Рынок e-commerce продолжает расти, но уже не так быстро, как в пандемийные времена. Экономические проблемы и сбои в цепочках поставок заставили и компании, и покупателей пересмотреть свои подходы. Люди стали внимательнее относиться к покупкам, выбирать товары вдумчиво и ожидать лучшего сервиса.
Бизнесу тоже пришлось адаптироваться: одних скидок уже мало — нужно выделяться, привлекать внимание и удерживать клиентов.
В 2024 году мировые продажи в e-commerce, по прогнозам, достигнут $6,09 трлн — это на 8,4% больше, чем в 2023 году. Такой рост обеспечивают все больше людей, которые покупают онлайн, а также развитие сегмента мобильных покупок. Но в 2025 году, согласно прогнозам, рынок замедлится: продажи вырастут до $6,56 трлн, а рост снизится до 7,8% в год. Это нормально: после скачка во время пандемии рынок приходит в себя.
Для бизнеса это значит одно: надо быть интереснее и полезнее. Теперь мало просто продавать товар — нужно строить доверие, создавать крутой пользовательский опыт и делать так, чтобы клиенты возвращались снова и снова.
Тренды в e-commerce: продажи через соцсети и гиперперсонализация
Продажи через соцсети — это уже привычная штука. Бренды давно поняли, что просто выкладывать фото товаров мало. Теперь нужно создавать крутой контент, который цепляет: видеообзоры, челленджи, забавные мемы. Инфлюенсеры и обычные пользователи становятся «продавцами», когда рассказывают, что им понравилось. Получается, что соцсети — это не просто место для общения, а огромный онлайн-магазин, где все под рукой.
Еще один важный тренд — гиперперсонализация. Если раньше сайты показывали «похожие товары», то теперь они стараются предложить что-то, будто специально подобранное для вас. Это особенно важно для зумеров и миллениалов — оба этих поколения сейчас создают основную часть покупательской активности на маркетплейсах. Бренды, которые это понимают, выигрывают в борьбе за внимание.
Некоторые модные тренды, про которые любят писать, такие как voice search, AR/VR и eco-friendly, пока только красиво звучат, но особо не работают на практике для массового потребителя. Компании, стремясь экономить, активно урезают экспериментальные направления, которые не демонстрируют ощутимого роста.
Интеллектуальные ассистенты на базе больших языковых моделей. Эти технологии становятся ключевым инструментом персонализации и улучшения покупательского опыта. Почему это актуально сейчас? Все просто: ИИ становится умнее, вычислительные мощности (видеокарты) становятся мощнее и доступнее, а пользователи привыкают общаться с чат-ботами. Такие системы уже активно применяют гиганты вроде Instacart, Walmart и Amazon.
Люди все чаще решают задачи с помощью ИИ-инструментов вроде ChatGPT. Диалоговый формат становится чем-то привычным: можно задать сложный вопрос, получить понятный ответ и продолжить уточнять детали. На маркетплейсах такой опыт пока редкость, но со временем привычка может закрепиться. Это изменит не только способ поиска товаров, но и подход к созданию контента, оформлению сайтов и взаимодействию с клиентами на всех этапах покупки.
Как работают современные ИИ-ассистенты
Современные ИИ-ассистенты создаются на базе больших языковых моделей (LLM), которые обучены на огромных массивах текстовых данных. Они способны понимать не только ключевые слова, но и общий смысл запроса, интерпретировать контекст и генерировать развернутые ответы. Это отличает их от традиционных поисковых систем, работающих по принципу поиска совпадения слов в запросе и карточке товара.
Поиск по ключевым словам и векторный поиск — это стандартные механизмы, на которых строятся многие поисковые системы:
• Поиск по ключевым словам: работает по принципу совпадения слов из запроса с информацией о товаре в базе данных. Например, запрос «белые кроссовки для бега» покажет те товары, в чьих названиях или описаниях встречаются эти слова.
• Векторный поиск: идет дальше и ищет смысловые совпадения. Он переводит текстовые запросы в числовые векторы, которые отражают значения слов и фраз. Это позволяет системе находить результаты даже без точного совпадения слов. Например, запрос «красивые зимние ботинки для прогулок» может найти «мужские кожаные ботинки для зимы», даже если формулировки не совпадают.
Однако оба этих способа не предназначены для комплексных запросов, которые предполагают не один, а несколько товаров («Что купить на пикник с друзьями?») или какое-то действие, например сравнение товаров. Для этого необходим другой подход — RAG (Retrieval Augmented Generation). RAG — это механизм, который объединяет поиск информации и генерацию ответов на ее основе. Этот подход широко используется в современных ИИ-ассистентах.
Как работает Retrieval Augmented Generation
Этап 1: поиск
Происходит поиск релевантных товаров на основе пользовательского запроса с использованием стандартных механизмов, таких как векторный поиск.
Этап 2: генерация
На основе найденной информации формируется развернутый ответ, который не только предлагает подходящие варианты, но и поясняет, почему они были выбраны.
Пример
Вы спрашиваете: «Какие смартфоны лучше всего подходят для фотографий в условиях низкой освещенности?»
• Ассистент ищет в базе данных характеристики смартфонов, связанные с ночной съемкой.
• Затем он генерирует ответ в формате: «Смартфоны с лучшей камерой для ночных фото — это модель X с функцией ночного режима и модель Y с оптической стабилизацией».
То есть вместо того, чтобы просто показывать список ссылок или товаров, ассистент на основе найденной информации создает ответ, который напрямую решает задачу пользователя.
Это приближает взаимодействие с системой к общению с живым консультантом, который умеет искать информацию и тут же объяснять ее на понятном языке.
Каким маркетплейсам это подходит
ИИ-ассистенты выглядят перспективно, но подходят далеко не всем. Прежде чем интегрировать такую технологию, нужно четко понимать, какую проблему вы собираетесь решать. Если у вас небольшой онлайн-магазин овощей или хендмейд-изделий, вряд ли ИИ-ассистент сильно повлияет на продажи. Там важнее простой интерфейс и удобная доставка. Зато для крупных маркетплейсов с миллионами товаров, сложными категориями и запросами это может стать реальным конкурентным преимуществом.
UX/UI и пользовательская мотивация
Даже если магазин решил внедрить ИИ-ассистента, нужно позаботиться о том, чтобы пользователи понимали, как с ним работать и зачем это нужно. Интерфейс должен быть интуитивно понятным, с простыми подсказками и сценариями.
Люди часто не знают, что можно задавать сложные вопросы, поэтому ассистент должен сам предлагать идеи.
Пример
Человек ищет в магазине макароны фетучини. Обычный поиск покажет ему список доступных брендов. А ИИ-ассистент мог бы сразу предложить рецепты вроде «Как приготовить карбонару», «Как приготовить болоньезе», «Макароны по-флотски». В каждом из рецептов можно было бы одним кликом добавить в корзину все нужные ингредиенты и еще со скидкой за добавление всего набора. Это сделает покупку не просто удобной, а полезной и приятной.
Высокая стоимость разработки и поддержки
ИИ-ассистенты требуют мощных вычислительных ресурсов. Самые продвинутые модели работают на дорогом оборудовании, которое нужно обслуживать, обновлять и масштабировать. Вариант с подключением через API от крупных провайдеров вроде OpenAI или Google выглядит проще, но это подходит только на первых этапах. Если количество запросов вырастет до уровня крупных маркетплейсов, вроде Amazon или Walmart, стоимость таких интеграций может стать неподъемной.
Проблемы с фактчекингом и качеством ответов
Главная слабость ИИ — это его склонность к «галлюцинациям» или выдаче уверенных, но неправильных ответов. В отличие от классических поисковых систем, где качество легко оценить по количеству кликов на товар, в диалоговых моделях все сложнее. Если человек не купил товар, значит ли это, что ответ ассистента был бесполезный или просто недостаточно развернутый?
Какую проблему обычных пользователей решают ассистенты
Сегодняшний поиск в онлайн-магазинах в большинстве случаев предполагает, что покупатель уже знает, чего он хочет. Каталоги, фильтры и ключевые слова — это хорошо, если вы точно представляете нужный товар. Но часто люди совершают покупки ради решения определенных жизненных задач: улучшить внешний вид, обустроить дом, разнообразить рацион.
Классический поиск в его нынешнем виде не предлагает интеллектуальной поддержки для решения проблемы «под ключ».
Пример из жизни
Представим: мужчина увидел в «Тиктоке», что девушкам нравится стиль old money в мужской одежде. Что ему делать? Нужно сначала выяснить, что это за стиль, какие вещи в него входят, как сочетать предметы гардероба, затем найти подходящие варианты в онлайн-магазинах, собрать несколько комплектов и заказать их в пункт выдачи. Это может занять целый вечер. В свою очередь, идеальный ИИ-ассистент смог бы сразу выдать информацию о стиле, предложить конкретные товарные подборки, показать варианты сочетаний и предложить готовые комплекты из каталога магазина, сократив затраты времени и упростив процесс принятия решения.
Если вы уже знаете, что искать, но не можете выбрать
Даже если вы точно знаете, что хотите, выбор все равно может быть сложным. Представьте, что вы ищете новый Android-смартфон, но не можете определиться между несколькими моделями. ИИ-ассистент может сравнить их за вас, подсветить сильные и слабые стороны каждой модели, ответить на вопросы вроде «У какой из них лучшая камера?» или «Какая дольше держит заряд?». Это особенно полезно при выборе дорогих товаров, где хочется быть уверенным в решении.
ИИ-ассистенты пытаются имитировать работу реальных консультантов в магазинах, которые могут дать советы, подсказать лучшие решения и объяснить нюансы. Разница в том, что виртуальные ассистенты не устают, работают 24/7, имеют доступ к огромным базам данных и могут учитывать историю покупок.
Что в итоге?
ИИ-ассистенты для e-commerce пока находятся в стадии зарождения. Потребители только учатся взаимодействовать с ними, технологии дешевеют, а готовые фреймворки упрощают внедрение. Чтобы эти системы стали неотъемлемой частью маркетплейсов, предстоит пройти долгий путь: от экспериментов и доработок, через этапы разочарований и постепенных улучшений к моменту массового принятия.
Вероятно, уже через несколько лет мы будем воспринимать диалог с виртуальным ассистентом во время онлайн-шопинга так же естественно, как сейчас воспринимаем фильтры и сортировку по цене. И именно тогда персонализация, комфорт и интуитивность станут не просто трендами, а базовым стандартом индустрии.
Обложка: Kandinsky 3.1, правообладатель ПАО «Сбербанк»