Как автоматизировать продажи товаров

Оксана Вобяченко - 3 июня, 12:30

Сегодня электронная коммерция находится в парадоксальной ситуации: инструменты стали более доступными, но их реальное использование по-прежнему ограничено. Основная проблема заключается не в отсутствии возможностей, а в сложности их применения на практике.

Чтобы запустить даже один сценарий, необходимо не только разобраться в логике платформы, но и учесть все детали: условия запуска, проверки, тайминги, сегментацию и контент. Для небольших команд это означает недели работы или отказ от большинства сценариев вообще.

В результате часть компаний запускает лишь 3–5 базовых одноканальных цепочек вместо необходимых 15–20 омниканальных. Каждый из нереализованных триггеров — это упущенная прибыль, ведь триггерные кампании способны приносить до 24 раз больше дохода, чем массовые.

Этот разрыв между возможностями инструментов и их фактическим использованием должны устранить новые подходы к автоматизации на основе искусственного интеллекта.

ИИ-агенты: от идеи до реализации

В отличие от классических AI-помощников, которые лишь генерируют тексты или дают рекомендации, AI-ассистент — это надстройка над системой, выполняющая маркетинговые задачи внутри платформы клиентских данных (CDP).

Его ключевое отличие — переход от рекомендаций к реальным действиям. Вместо ручной настройки сценария маркетолог формулирует задачу в виде запроса — и агент самостоятельно:

создает полноценные триггерные сценарии — с логикой, таймингами, проверками и условиями остановки;
подключает сегменты и данные без ручной работы;
использует необходимые каналы коммуникации в рамках сценария — email, web push, mobile push, in-app, App Inbox, Telegram-бот, виджеты, Viber и SMS — в соответствии с логикой триггера и ролью канала;
генерирует сообщения внутри сценария и адаптирует их под каналы;
объясняет логику кампании простым языком.

Помимо создания, агент работает с триггерами как с системой:

анализирует цепочки (даже очень сложные);
находит ошибки, влияющие на результат;
предлагает улучшения для сценария и сообщений;
позволяет редактировать кампанию с помощью текстовых команд без работы в редакторе.

Генерация контента с помощью ИИ в рассылках и автоматическое тестирование

После создания сценария следующим шагом становится подготовка контента для кампаний. ИИ может значительно сократить время на подготовку и тестирование. Как именно?

Шаг первый – Генерация писем с помощью ИИ. Маркетолог вводит краткое описание кампании, выбирает количество писем – и система генерирует структурированную серию: с темами, прехедерами, разделами с контентом, логикой дат отправки и дизайном, адаптированным под бренд.

Результат: то, что раньше занимало несколько часов работы копирайтера и дизайнера, теперь создается за считанные минуты — с возможностью редактирования на любом этапе.

Второй — непрерывная AI-оптимизация сообщений. Система автоматически тестирует несколько вариантов текста на подвыборке контактов, отслеживает CTR (показатель кликабельности) и конверсию, а также масштабирует наиболее эффективный месседж.

Персонализация, основанная на данных, а не на предположениях

Еще одна системная проблема электронной коммерции — отсутствие персонализации. Компании тратят бюджет на пользователей, которые не готовы к покупке, а нерелевантные рекомендации лишь снижают рентабельность инвестиций (ROI).

ИИ меняет эту логику: алгоритмы прогнозируют поведение каждого контакта. Таким образом, бизнес может выстраивать коммуникацию только с теми, для кого это актуально именно сейчас, и предлагать товары, которые с наибольшей вероятностью заинтересуют клиента.

Предиктивная сегментация позволяет оценить вероятность покупки для каждого контакта. Вместо ручного отбора аудитории маркетолог работает с уже сформированными сегментами — например, с теми, кто с высокой вероятностью совершит покупку в ближайшие 30 дней. Это сокращает количество рассылок и одновременно повышает эффективность коммуникации, а конверсия растет.

Для бренда одежды O.TAJE предиктивный сегмент обеспечил ROMI (рентабельность инвестиций в рекламу) на уровне 1010% по сравнению с 389% при ручном подборе аудитории. Это на 310% выше эффективности при меньших затратах на рассылку.

Однако даже самый точный таргетинг теряет эффективность без релевантного контента. Любая кампания работает значительно лучше, когда она персонализирована. Именно для этого используются рекомендации товаров, которые превращают каждое сообщение из общей промоакции в персонализированное предложение.

Рекомендации товаров основаны на трансформерной архитектуре — той самой, которую используют Netflix и Amazon, — и учитывают не просто историю покупок, а полную последовательность действий пользователя: что он просматривал, в каком порядке, что добавил в корзину, но не купил, что приобрел несколько раз.

Таким образом формируются предложения, соответствующие реальному контексту поведения, а не просто статистике "часто покупают вместе". А совершенствование этих алгоритмов благодаря большим языковым моделям (LLM) позволяет системе понимать суть товаров и подбирать наиболее релевантные рекомендации. В результате такие блоки могут генерировать около 20% продаж магазина, а ROI достигать x10.

Это подтверждают примеры из практики:

Liki24 – +295% CTR в триггерных рассылках и +70,8% конверсии в массовых кампаниях;
PUMA – рост доли заказов по рекомендациям на сайте с 2% до 20% за 14 месяцев;
"ИБИС" – +96% дохода от рекомендаций в канале email.

Как это меняет экономику электронной коммерции

ИИ в маркетинге перестает быть экспериментом — он становится частью базовой инфраструктуры, определяющей, насколько эффективно бизнес взаимодействует со своей аудиторией.

Благодаря передовым решениям в области искусственного интеллекта то, что несколько лет назад требовало значительных ресурсов, сегодня становится доступным для компаний любого масштаба.

Типичный средний интернет-магазин сегодня — это десятки тысяч контактов, один маркетолог и базовый набор кампаний. В такой конфигурации сложно обеспечить системный рост за счет удержания клиентов.

Однако с появлением инструментов искусственного интеллекта у бизнеса появляется возможность за короткий срок перейти от ручных рассылок к полноценной автоматизированной системе: с набором триггеров, персонализированными рекомендациями по товарам, автоматическим тестированием и предиктивной сегментацией.

А главное — без необходимости создавать отдельную техническую команду или вкладывать значительные ресурсы в настройку.