Что умеет ИИ, встроенный в маркетплейсы, а чему еще стоит поучиться

Маркетплейсы активно развивают технологии ИИ — например, используют возможности нейросетей в товарных рекомендациях. А селлеры с помощью ИИ могут заполнять карточки товаров и эффективно автоматизировать обратную связь.

В 2024 году YandexGPT помог создать описания товаров более 84 тыс селлеров Яндекс Маркета — сгенерировал текст для 5 млн карточек. Чтобы создать описание товара вручную, продавцу может потребоваться несколько часов, а ИИ генерирует такой текст за секунды — заметная экономия.

Собственную нейросеть для создания описаний товаров запустил и маркетплейс Wildberries. Технология учитывает правила площадки, умеет добавлять в текст ключевые слова и воспроизводит уникальный язык коммуникации бренда.

Выбирая сценарии применения ИИ, селлеру важно помнить: технология переживает период хайпа. С одной стороны, это время роста: можно одну за другой открывать новые возможности и превращать их в конкурентные преимущества. С другой, для такого периода характерен и чрезмерный оптимизм.

Иногда предприниматели попадают в ловушку популярности: инвестируют в решения, которые на самом деле не могут эффективно применить.

С каждым годом на рынке появляется все больше инструментов на базе искусственного интеллекта.

LLM-технологии, или большие языковые модели, например, открывают практически неограниченные возможности для ведения диалога. Голосовые ассистенты и чат-боты успешно работают с поисковыми запросами, отвечают на вопросы покупателей, обрабатывают отзывы. В отличие от первых решений, которые могли двигаться только по заданному скрипту, помощники с ИИ оказываются более гибкими, могут работать с необычными запросами и решить больше ситуаций без помощи оператора.

Наконец, алгоритмы на основе ИИ помогают обрабатывать огромные объемы данных. Поэтому технологии используют для анализа предпочтений и прогнозов поведения покупателя, создания рекомендаций, а также автоматизации процессов на всем пути — от посещения сайта до курьерской доставки.

ИИ успешно применяют крупнейшие мировые компании. Каждый второй товар на Amazon, к примеру, продается благодаря товарным рекомендациям, которые генерирует нейросеть. Однако на то, чтобы получить такой результат, потребовались годы.

Так, Amazon одними из первых ушли от сравнения покупателей к сопоставлению самих товаров и связей между приобретением различных позиций. То есть настроили алгоритм таким образом, чтобы он находил не пользователей с похожими предпочтениями, а корреляции одних товаров с другими.

Затем настройки дополнительно усложняли. Например, обучали алгоритм различать популярные и менее популярные товары. Без этого в рекомендации попадали бы только самые востребованные позиции, например, книжные бестселлеры. Кроме того, в рекомендациях учли разницу покупательской активности.

Представим двух покупателей. Один делает заказы каждую неделю, другой — раз в несколько месяцев. Так как первый пользователь, в целом, покупает больше, он и с большей вероятностью купит вместе с товаром А товар Б. Менее активный пользователь может не добавить к товару А товар Б — или приобрести товар Б гораздо позднее.

Чтобы такие различия не искажали понимание алгоритмом связи между товаром А и товаром Б, их нужно каким-то образом учитывать при обучении модели. Хотя ИИ открывает широкие возможности, чтобы применить его эффективно, по-прежнему нужно участие человека — инженера, который направит потенциал технологии в нужное русло.

Наиболее сложные для современных ИИ в e-com задачи — это персональные консультации и сравнение товаров. В случае с маркетплейсами и миллионами товарных наименований это особенно актуально.

Технически, генеративное модели неплохо справляются с такими запросами — скорее всего, результат будет соответствовать ожиданиям. Но покупателю, который сомневается в выборе, может не хватить эмоциональной составляющей, которую он найдет в живом персональном консультанте или операторе магазина. Поэтому на сегодняшний день лучший результат по-прежнему дает синергия ИИ и оператора контакт-центра.

Если в работе ИИ есть ошибки и проблемы, совершенствуйте сценарии применения. Экспериментируйте с тональностью, ключевыми темами диалога. И внимательно опишите все случаи, в которых технология должна перевести диалог на оператора.

Использование ИИ может значительно улучшить бизнес-процессы и повысить качество взаимодействия с клиентами. Чтобы интеграция нейросетей принесла максимальную пользу, важно подходить к этому процессу осознанно и стратегически.

Следуя этим рекомендациям, вы сможете эффективно внедрить ИИ в свой бизнес, а ещё повысить уровень сервиса и создать более персонализированный опыт для клиентов.