Почему ваш интернет-магазин нуждается в AI-консультанте: топ причин и живой кейс интернет-магазина

Привет, коллеги! Хочу поделиться опытом внедрения AI-консультанта “полного цикла” в знакомый интернет-магазин электроники (названий не будет, чтобы не приняли за рекламу). ИИ должен был нарастить конверсию в покупку за счет потерянных клиентов и самостоятельно, без помощи человека доводить посетителя сайта до оформления заказа. “Полного цикла” – это от выбора до доставки и допродажи (апселл). С посетителями AI работал только через чат, входящими звонками занимались люди.

TL;DR (для нетерпеливых) – дело было непростое, но результат того стоил. Если вы из екома и сомневаетесь, стоит ли связываться с ИИ, кейс покажет, как это работает на практике и какие конкретные результаты можно получить.

После 6 месяцев использования AI-консультанта интернет-магазин имеет:

- Рост конверсии: +18%

- Увеличение среднего чека: +15%

- Рост повторных покупок: +32% (за счет фолоуапов в мессенджерах)

А теперь подробнее, почему и как это принесло пользу интернет-магазину

Сразу скажу, что успех внедрения любого сервиса автоматизации зависит от качества его настройки, сценариев и интеграции с существующими бизнес-процессами. Это не магическая таблетка, а инструмент, он требует грамотного подхода к внедрению и использованию. То есть как минимум вы должны понимать, какие у вас проблемы и что конкретно хочется исправить, в чем будет выражен конкретный результат, что должно быть сделано или сказано. И осознавать, может ли это исправить именно ИИ-консультант или проблема лежит в иной плоскости.

Изложу на примере друзей-коллег из екома.

Пробовали догонять потеряшек и конвертировать их с помощью живых консультантов, делать рассылки, общаться в чате. Увидели, что клиенты проявляют интерес, но столкнулись с ростом затрат и низким качеством коммуникаций. Решили автоматизировать процесс с помощью ИИ. Надеялись, что ИИ не будет сильно тупым и не станет раздражать клиентов (как минимум).

- Простые, работают по заготовленным сценариям

- Умеют распознавать типовые вопросы

- Подходят для небольших магазинов с простым ассортиментом

Пример из практики: Мой коллега внедрил такого бота в магазин спортивного питания. Бот отлично справляется с базовыми задачами: подбирает протеин по параметрам, советует добавки для разных целей, отвечает на вопросы о составе. Стоимость внедрения – от нескольких сотен тысяч рублей.

- Используют машинное обучение

- Понимают контекст разговора

- Умеют работать с каталогом и характеристиками товаров

- Интегрируются с CRM и складом, иногда с веб-аналитикой

Реальный кейс: В "М.Видео" такой ассистент не только консультирует по технике, но и отслеживает наличие товаров, сравнивает характеристики и даже может зарезервировать товар в конкретном магазине. Инвестиции по нашим сведениям серьезнее – от нескольких миллионов рублей на старте.

- Полная интеграция со всеми бизнес-процессами

- Предиктивная аналитика

- Персонализированные рекомендации

- Омниканальность

Доступный пример из глобального рынка: Amazon использует такую систему в своем онлайн-консультанте. Она не только помогает с выбором, но и прогнозирует потребности клиента, анализирует историю покупок и даже предупреждает о возможных проблемах с товаром.

Понятно, что продвинутые системы – это не какой-то единый супер-робот, а набор модулей, компонентов, например, нескольких нейронок, скриптов аналитики и так далее. Здесь лично мне было неважно, что там у платформы внутри. Было важно, чтобы все компоненты собирались на стороне вендора и выполняли мои задачи.

Глобальные примеры, на чей опыт стоит обратить внимание, и их особенности (далеко не все, конечно):

- AI-консультант интегрирован с геолокацией

- Проверяет наличие в ближайших магазинах

- Предлагает записать на консультацию к специалисту

- AI работает на нескольких языках

- Распознает товары по фото

- Подбирает аналоги с разных складов

По итогам прошлого года команда интернет-магазина решила рискнуть и насколько возможно полно заменить живых консультантов чата роботом – и проверить, возможно ли это, эффективно ли. О проблемах будет ниже, а пока вот чек-лист – может пригодиться.

1. Сначала команда определила приоритеты. В ее случае основными стали:

- Интеграция с 1С и Jivosite

- Работа с каталогом 10 000+ товаров

- Понимание технических характеристик товара

- Автоматическое обучение на основе диалогов сейлзов и клиентов из CRM

2. Протестировали три варианта, хотя склонялись к готовому решению от вендора:

- Простой бот (в итоге не потянул сложные запросы и аналитику)

- Самописное решение (дорого в поддержке, идея была оптимизировать расходы)

- Готовая AI-платформа с персонализированной настройкой под интернет магазина(то, что нужно).

3. Составили список требований к вендору. Здесь обозначены ключевые моменты, и вам советую указать только критичные факторы, чтобы желаемое не конфликтовало с реальностью:

- Опыт работы в рознице

- Техподдержка 24/7

- Возможность кастомизации

- Разумная стоимость владения

- Минимум головняка с технической стороны (настройки, интеграции…)

- Российское решение (есть в реестре российского ПО и т. п.)

В случае знакомых идеальным решением стала коммуникация в привычном окошке чата Jivosite, который установлен у них на сайте. Подключались через API мессенджера, техподдержка вендора настраивала и подключала AI-консультанта самостоятельно, а они только сообщили данные API. Еще инженеры вендора попросили доступы в их CRM, чтобы дообучить нейросети на живых примерах взаимодействия сейлзов и клиентов.

До полноценного запуска ребята потратили 2 месяца. Много это или мало? Я считаю, что внедрение и полноценный запуск ИИ за 8 недель – это быстро.

- Выгрузили каталог товаров

- Подготовили базу знаний совместно с вендором

- С помощью вендора настроили интеграции

- Запустили на 20% трафика

- Анализировали диалоги

- Корректировали сценарии

- Дообучали систему, тестировали новые метрики и KPI для консультантов-людей

- Постепенно увеличивали нагрузку

- Отлаживали проблемные места

- Обучали персонал работе с системой

Как и было сказано выше, ребят из кейса не обошел рост затрат на персонал (особенно на консультантов – попробуй найди толкового) и требовательность, разборчивость покупателя: клиенты хотят ответов здесь и сейчас, а не "оставьте ваши контакты, мы перезвоним завтра". Каждый второй покупатель не то что ждет, а прямо требует индивидуального подхода. Еще нужно как-то выделяться на фоне конкурентов.

В итоге, устав от постоянной текучки консультантов и необходимости разруливать конфликты из-за "человеческого фактора", они решили, что прогресс в этой ситуации поможет. А еще посчитали затраты на содержание штата и прослезились.

При этом, конечно, очень хотелось трансформировать возросший трафик в деньги, систематизировать редкие успехи консультантов в чате, превратить их в нормальный процесс. Короче, получить нормальный источник денег без колоссальных затрат.

Минимизация человеческого фактора

Знаете ситуации, когда консультант игнорируя скрипты и банальную вежливость отвечает клиенту "как получится"? У здесь такое бывало и не раз, особенно в конце рабочего дня или под конец недели. А если клиент в такой момент не в духе, цепляет консультанта и все, диалог провален.

Что изменилось с AI:

- Больше не слышно "я устал" или "у меня обед", у сейлзов пропала необходимость возиться и с “потеряшками”, и со стажерами.

- Каждый клиент получает одинаково качественный сервис

- Никаких перепалок с недовольными покупателями – нет эмоций, нет рискованных реакций. AI всегда готов уступить.

Реальный пример: раньше у ребят было около 15-20 жалоб в неделю на хамство или некомпетентность консультантов в чате, причем неважно, был ли неправ сам консультант. После внедрения AI число жалоб упало до 3-4, и те в основном по техническим причинам..

Как это влияет на конверсию (спойлер: положительно)

Давайте на конкретном примере. У ребят в магазине большой раздел с ноутбуками. Раньше живой консультант мог обработать максимум 3-4 запроса одновременно, и то не факт, что качественно. Теперь он подхватывает заказ после оформления и способен оперировать десятками диалогов. И человек прокачивается и зарабатывает премию, и показатели растут. Текучки кадров стало меньше, проблем с онбордингом – тоже меньше. Никто не дергает старших, не просит разобраться с диалогом, подсказать ТТХ, рассказать, что делать, если…

Что делает AI, пошагово, как пример:

1. Мгновенно анализирует, что смотрел посетитель, на каких страницах, где он сейчас и какой товар смотрит

2. Предлагает сравнить характеристики товаров

3. Подсказывает альтернативы с лучшим соотношением цена/качество, мягко подводит к покупке более достойного варианта

Результат: конверсия в разделе ноутбуков выросла на 23%. Причем средний чек по сайту увеличился на 15% – AI лучше объясняет преимущества более дорогих моделей. В каком смысле лучше? Не как “при инструктаже по-своему понял, потом половину забыл”, а ровно так, как предполагают и излагают маркетинг и отдел продаж.

Здесь все просто – AI не забывает, не теряет информацию и всегда помнит предпочтения клиента. Остается вежливым и внимательным, что бы клиент ни творил.

У ребят это тестовая фича, скоро планируют развернуть на все соцсети и мессенджеры, результат радует. За 6 месяцев 32% клиентов вернулись за дополнительными покупками после такого фоллоу апа. Оказалось реально удобнее рассылки, такой персонализированный маркетинг. В почте не настроишь 100500 вариантов скидок и предложений исходя из предыдущих покупок каждого контакта.

Честно – сначала пугало, что AI будет тупо впаривать самое дорогое. Но нет, все работает умнее.

Как это происходит, пошагово:

1. AI видит, что клиент смотрит бюджетный принтер

2. Предлагает сравнить стоимость печати:

- Дешевый принтер + дорогие картриджи

- Принтер подороже + экономичные расходники

3. Показывает расчет на год/квартал… вперед

Результат: потенциальный клиент часто выбирает более дорогую модель, понимая выгоду. Маржа интернет-магазина выше, клиент доволен – все в плюсе.

Вот тут AI невероятно спасает. Помните ситуации, когда разъяренный клиент пишет в час ночи? Раньше это превращалось в проблему, теперь, пошагово:

1. AI мгновенно реагирует

2. Сам собирает всю информацию

3. Быстро, без паузы предлагает варианты решения

4. Если нужно, эскалирует вопрос команде поддержки

Отдельно стоит сказать про связку ИИ-консультанта с доставкой – это просто космос, потому что консультант без напоминаний, задержек и потерь информации спокойно:

- Отслеживает статус заказа

- Предупреждает о возможных задержках

- Предлагает альтернативные варианты доставки

- Напоминает о необходимых документах

Вообще, такого типа консультант осуществляет всю покупку от выбора до доставки, и в принципе ведет клиента, делает допродажу и т. п. Знакомые начали с нескольких процессов и сейчас активно отрабатывают четыре основных сценария, остальные работают в тестовом режиме. Вот примеры диалогов и типы этих сценариев.

AI-консультант помогает принять решение о покупке, даже если посетитель не добавил товар в корзину, изучив карточку товара. Как уже было сказано, он не парит посетителю мозг недосказанностью, требованиями дать почту, телефон и бессмертную душу. Он старается максимально проинформировать клиента по интересующему его товару и рассказать об аналогах. Здесь ИИ работает в связке с алгоритмами аналитики, он “видит”, где ходил посетитель, на каких страницах был, что смотрел, что смотрит сейчас. Видит, наблюдает и спустя время инициирует диалог.

Замечание по ТП: ребята скормили ИИ множество PDF-инструкций к разной технике, плюс дополнительные доки к сопутствующему инвентарю. Так он научился настраивать оборудование, понимать, встанет ли такой-то монитор на такой-то компьютерный стол или полку, влезет ли этот стол или полка в комнату с конкретным метражом – и многому другому.

Есть ли, цитируя мем, нюансы, подводные камни? Здесь на практике выявились две ситуации, у кого-то их будет больше. Рассказываю:

Номер раз. Пришлось повозиться с обучением персонала.

- Проблема: сотрудники боялись потерять работу

- Решение: показали, как AI упрощает их задачи. Создали новые цели и KPI для живых людей в связке с ИИ. Можно рассказать об этом подробно, если хотите

Номер два. Довольно долго бились над настройкой сценариев.

- Проблема: много специфических запросов

- Решение: постепенно дополняли базу знаний

От своих коллег по интернет-торговле я слышал о третьей проблеме.

Ребят из кейса она не коснулась, так как интеграцию выполнял вендор + их CRM не вызвала вопросов. Тем не менее, упомяну сложность интеграции с legacy-системами.

- Проблема: старая CRM у коллег не имела API

- Решение: коллеги сами написали промежуточный сервис

Не экономьте на настройке. Потратьте время на проработку сценариев, научите AI правильно определять проблемные ситуации, настройте интеграцию со всеми системами – или доверьте сложные задачи инженерам вендора.

Начните с простого. Сначала базовые консультации, как если бы вы онбордили нового консультанта. Потом подключайте сложные функции и постепенно расширяйте возможности вашего “сотрудника”.

Следите за метриками! Иначе вовремя не скорректируете поведение консультанта и рискуете получить очередного раздражающего бота. Метрики следующие:

- Конверсия по разным категориям

- Удовлетворенность клиентов

- Скорость решения проблем, особенно если ИИ работает в техподдержке

Технологии не стоят на месте. Вскоре ребята планируют запустить:

- Предиктивную аналитику для прогноза спроса

- Автоматическое обновление сценариев общения

- Интеграцию с соцсетями для омниканального обслуживания (сейчас работает в тестовом режиме и не во всех соцсетях)

- Подключение чата на казахском. Собираются выходить в Казахстан, у вендора есть поддержка казахского

Вот такой вот кейс получился! А вообще, как я уже писал в начале, AI-консультант – это не волшебная таблетка, которая решит все проблемы. Это рабочий инструмент, который при правильной настройке серьезно упрощает жизнь и вам, и вашим клиентам. Да, придется повозиться с тестами, процессами, но результат того стоит.

P.S. Если есть конкретные вопросы по развертыванию, сценариям и результатам – пишите в комментариях, поделюсь опытом подробнее.