Как ИИ изменит розницу в ближайшие 5 лет: исследование Точка Банк и Dsight

Через десять лет ИИ будет узнавать покупателя сразу на входе в магазин и предлагать любимые товары по персональным ценам. Точка Банк и Dsight посмотрели, как искусственный интеллект уже меняет розницу и к чему приведёт рынок в ближайшие годы.

Исследование основано на кабинетном анализе и качественной аналитике данных. Информационная база включает более 120 источников открытых данных, годовые отчёты публичных ритейлеров и маркетплейсов, агрегированные данные платёжных систем, открытые данные ЦБ РФ и корпоративные презентации.

Что сделали:

Алгоритмы знают, что вам нравится. Они анализируют историю покупок и показывают каждому своё — товары, скидки, рассылки. Логика простая: купили, А — предложат В. Так растут продажи и вовлечённость.

Пример. В 2024 году Lamoda внедрила ИИ-систему, которая расставляет товары на главной странице под каждого пользователя. Модель анализирует поведение 17 миллионов человек и показывает то, что действительно может понравиться. После запуска люди стали чаще возвращаться и покупать больше.

Онлайн-торговля в России выросла на 41% за 2024 год, 78% заказов делаются со смартфонов, а у ритейла накопились горы данных о покупках и лояльности. При этом массовая реклама дорожает, но внимания у людей всё меньше. Поэтому бизнес переключился с «рекламы для всех» на точечные предложения для каждого. Помогло и то, что ИИ-технологии стали доступнее: готовые платформы позволяют быстро запустить персональные рекомендации без огромных бюджетов и команд маркетологов.

Персонализация уже становится нормой. Алгоритмы подбирают товары, акции и промокоды автоматически.

Крупные сети внедряют ИИ-рекомендации в свои платформы, малый бизнес подключается к готовым облачным решениям. Покупатели привыкают к тому, что витрина понимает их интересы.

Через 5 лет персонализация станет повсеместной. Предложения будут формироваться мгновенно — от купона у входа до рекомендаций прямо в соцсетях. Виртуальные примерки, голосовые ассистенты, персональные цены и скидки станут привычной частью покупок.

С персональными данными всё непросто: их использование регулируется законом, поэтому компании обязаны получать согласие пользователей и обеспечивать защиту.

Ещё одна сложность — нехватка специалистов и необходимость связывать разные системы: CRM, сайт, офлайн-данные. Для гиперперсонализации нужны чистые и объединённые данные по клиентам, а не у всех ритейлеров они есть.

Плюс есть риск переусердствовать: слишком навязчивые персональные предложения могут раздражать покупателей.

Нейросети уже забрали на себя рутину: ИИ создаёт описания товаров, креативы и даже рисует баннеры под разные сегменты. 70% российских компаний делегируют нейросетям рутинные задачи и экономят на этом время и деньги.

Пример. В сервисе Точка Банка можно сгенерировать SEO-описания товаров для маркетплейсов в один клик: достаточно базовой информации о продукте и одного клика.

В мире бесконечного контента нужно ещё больше контента, чтобы завоевать внимание клиентов. Генеративные нейросети быстро создают тексты и изображения без допрасходов на копирайтеров и дизайнеров: платные языковые модели используют уже 37% компаний.

Генеративный ИИ уже становится обычным инструментом. Магазины создают с его помощью посты, карточки товаров, рассылки и даже скрипты для автоответчиков.

Через 5 лет ИИ станет полноценным коллегой маркетологов, полностью погружённым в контекст бренда. Нейросеть будет дорисовывать недостающие фотографии, писать продающие тексты и автоматически создавать контент под каждого пользователя.

Качество итогового контента всё равно пока зависит от человека: нужно вручную перепроверять каждый материал. Есть риски плагиата: нейросеть может украсть чужую идею и выдать за свою. Санкции затрудняют доступ к зарубежным ИИ, поэтому крупным российским брендам приходится вкладываться в собственные разработки.

В понедельник джинсы на маркетплейсе стоят 5 000 рублей, а в выходные 7 000? В чат вошло динамическое ценообразование. ИИ анализирует спрос, остатки на складе, время суток и десятки других вводных и автоматически меняет цены. По той же логике работают персональные промо: система подбирает скидки под конкретного клиента. Ритейлеры повышают выручку и быстрее распродают залежавшиеся товары.

Пример. Региональная аптечная сеть протестировала систему на 15 точках. За два месяца эксперимента выручка в них выросла на 11,7%, число продаж — на 9,2%, совокупный валовый доход — на 15,6%. Цифры говорят сами за себя: инвестиции в систему окупились за несколько недель.

Конкуренция растёт, спрос колеблется, и ритейл ищет гибкие решения. Оказалось, что покупатели готовы платить больше, если видят выгоду, например, за быструю доставку.

Современные ИТ-платформы позволяют быстро обновлять цены по сети, а ритейл-медиа, такие как MTS Ads, собирают данные из программ лояльности, чтобы точечно подогревать клиентов скидками.

Магазины и маркетплейсы всё чаще используют ИИ для ежедневного обновления цен на скоропорт, сезонные товары и популярные категории. Ритейлеры тестируют умные купоны и динамические скидки в своих приложениях.

Через 5 лет цены станут по-настоящему персональными: постоянные покупатели увидят одно предложение, новые — другое. Магазины смогут реагировать на малейшие колебания в спросе. ИИ научится анализировать корзины покупателей и повышать средний чек за счёт персональных скидок.

Слишком агрессивные скачки цен только раздражают покупателей, особенно в сегментах, где цены и так меняются каждую неделю. Обменные курсы и санкции тоже усложняют точное прогнозирование цен на импорт или технику.

Есть и технические проблемы. Во-первых, чтобы внедрить систему и учитывать все акции, маржу и логистику, нужна многоуровневая интеграция. Во-вторых, в офлайн-магазинах остаются бумажные ценники, которые физически не переклеить несколько раз за день.

Чат-боты и голосовые ассистенты отвечают на частые вопросы клиентов, помогают подобрать товар и решить технические проблемы: ИИ может закрыть до 70% обращений без подключения оператора. HR-боты делают то же самое внутри компаний: помогают с онбордингом и рутинными запросами.

Пример. В январе 2025 года в четырёх гипермаркетах «Магнит Семейный» и «Магнит Экстра» установили цифровые киоски с голосовым ассистентом Анной. Она помогает с возвратом и обменом, подсказывает цены и объясняет, где найти нужный товар, и только сложные запросы перенаправляет на сотрудников.

Покупатели привыкли к мгновенным ответам, и чат-боты справляются с задачей лучше всего. Данных о поведении пользователей становится всё больше, а нейросети становятся всё более обученными.

Большинство сетей уже интегрирует ботов для вопросов о доставке, самовывозе и бонусах, а покупатели получают мгновенные консультации прямо в мессенджерах.

В HR-процессах ИИ берёт на себя адаптацию и обучение сотрудников, подготовку типовых справок и ответы на частые вопросы.

Через 5 лет большинство контакт-центров полностью перейдут на ИИ, а в торговых точках появятся разговорные киоски и роботы-консультанты. Они с порога будут распознавать клиентов по лицу или голосу и предлагать любимые товары на основе истории покупок.

Чат-боты станут привычным инструментом и для сотрудников компаний: ИИ расскажет про актуальный ассортимент или поможет собрать заказ.

Даже самые современные боты иногда не понимают сложные запросы: отвечают шаблонно или переводят на оператора. Проблема в том, что ботов очень сложно интегрировать с внутренними системами компаний, поэтому на старте они ограничиваются типовым FAQ. Есть и человеческий фактор: многие клиенты до сих пор скептически относятся к ботам и гораздо больше доверяют операторам.

В офлайн‑торговле другая проблема: все роботы и автоматизированные киоски пока очень дорогие.

ИИ на страже комментариев и отзывов о товарах: нейросети находят и отклоняют сообщения с хамством, рекламой конкурентов, левыми ссылками, запрещённой символикой и фейковыми аккаунтами.

Пример. В приложении «Магнит: акции и доставка» ИИ‑модератор пропускает только полезные отзывы на товары, а жалобы на цены и обслуживание передаёт в службу поддержки.

Если ещё пару лет назад мат в комментариях, спам и фейковые отзывы можно было оперативно фильтровать руками, в текущих масштабах без подключения ИИ уже не справиться. Требования к чистоте инфополя и честности отзывов только растут.

Крупные маркетплейсы и ритейлеры уже внедряют ИИ-фильтры на ключевые триггеры — ненормативную лексику, экстремизм и нарушения правил площадки. Алгоритмы учатся распознавать фейковые отзывы и отсекать их автоматически.

Через 5 лет человеческий контроль будет нужен только в самых спорных случаях. Нейросети научатся точечно удалять запрещённые изображения из фото в отзывах и комментариях. В e-commerce появятся внутренние рейтинги доверия.

Что может тормозить тренд

Даже продвинутые языковые модели не всегда считывают сарказм, поэтому снова не обойтись без перепроверки человеком. Чтобы нейросеть была актуальной, её нужно постоянно учить и подкармливать новыми словечками и трендами, это требует подключения лингвистов и ИИ-инженеров.

Ещё одна проблема — как отличить нормальную претензию, которую нельзя просто снести, от фейковой? А как на сто процентов определить, что отзыв написал именно бот, а не реальный человек? Пока в России нет единых стандартов модерации, каждый ритейлер действует по-своему.

ИИ — мостик между офлайном и онлайном. Нейросеть анализирует, что человек смотрел в приложении и у какой полки задержался в магазине, и на основе этого предлагает персональные акции. Например, на сковородку, которую клиент лайкнул онлайн, будет скидка прямо на кассе.

Пример. В 2024 году «Лента» запустила единую омниканальную платформу. Теперь покупатели могут проверить онлайн, есть ли нужный товар в конкретном магазине, или настроить повышенный кешбэк по любимым категориям. ИИ в приложении сопоставляет онлайн-клики и офлайн-чеки, предлагает похожие товары и повышает конверсию: +13% к продажам и вдвое меньше пустых запросов.

Покупатели прыгают между каналами и им важно получать бесшовный опыт: посмотреть холодильник в магазине, но купить в приложении; прочитать отзывы на куртку онлайн, а примерить офлайн. Ритейлеры логично решили создать единый профиль клиента. Крупные игроки, такие как Магнит или Пятёрочка, развивают собственные онлайн-каналы, чтобы не отдавать покупателей маркетплейсам.

Личный кабинет уже становится единым — на сайте, в магазине и в приложении. Онлайн-сервисы переходят в офлайн: персональные предложения из CRM и соцсетей теперь можно получить по QR-коду прямо в торговом зале.

Через 5 лет классические магазины заменят цифровые хабы: ИИ будет подбирать ассортимент под спрос в режиме реального времени. Покупатели смогут оплачивать покупки единым цифровым кошельком, примерять вещи в виртуальных примерочных и забирать их домой по цифровому тикету. Онлайн и офлайн полностью сольются в единый клиентский опыт.

Главная сложность — нельзя просто так делать биометрию всех посетителей офлайн-магазинов: для этого нужно разрешение, а большинство покупателей выбирают анонимность.

В небольших магазинах часто не ведут CRM, и связать офлайн-покупки с онлайн‑поведением пользователей просто невозможно.

Есть и технические проблемы, например, интеграция промо-кампании из онлайна офлайн и синхронизация запасов.

ИИ 24/7 анализирует продажи, погоду, праздники и десятки переменных, чтобы оптимизировать закупки и логистику. Никаких просрочек и переполненных складов: система автоматически определяет, какие товары могут залежаться, а какие нужно срочно дозакупить.

Пример. X5 ещё в 2019 году внедрила ИИ для оптимизации ассортимента, цен и пополнения запасов. За 2023−2024 годы эффект составил около 5 миллиардов рублей. Алгоритмы помогают точно прогнозировать продажи и своевременно пополнять полки и склады.

Частые кризисы показали: ручные прогнозы не успевают за резкими изменениями спроса. К тому же у ритейлеров накопились данные по продажам, логистике и сезонности: нейросети научились использовать их для точных прогнозов.

Массовое внедрение POS-систем и 1С даёт бизнесу огромные массивы данных, а облачная аналитика делает расчёты гибче. ИИ ускоряет работу с поставщиками, поэтому крупные сети активно инвестируют в собственные решения и команды data science.

Решения о расширении или сокращении товарных линеек уже принимаются автоматически.

Через 5 лет ИИ в режиме реального времени будет перестраивать закупки. У сетей будет общая картина цепочек поставок — от поставщиков до кассы. Виртуальные ассистенты директора по закупкам научатся формулировать стратегии поставок на месяцы вперёд, а ИИ-консультанты — автоматизировать склады.

Многие магазины до сих пор не автоматизировали складской учёт, а их менеджеры по закупкам по старинке ориентируются на свою интуицию.

Санкции, нестабильный курс и перебои поставок тоже влияют на точность прогнозов. Для обучения ИИ нужны мощные технические ресурсы, и позволить себе это могут только крупные игроки. Последняя, но тоже большая проблема: работа с ИИ требует обучать сотрудников нужным навыкам или набирать новых дорогих специалистов — дата-сайентистов и аналитиков.