Привет, меня зовут Виталик. Несколько лет я руковожу компанией сервисного дизайна. Большая часть наших клиентов, представители сферы электронной коммерции. За несколько лет на рынке мы успели поработать с десятками интернет-магазинов: от фэшн до музыкальных инструментов и сложных B2B направлений.
Пользователи интернет-магазинов всё реже приходят с точным запросом. Они не знают названий моделей, не хотят разбираться в фильтрах и не готовы держать в голове десяток характеристик. Они приходят с задачей:
• подбери подарок до 7к
• хочу что-то похожее, но дешевле
• белая футболка, не оверсайз, до 5к
• нужен ноутбук для работы с видео, не разбираюсь в железе
Классическая схема «ввёл запрос → получил список» с такими задачами не справляется. Пользователь открывает несколько карточек, возвращается назад, теряется, откладывает решение или уходит. Магазин при этом работает корректно, поиск есть, фильтры есть. Но человеку не хватает поддержки в момент выбора.
Это не только наше наблюдение. Например, Gartner прогнозирует, что к 2026 году до 25% поисковых запросов уйдут из классических поисковиков к ИИ-ассистентам. McKinsey фиксирует, что компании, которые помогают пользователю с выбором, получают рост выручки на 10-15% относительно конкурентов, которые этого не делают.
Люди привыкают разговаривать с интерфейсами. Они ожидают, что сайт поймёт задачу, уточнит детали и предложит решение, а не просто выдаст 200 позиций.
В какой-то момент мы поняли, что помощь пользователю с выбором, это не разовая задача под конкретный проект, а системная потребность, которую нужно решать на уровне продукта. Так появился Реком.
Реком– это умный поиск с ИИ для интернет-магазинов. Он работает как онлайн-консультант: понимает запросы на естественном языке, задаёт уточняющие вопросы, предлагает альтернативы и сопутствующие товары. Не выдаёт список, а ведёт диалог.
Gemini и Elasticsearch. Мы используем их возможности в части понимания естественного языка и контекстного диалога.
Вот что умеет поиск прямо сейчас:
• Диалоговый режим – пользователь формулирует запрос как угодно, сервис интерпретирует и ведёт разговор
• Уточняющие вопросы – если запрос неполный, сервис сам уточняет параметры: размер, бюджет, назначение
• Настраиваемые рекомендации – бизнес может управлять логикой выдачи, приоритетами и сценариями через личный кабинет
• Аналитика для бизнеса – личный кабинет показывает заказы через поиск, выручку, добавления в корзину, популярные сценарии
В ближайшее время планируем запустить поиск по фото – пользователь загружает изображение и получает подборку похожих товаров из каталога. Кроме поиска по фото, сервис умеет анализировать фотографии товаров и на основе этого, выдавать точные результаты. Также работаем над расширенным форматом уточняющих ответов.
Как внедрить к себе: добавить код на сайт и загрузить товарный фид. Дальше система начинает работать и адаптируется под структуру каталога.
Делиться данными клиентов мы можем только анонимно, но цифры говорят сами за себя. Один из подключённых магазинов, средний чек по каталогу около 200 рублей, то есть это магазин с недорогим товаром, где каждая конверсия на счету.
• 2 917 запросов через поиск
• 33.56% конверсия в переход по товару
• 434 товаров добавлено в корзину (на ~65 000 ₽)
• 54 оформлено заказов (на ~20 500 ₽)
• 159% ROI (за период; 122% за последний месяц)
• 2.6x окупаемость (2.2x за месяц)
Для магазина с товаром по 200 рублей ROI 159% – это не случайность. Это следствие того, что пользователь находит нужное быстрее и реже уходит ни с чем.
На рынке есть рекомендательные системы и поисковые движки. Большинство из них это набор правил, фильтров и блоков «похожие товары». Они помогают сузить выборку, но не помогают пользователю разобраться в ней.
Сейчас мы работаем с пилотными клиентами и собираем данные для масштабирования. В ближайшее время: поиск по фото, расширенный формат диалога и новые сценарии.
Если вы захотели внедрить к себе умный поиск, напишите мне в телеграм или оставьте заявку на нашем сайте. Проведем демо и покажем как работает поиск.