Нейросеть уверенно обещает скидку, которой нет. Кто отвечает за неправильные условия покупки

Ассистент пересказывает прошлогоднюю акцию как действующую: для покупателя это звучит как обещание магазина

Покупатель спрашивает у ассистента, есть ли скидка на нужную модель. Получает ответ: да, минус двадцать процентов до конца месяца, доставка бесплатная от трёх тысяч рублей. Он открывает сайт, складывает корзину и видит обычную цену и платную доставку. Скидка была, но год назад. Порога в три тысячи не существовало никогда.

На первый взгляд это просто ошибка модели, с которой компания ничего не может сделать. Но претензию покупатель приносит не разработчику нейросети, а магазину. И разбирается с ложным ожиданием поддержка, а не модель.

Откуда берётся скидка, которой нет

Условия не берутся из воздуха. Модель собирает их из того, что нашла о бренде в открытых источниках, и чаще всего ошибка приходит из пяти мест.

1. Страницы завершённых акций. Лендинг с прошлогодним «минус 20%» живёт по своему адресу и ничем не помечен как закрытый.
2. Новости и публикации про прошлые распродажи. Условия в них описаны подробно, с цифрами и сроками, и для модели выглядят как факты о бренде.
3. Чужие пересказы. Подборки промокодов, купонные сайты, обзоры и форумы, где условия переписаны неточно или давно устарели.
4. Смешение программ. Бонусы одной товарной категории приписываются другой, условия для юрлиц попадают в ответ розничному покупателю.
5. Размытые формулировки в собственных справках. «Бесплатная доставка при заказе от определённой суммы» достраивается моделью до конкретной цифры.

Для нейросети страница прошлогодней акции и действующий прайс выглядят одинаково достоверно, если на самой странице не сказано обратного. Дата помогает слабо: в пересказах она теряется первой.

Почему ложное обещание дороже обычной неточности

Неверно названная дата основания или перепутанный город вызывают недоумение. Неверные условия покупки вызывают конфликт. Покупатель приходит с готовым решением и конкретной цифрой в голове, он не проверяет, откуда она взялась, и воспринимает её как слово компании.

Здесь возникает странная ситуация. Формально компания ничего не обещала: оферта это то, что опубликовано на её страницах, и ответ ассистента ею не является. Фактически обещание прозвучало от её имени, и объясняться с покупателем придётся ей.

Кто отвечает перед покупателем

Юридически возвращать деньги за скидку, которой не было, компания не обязана. Практически выбор идёт между двумя плохими вариантами: отказать и получить отзыв про обман, либо дать условие, которого нет в прайсе, и оплатить чужую ошибку. Второй вариант дешевле в моменте и дороже в сумме: он не убирает причину, и на следующей неделе придёт такой же покупатель.

Что можно поправить в источниках

1. Не удалять страницы закрытых акций молча, а оставлять на них пометку о сроке и ссылку на действующие условия. Удалённая страница продолжает жить в чужих пересказах, помеченная перестаёт вводить в заблуждение.
2. Собрать условия покупки в одном месте: доставка, возврат, бонусы, пороги сумм, сроки акций, с явными цифрами и датой обновления.
3. Писать так, чтобы цифру нельзя было достроить: вместо «от определённой суммы» конкретная сумма и регион.
4. Пройти по чужим источникам: купонные подборки, обзоры, крупные каталоги. Где условия названы неверно, запросить правку, это обычная работа с источниками.
5. Явно писать, что в условие не входит. Строка про крупногабаритные товары или отдалённые регионы снимает половину ложных ожиданий.

Как понять, что правка дошла до моделей

Исправленная страница не меняет ответ ассистента в тот же день. Часть моделей берёт данные из поиска в момент запроса, часть опирается на то, что уже усвоено, и старая цифра может держаться неделями. Поэтому смысл не в разовой правке, а в повторной проверке: задать те же вопросы про скидку, доставку и бонусы теми словами, которыми спрашивает покупатель, и посмотреть, что модель отвечает и на какие источники ссылается.

Десяток запросов удобно вести руками в таблице. Если условий много, а моделей и регионов ещё больше, для регулярной сверки берут сервисы мониторинга AI-видимости: Profound, brandfound и другие. Задача у них здесь узкая: показать формулировку ответа и список источников, из которых она собрана, и поймать момент, когда прошлогодняя цифра перестанет появляться.

Скидка, которой нет, это не сбой нейросети, а отражение информационного следа компании. Пока в открытых источниках лежат условия трёх разных лет, модель будет собирать из них четвёртые. Начать стоит с инвентаризации: выписать все страницы и публикации, где названы цифры и сроки, и пройти по ним с одним вопросом - что из этого ещё действует.