ИИ уже выбирает товары вместо покупателей. Готов ли ваш интернет-магазин?

Привет, герой бизнеса!

Раньше основной путь выглядел так: человек сам искал товар через поисковик, каталог или рекламу и сравнивал варианты.

Теперь появляется ещё один сценарий: покупатель формулирует задачу, а ИИ сам ищет, сравнивает и рекомендует ему варианты.

Готов ли ваш интернет-магазин к этому?

Хорошая карточка теперь должна объяснять товар не только покупателю

Раньше от карточки товара требовалось прежде всего продать: показать фотографию, цену, преимущества и убедить нажать «Купить».

Теперь у неё появляется ещё одна задача — дать достаточно точных данных для автоматического подбора.

Возьмём промышленный насос. На сайте может быть написано: «Надёжное решение для производственных задач. Высокая производительность и современная конструкция».

Для рекламы нормально. Для выбора — почти бесполезно.

Чтобы понять, подходит ли насос клиенту, нужны уже другие сведения, например:

1. производительность;
2. максимальный напор;
3. рабочая температура;
4. тип перекачиваемой среды;
5. материал корпуса;
6. диаметр подключения;
7. совместимое оборудование;
8. комплектация;
9. ограничения по эксплуатации и пр..

Менеджер может знать часть ответов сам или уточнить информацию у поставщика. Автоматическая система сможет использовать только те данные, которые ей доступны.

Таким образом, карточка товара превращается в источник данных о продукте.

Для футболки достаточно размера, цвета и состава ткани. Для оборудования, автозапчастей, электроники или строительных материалов правильный выбор может зависеть от десятков параметров.

Недостаточно рассказать, что товар умеет

Большинство магазинов хорошо описывают преимущества и гораздо хуже ограничения. А именно они часто определяют, подходит товар покупателю или нет.

Например:

1. насос работает с нужной производительностью, но не с нужной средой;
2. запчасть подходит для модели автомобиля, но только определённого года выпуска;
3. оборудование выдерживает требуемую нагрузку, но требует отдельного блока питания;
4. комплект совместим только с определённой конфигурацией;
5. товар продаётся от 10 штук;
6. оборудование нельзя использовать при температуре выше 80 °C.

Для человека такую информацию иногда компенсирует менеджер: задаст уточняющий вопрос и отсеет неподходящие варианты.

Нужно, чтобы описание товаров в каталоге давало ответ на оба вопроса:

В каких случаях товар подходит? И когда товар не подходит покупателю? Ограничения, противопоказания, несовместимости и условия использования нужно считать полноценными товарными характеристиками.

Если товары нельзя сравнить, их сложнее подобрать

Чтобы подобрать варианты, системе нужно сопоставить несколько условий с характеристиками конкретных товаров.

Если часть данных отсутствует, названа по-разному или спрятана в документации, сравнение становится менее надёжным.

Поэтому магазину нужна не просто большая база товаров, а единая структура данных.

У товаров одной категории должны быть единый набор параметров и понятные правила их заполнения. Значения должны быть сопоставимы по названию, единицам измерения и формату.

Иногда привести в порядок характеристики 50 основных товаров полезнее, чем добавить в магазин ещё один умный сервис.

У товара должен быть полный цифровой профиль

Под цифровым профилем мы понимаем полный набор данных, необходимый для идентификации товара, его выбора, сравнения и покупки.

Например:

1. что это за модель;
2. какую задачу она решает;
3. для кого предназначена;
4. какими характеристиками обладает;
5. с чем совместима;
6. при каких условиях работает;
7. чего требует для установки;
8. что входит в комплект;
9. в каких случаях её выбирать не стоит;
10. сколько стоит;
11. есть ли на складе;
12. когда можно получить;
13. где находится документация.

Состав такого профиля зависит от категории. Для одежды он будет одним, для промышленного оборудования другим.

Наличие таких данных полезно не только для AI. Они создают основу для качественного поиска по каталогу, фильтрации, сравнения товаров, SEO, выгрузок на внешние площадки, работы менеджеров и интеграций с другими системами.

Красивый каталог ещё не значит хороший каталог

Есть магазины, где карточки выглядят отлично: фотографии, инфографика, вкладки, PDF, интерактивные блоки.

Но важная информация при этом может быть фактически недоступна для автоматической обработки.

Например, характеристики находятся на изображении, комплектация в PDF на 30 страниц, цена и наличие появляются после выполнения скрипта.

При аудите нужно смотреть не только на дизайн карточки, но и на её техническую структуру:

1. есть ли структурированные данные о товаре;
2. корректно ли передаются цена и наличие;
3. есть ли артикулы и другие идентификаторы;
4. доступны ли важные характеристики в текстовом виде;
5. совпадают ли структурированные данные с информацией на странице;
6. нет ли нескольких версий одних и тех же данных.

Разметка не исправит плохой каталог.

Если на странице неверная цена, устаревшее наличие и половина характеристик отсутствует, техническая разметка только поможет передать эти ошибки в более формальном виде.

Сначала нужно привести в порядок сами данные и только потом решать, как лучше передавать их технически.

ИИ нашёл товар. А магазин готов принять заказ?

Допустим, AI-поиск правильно понял запрос и привёл покупателя на страницу вашего товара. На этом работа не заканчивается.

Дальше должен без потерь пройти коммерческий сценарий, а его последовательность зависит от модели бизнеса.

Для одного магазина это: товар → корзина → доставка → оплата → подтверждение заказа.

Для другого: товар → заявка → уточнение параметров → расчёт стоимости → счёт → оплата.

В B2B-продажах к этому могут добавляться согласование комплектации, проверка наличия, запрос цены у поставщика или работа персонального менеджера.

Проверьте весь путь от первого интереса к товару до зафиксированного результата:

1. сохраняется ли выбранный товар и его характеристики;
2. не теряются ли цена, наличие и условия поставки;
3. корректно ли передаётся заявка или заказ;
4. попадает ли информация в CRM, 1С или другую систему;
5. получает ли менеджер всё необходимое для продолжения работы;
6. можно ли связать обращение с источником, из которого пришёл покупатель.

Последний пункт особенно важен для AI-поиска.

Если покупатель пришёл по рекомендации ИИ, а в аналитике это выглядит как обычный переход, сложно понять, сколько таких обращений приходит, какие товары рекомендуются чаще и какие из них приводят к продажам.

Заключение

Подготовка магазина к новым сценариям поиска начинается с качества данных о товарах.

Если они полные, актуальные и структурированные, магазину проще работать не только с AI-поиском, но и с обычным поиском, фильтрами, рекомендациями и другими каналами.

Хотите понять, готов ли ваш магазин? Мы можем провести аудит каталога и технической части сайта, найти слабые места и определить, что стоит доработать в первую очередь.

➡️ Связаться с нами можно тут.

Успехов в делах!

Роман Федосов, основатель и генеральный директор веб-интегратора «Компот»