одному ИИ.

2. ИИ-консультант в чате на сайте

ИИ-консультант для интернет-магазина работает ближе всего к продавцу: выясняет потребность, фильтрует каталог, сравнивает варианты, отвечает на вопросы и ведёт к заказу либо передаёт диалог человеку.

Сильный сценарий начинается не с генерации ответа, а с поиска по каталогу. Например, покупатель задаёт ограничения по бюджету, региону, размеру или совместимости. Система сначала исключает неподходящие и отсутствующие позиции, затем ранжирует оставшиеся и только после этого объясняет выбор.

Чат-бот для продажи товаров, построенный только на сценарных кнопках, хорошо собирает известные поля, но хуже работает со свободными формулировками. Генеративный ИИ понимает больше вариантов вопроса, однако требует жёстких границ: разрешённых источников, фильтров и условий передачи человеку.

Метрика «конверсия в диалог» здесь особенно опасна. Бот способен начать разговор почти с каждым посетителем, не изменив количество прибыльных заказов. Контрольная метрика — дополнительная маржа на сессию всего тестового трафика, включая посетителей, которые закрыли чат.

3. ИИ в переписке на классифайдах и маркетплейсах

В переписке ИИ отвечает на вопросы о наличии, комплектации, вариантах, доставке и следующем шаге. Он также может извлекать параметры запроса и передавать менеджеру структурированное резюме.

Главное ограничение — бот работает внутри чужого канала. Перед запуском необходимо проверить текущие правила площадки в отношении автоматических ответов, допустимой частоты сообщений, передачи контактов и доступа к данным. Эти правила меняются, поэтому их нельзя один раз записать в техническое задание и считать постоянными.

Экономический результат нужно связывать не с количеством ответов, а с заказом. Минимальная цепочка данных: идентификатор переписки → идентификатор товарного запроса → заказ → фактический статус исполнения → возврат → валовая маржа.

Если такой связи нет, пилот показывает только операционную скорость. Внутренний пример внедрения можно изучить в материале кейс продаж на маркетплейсе, но его результат нельзя автоматически переносить на другой ассортимент и поток покупателей.

4. ИИ-дожим: брошенная корзина, повторная покупка и апсейл

Этот класс решений работает после первого интереса: напоминает о незавершённом заказе, предлагает совместимый товар или возвращает покупателя в диалог.

ИИ-допродажа и апсейл в чате полезны, если рекомендации основаны на совместимости и реальной марже. Оптимизация только суммы корзины создаёт конфликт: система может продвигать дорогой, но неподходящий товар либо добавлять позиции, повышающие вероятность возврата.

Поэтому в расчёт попадает не оформленная корзина, а валовая маржа доставленного и не возвращённого заказа. Дополнительно сравниваются медиана чека, структура товаров и возвраты тестовой и контрольной групп.

Дожим требует отдельной правовой проверки. Ответ на входящий вопрос и последующее рекламное сообщение — не один сценарий. Если коммуникация признаётся рекламной и идёт по сети электросвязи, требуется предварительное доказуемое согласие адресата.

5. Что ИИ реально делает вместо человека

В ограниченном и проверяемом контуре ИИ способен почти полностью выполнять три задачи:

• превращать подтверждённые характеристики в черновики карточек и варианты описаний;
• отвечать на повторяющиеся вопросы, если ответ присутствует в базе знаний и актуальном каталоге;
• классифицировать запрос, собирать параметры и направлять диалог нужному сотруднику.

Ещё три задачи он должен готовить для менеджера, а не закрывать безусловно:

• подбор при сложной совместимости, замерах или неоднозначных требованиях;
• обещание индивидуального срока, скидки, резерва или нестандартной доставки;
• работа с претензией, опасным способом применения или конфликтующими данными.

Граница проходит не между «умным» и «недостаточно умным» ИИ. Она проходит между ответом, который можно проверить по структурированному источнику, и решением, требующим ответственности или экспертной оценки.

6. Дополнительная маржа на сессию: формула и четыре вычета

Основная формула для групп разного размера:

Дополнительная маржа на сессию =
(валовая маржа завершённых заказов ИИ-группы / сессии ИИ-группы)
− (валовая маржа завершённых заказов контрольной группы / сессии контрольной группы)
− (стоимость проверки ответов / сессии ИИ-группы)
− (прямые потери из-за неактуальных позиций / сессии ИИ-группы)
− (резерв на исправление правового процесса / сессии ИИ-группы)

Если группы равны по числу сессий, первые две части можно записать как разницу валовой маржи групп, делённую на число сессий. При разных размерах каждую группу необходимо нормировать отдельно.

Как приписать сделку ИИ. Идентификатор сессии связывается с заказом. Пользователь сохраняется в назначенной тестовой или контрольной группе независимо от того, открыл ли он чат. Это не позволяет исключить неудобные сессии после эксперимента. Атрибуция только по последнему переходу недостаточна: покупатель может получить рекомендацию, а вернуться к покупке другим путём.

Вычет 1: смещение среднего чека и возвраты. Сравните не только среднее, но и медиану чека, структуру категорий и фактические возвраты. В 12-месячном исследовании конверсия ИИ-трафика росла, но средний чек снижался, поэтому выручка на сессию увеличивалась умеренно. В формулу должна попадать валовая маржа завершённых и не возвращённых заказов, а не сумма оформленных корзин.

Вычет 2: отсутствующие и неактуальные позиции. Сохраните остаток, цену и статус товара на момент ответа. Отдельно посчитайте долю сессий, в которых ИИ рекомендовал позицию с нулевым либо неактуальным остатком. Вычитать нужно прямые расходы, ещё не учтённые в валовой марже: обработку отмены, повторную коммуникацию, предоставленную компенсацию и другие подтверждённые издержки. Потерянную продажу нельзя вычитать повторно, если она уже снизила результат тестовой группы.

Вычет 3: человеческая проверка. Стоимость проверки равна времени сотрудника на просмотр и исправление ответов, умноженному на его стоимость рабочего времени. В выгрузке фиксируются факт правки и затраченное время. Если менеджер переписывает почти каждый ответ, проект может экономить время покупателя, но не время бизнеса.

Вычет 4: правовой процесс. Резерв не следует рассчитывать как случайно выбранную вероятность максимального штрафа. Включите подтверждаемые затраты: проверку оснований обработки, отдельную форму согласия, журналирование, локализацию баз, изменение текстов, договоров и регламента реагирования на инциденты. Возможные санкции моделируются отдельно вместе с юристом, чтобы не выдавать предположение за бухгалтерский расход.

Посчитайте дополнительную маржу на сессию на своих данных. Если хотите проверить гипотезу на живом трафике, Excella — AI-виджет, который ведёт диалог с покупателем на сайте и в переписке на классифайдах, отвечает по вашей базе знаний и остаткам и передаёт диалог человеку по правилам эскалации. Запускайте пилот с контрольной группой и сравнивайте маржу, а не число диалогов.

7. Где ИИ ломается и как это закрывается технически и юридически

Неактуальные остатки, цены и сроки. Модель не должна воспроизводить сведения из памяти или старого текста карточки. Цена, наличие, регион и срок доставки запрашиваются из назначенного источника истины перед формированием ответа. Если источник недоступен или сведения устарели, бот сообщает, что требуется проверка, и передаёт вопрос человеку.

Выдуманная характеристика или совместимость. Ответ разрешается только при наличии подтверждённого атрибута или правила совместимости. Отсутствие сведений означает отсутствие ответа, а не разрешение модели сделать вывод по похожему товару. Для сложного подбора полезно сохранять не только ответ, но и использованные источники и применённые фильтры.

Необоснованное обещание. Срок, скидка, резерв, возврат и нестандартная доставка относятся к действиям с коммерческими последствиями. Для них задаются разрешённые диапазоны или обязательная эскалация. Бот должен замолчать при конфликте источников, запросе вне базы знаний, признаках претензии, риске неверной совместимости и отсутствии обязательных параметров.

Цена и наличие: оферта или информация. По статьям 435, 437 и 438 ГК РФ сообщение становится офертой не из-за того, что его написал бот, а если оно достаточно определённо, содержит существенные условия и выражает намерение заключить договор. Реклама и иные предложения обычно считаются приглашением делать оферты, если из содержания не следует иное. Полный и безоговорочный ответ либо действия по исполнению условий могут быть акцептом.

Даже если сообщение не является офертой, продавец обязан своевременно сообщать необходимую и достоверную информацию о товаре по статье 10 Закона о защите прав потребителей. Статья 12 предусматривает последствия ненадлежащей информации. Надпись «ответ создан ИИ» не переносит ответственность с продавца на модель.

Персональные данные и реклама. Сбор телефона, электронной почты, идентификатора покупателя и истории, позволяющей определить человека, требует законного основания обработки. Согласие — не единственное возможное основание, но если процесс опирается на него, оператор должен доказать его получение. С 1 сентября 2025 года согласие оформляется отдельно от иных подтверждаемых или подписываемых документов — часть 1 статьи 9 152-ФЗ.

При интернет-сборе персональных данных граждан РФ запись, систематизация, накопление, хранение, уточнение и извлечение через зарубежные базы не допускаются, кроме предусмотренных законом исключений — часть 5 статьи 18 152-ФЗ. Для организации нарушение локализации влечёт штраф от 1 до 6 млн рублей, повторное — от 6 до 18 млн рублей по частям 8–9 статьи 13.11 КоАП РФ.

Рекламные сообщения по телефону, SMS и другим сетям электросвязи допускаются только при предварительном согласии адресата, которое обязан доказать отправитель. По требованию получателя рассылка должна быть прекращена — статья 18 38-ФЗ. Для юридического лица нарушение требований к такой рекламе влечёт штраф от 300 тыс. до 1 млн рублей по части 4.1 статьи 14.3 КоАП РФ.

Правовая квалификация зависит от конкретного сценария, текста и способа отправки. Этот раздел задаёт требования к проектированию, но не заменяет проверку процесса юристом.

Что это значит для бизнеса

Выбор класса ИИ зависит от места потери маржи:

• Если команда не успевает создавать карточки для проверенного каталога, начните с генерации описаний.
• Если посетители не могут подобрать товар среди сопоставимых вариантов, проверяйте ИИ-консультанта.
• Если заявки теряются из-за скорости ответа в переписке, тестируйте автоматические ответы с обязательной связью с заказом.
• Если покупатель уже проявил интерес, но не завершил заказ, рассматривайте дожим — после проверки оснований для обработки данных и рекламной коммуникации.
• Если ассортимент часто отсутствует, характеристики не нормализованы или доставка рассчитывается вручную, сначала исправьте данные и процесс.

Экономика внедрения

Выручка на сессию рассчитывается как количество заказов, делённое на количество сессий и умноженное на средний чек. Эквивалентная запись — выручка, делённая на сессии. Но для решения о внедрении нужна валовая маржа на сессию, потому что одинаковая выручка может иметь разную себестоимость и возвратность.

Экономический эффект за период:

(выручка на сессию теста − выручка на сессию контроля)

× число тестовых сессий

× валовая маржинальность

− дополнительные расходы на трафик

− генерация и поиск

− интеграция и хранение данных

− проверка и сопровождение

− подтверждённые потери на возвратах и ошибках

− затраты на правовой процесс

Если часть расходов уже вычтена при расчёте дополнительной маржи на сессию, повторно вычитать её нельзя.

Совокупная стоимость владения (TCO, total cost of ownership) включает не только тариф решения, но и подготовку каталога, интеграцию, вычисления, поиск, хранение журналов, контроль качества, работу менеджеров, сопровождение и правовые изменения. Стоимость привлечения клиента (CAC, customer acquisition cost) для отдельного сценария можно считать как относимые к нему расходы, разделённые на число новых покупателей.

Срок окупаемости равен начальным затратам, делённым на ежемесячную дополнительную валовую прибыль. Если дополнительная маржа на сессию неположительна, срока окупаемости нет — даже при росте диалогов и оформленных корзин.

О структуре затрат на конкретный класс решения можно дополнительно прочитать в разборе, сколько стоит AI-виджет для сайта.

Ошибки

Ошибка 1. Сначала разговорный помощник, потом каталог

Если поиск не знает актуального наличия, ИИ будет рекомендовать позиции, которые невозможно заказать. Сначала нужен источник истины, затем диалоговый интерфейс.

Ошибка 2. Оптимизировать только конверсию

Конверсия может вырасти одновременно со снижением среднего чека или увеличением возвратов. Сравнивать нужно валовую маржу завершённых заказов на сессию.

Ошибка 3. Считать только пользователей, открывших чат

Так из теста исчезают посетители, которых виджет отвлёк или которым оказался не нужен. В анализ должны входить все сессии, назначенные в тестовую группу.

Ошибка 4. Не учитывать работу оператора

Если сотрудник проверяет и исправляет каждый ответ, его время становится переменной себестоимостью продажи. Его нужно фиксировать на уровне диалога.

Ошибка 5. Разрешить модели отвечать вне базы знаний

Уверенная формулировка не является доказательством. Если характеристика, совместимость или срок не подтверждены, требуется отказ от ответа или эскалация.

Ошибка 6. Смешать согласия

Согласие на обработку персональных данных не следует автоматически считать согласием на рекламу. Входящий диалог, оформление заказа и последующий рекламный дожим должны быть разложены на отдельные цели и основания.

Ошибка 7. Перенести зарубежный бенчмарк в российский бизнес-план

Международные результаты показывают возможный диапазон, но не прогноз для конкретного магазина. Ассортимент, трафик, маржа, возвраты, логистика и правовые расходы отличаются.

Что делать

Протокол пилота на 2–4 недели

Шаг 1. Выберите один сценарий. Не тестируйте одновременно новые карточки, консультанта и дожим. Иначе невозможно понять источник изменения.

Шаг 2. Определите единицу эксперимента. Для сайта обычно подходит сессия или устойчиво назначенный посетитель. Выбранная единица не должна переходить между тестом и контролем.

Шаг 3. Зафиксируйте минимальный экономически значимый эффект. Это не желаемый рост диалогов, а минимальная дополнительная маржа на сессию, при которой покрывается совокупная стоимость владения. Достаточный объём рассчитывается по этому эффекту и разбросу вашей исторической маржи. Универсального числа сессий нет.

Шаг 4. Подготовьте поля выгрузки:

• идентификатор сессии и назначенная группа;
• идентификатор диалога;
• номер заказа;
• сумма заказа;
• себестоимость либо маржинальность категории;
• фактический статус исполнения;
• статус и сумма возврата;
• товары, предложенные ИИ;
• цена и остаток каждого товара на момент ответа;
• факт передачи человеку;
• факт правки ответа оператором;
• время проверки;
• причина остановки или эскалации;
• основание сбора контакта и версия текста согласия, если оно требуется.

Полную интеграцию на этапе пилота можно заменить контролируемой выгрузкой каталога и ручным связыванием сессий с заказами. Но при частом изменении остатков такая выгрузка быстро перестаёт быть источником истины — это отдельное основание не запускать автоматические ответы.

Шаг 5. Не меняйте условия только для одной группы. Цена, трафик, ассортимент и правила доставки должны быть сопоставимы. Если изменение неизбежно, оно фиксируется в журнале эксперимента.

Шаг 6. Считайте результат по завершённым заказам. Сначала сравните валовую маржу на сессию, затем вычтите проверку, прямые потери из-за неверных данных и затраты на правовой процесс.

Шаг 7. Установите стоп-правила. Пилот останавливается досрочно, если ИИ систематически сообщает неверные цены или остатки, придумывает характеристики, пропускает ограничения совместимости, отправляет рекламу без подтверждённого согласия либо раскрывает данные не тому получателю. Отдельное стоп-условие — стоимость проверки, которая поглощает наблюдаемый прирост маржи.

Когда ИИ не окупится в принципе

• Валовая маржа единицы товара ниже стоимости проверки и сопровождения.
• Остатки меняются часто, а их учёт запаздывает.
• Ассортимент не имеет нормализованных характеристик.
• Подбор зависит от сложной приёмки, примерки, замеров или экспертной диагностики.
• Большинство покупателей выбирает только по цене и не нуждается в консультации.
• Поток сессий недостаточен для проверки экономически значимого эффекта.
• Нельзя связать диалог с фактически исполненным заказом и возвратом.
• Бизнес не готов хранить доказательства источников ответа, согласий и действий системы.

Дополнительные сценарии собраны в разделах материалы про AI в продажах и разбор AI-инструментов.

Вывод

ИИ для продажи товара стоит выбирать не по обещанию «продавать круглосуточно», а по месту в цепочке: карточка, консультация, переписка или дожим. Для каждого класса действует единый критерий — положительная дополнительная маржа на сессию после возвратов, ошибок по остаткам, человеческой проверки и затрат на правовой процесс.

Посчитайте дополнительную маржу на сессию по формуле из статьи на своих данных — шаблон необходимых полей приведён в протоколе пилота. Если хотите проверить гипотезу на живом трафике, Excella — AI-виджет, который ведёт диалог с покупателем на сайте и в переписке на классифайдах, отвечает по вашей базе знаний и остаткам и передаёт диалог человеку по правилам эскалации. Запустите пилот с контрольной группой и сравните маржу, а не число диалогов.

Автор материала

Максим Сивцев

Основатель и генеральный директор Excella

Все материалы автораПрофиль