Как ИИ помог интернет-магазину увеличить продажи на 45%

Интернет-магазин с хорошим ассортиментом и нормальным трафиком — но конверсия 1,2%, поддержка тонет в однотипных вопросах, а карточки товаров написаны под копирку. Именно в такой ситуации к нам обратился клиент из сегмента товаров для дома. Разбираем этот кейс ИИ для интернет-магазина: что конкретно мы сделали, сколько это заняло и что вышло в цифрах.

Ситуация: магазин рос, но деньги утекали сквозь пальцы

Клиент — интернет-магазин товаров для дома и декора, ~4 000 SKU, 30 000 уникальных посетителей в месяц. На момент обращения три болевые точки съедали прибыль:

• Конверсия 1,2% при среднем по нише 2,5–3% — покупатели уходили, не найдя «то самое».
• Служба поддержки: два менеджера вручную отвечали на 600–800 однотипных вопросов в месяц — «есть ли в наличии», «когда доставят», «можно ли вернуть».
• SEO-трафик падал: карточки товаров написаны одним шаблоном, Google снижал позиции из-за дублей.

Нанять ещё людей владелец не хотел — и правильно. Мы предложили решить всё тремя ИИ-модулями.

Задача: три точки роста, три инструмента

Мы не внедряли «ИИ вообще». Под каждую боль — конкретный инструмент с измеримой целью: поднять конверсию за счёт релевантных рекомендаций, снять нагрузку с поддержки за счёт авто-ответов, вернуть SEO-трафик за счёт уникальных описаний. Бюджет согласовали на 12 недель.

Этап 1 — ИИ-рекомендации: «угадать» товар до того, как клиент сам поймёт

ИИ-рекомендации для интернет-магазина — это система, которая в реальном времени анализирует поведение посетителя (что смотрел, что добавил в корзину, как долго задерживался на странице) и подбирает товары, которые с наибольшей вероятностью закроют сделку. Мы подключили коллаборативную фильтрацию поверх исторических данных о заказах за два года. Первые две недели — сбор сигналов и обучение модели. Уже на третьей блок «Похожие товары» и «С этим берут» стал персональным для каждого сеанса, а не просто выдавал бестселлеры.

Этап 2 — ИИ-авто-ответы в чате и Telegram

Мы выгрузили историю 2 000 диалогов поддержки, кластеризовали вопросы и выявили 11 типов обращений, которые составляли 78% всего потока. Под каждый тип написали сценарий с ветвлением. ИИ-агент на базе GPT-4o подключился к CRM и складской системе: он сам проверяет наличие, статус заказа и условия возврата — и отвечает за 8–15 секунд. Сложные кейсы (претензии, нестандартные запросы) агент передаёт живому менеджеру с контекстом разговора.

ИИ-агент поддержки не заменяет людей — он забирает рутину, чтобы люди занимались тем, что требует живого участия.

Этап 3 — SEO-тексты для 4 000 карточек товаров

Переписать четыре тысячи карточек вручную — три-четыре месяца работы копирайтера. Мы сделали это за шесть рабочих дней. Схема: для каждой товарной категории прописали промпт с требованиями к структуре и ключевым запросам, добавили «паспорт бренда» (тон, запрещённые слова, USP магазина), запустили батч-генерацию через API. Каждое описание уникально, содержит технические характеристики, сценарии использования и целевой ключ без переспама. Выборочная проверка редактором — 15% карточек — выявила 3% правок, что уложилось в норму.

Кейс: что произошло за 12 недель

Замеры делались по трём точкам: до внедрения, через 6 недель и через 12 недель. Вот что мы получили:

• Конверсия: с 1,2% до 1,74% на шестой неделе, до 2,1% — к двенадцатой. Рост продаж +45% к предыдущему аналогичному периоду.
• Поддержка: 74% обращений закрывает ИИ-агент без участия человека. Время первого ответа сократилось с 4 часов до 12 секунд. Менеджеры высвободили ~110 часов в месяц.
• SEO: органический трафик вырос на 31% за три месяца. Число страниц в топ-10 Google по коммерческим запросам — с 38 до 91.
• Средний чек вырос на 12% — блок «С этим берут» добавлял релевантные аксессуары именно в момент принятия решения.

Выводы: где ИИ реально работает в e-commerce

Этот проект показал три вещи, которые мы видим снова и снова. Первое: ИИ работает там, где есть повторяемые паттерны — поведение покупателей, типовые вопросы, шаблонные тексты. Второе: каждый модуль нужно подключать к реальным данным системы (CRM, склад, аналитика) — иначе это просто чат-бот без пользы. Третье: окупаемость можно считать уже через 4–6 недель после запуска, не через год. Три модуля вместе дали синергию: больше трафика → лучше конверсия → довольные покупатели не ждут ответа часами.

Если у вашего интернет-магазина похожие болевые точки — падающая конверсия, перегруженная поддержка или слабый SEO-трафик — мы разберём ситуацию и покажем, какой из трёх модулей даст быстрейший результат именно в вашей нише.