ИИ в интернет-магазине: 30 дней без остановки продаж

Aleksey Nik

ИИ в интернет-магазине: 30 дней без остановки продаж

ВВЕДЕНИЕ. Почему e-commerce — идеальная среда для ИИ (и чего от него не ждать)

СИТУАЦИЯ

Ольга держит интернет-магазин товаров для дома: посуда, текстиль, небольшая бытовая техника. В штате четверо: она сама, менеджер по заказам Артём, контент-менеджер Лена на неполной ставке и курьер-логист на аутсорсе (то есть работающий не в штате, а по договору). В каталоге 2 400 позиций, и каждую неделю поставщики присылают прайсы с новинками.

Понедельник, девять утра. В почте двенадцать писем от поставщиков с файлами в разных форматах. В онлайн-чате на сайте шесть непрочитанных сообщений: «Где мой заказ?», «Можно ли вернуть сковороду, если я её уже использовал?», «Подойдёт ли эта крышка к кастрюле на 5 литров?». В CRM (программе, где хранятся клиенты и заказы) четырнадцать заказов зависли в статусе «Ожидает подтверждения». Лена вторую неделю переписывает описания для сорока новых чайников, и половина из них пока выглядит как «Чайник электрический. Мощность 2200 Вт. Объём 1,7 л».

К обеду Ольга понимает, что за утро не сделала ничего, что приносит новые продажи. Она сверяла, отвечала, переносила и копировала. Вечером она читает очередную статью о том, что нейросети «заменят целый отдел», и закрывает её с раздражением. Отдела у неё нет. Есть четыре человека и список из трёхсот задач, ни одна из которых не выглядит достаточно большой, чтобы заниматься ею отдельно, а все вместе они съедают рабочий день.

Эта книга для таких, как Ольга. Не для тех, кто хочет «заменить людей», а для тех, кто хочет вернуть людям время на то, что действительно требует человека.

В ЧЁМ НАСТОЯЩАЯ ПРОБЛЕМА

Самый частый диагноз, который владельцы магазинов ставят сами себе: «Нам не хватает людей». Нанять ещё одного менеджера, ещё одного контентщика, ещё одного оператора поддержки. Иногда это правда. Но чаще настоящая причина другая: в магазине много однотипной работы, которую выполняют вручную, потому что «так сложилось».

Отделим симптом от причины. Симптом: сотрудники перегружены, ответы клиентам задерживаются, карточки товаров заполнены кое-как, брошенные корзины никто не разбирает. Причина: значительная часть задач в магазине устроена по одной схеме. Есть входные данные (прайс поставщика, вопрос клиента, статус заказа), есть правила обработки (шаблон описания, политика возврата, регламент доставки) и есть результат (готовая карточка, ответ, письмо). Человек в этой цепочке тратит время не на принятие решений, а на механическое преобразование одного текста в другой.

Именно такие задачи современные нейросети выполняют достаточно хорошо. Не идеально, не без ошибок, но достаточно хорошо, чтобы человек переключился с написания на проверку. А проверять текст в разы быстрее, чем писать его с нуля.

Но здесь же скрыта главная ловушка. Если принять вывод «ИИ всё сделает сам» и отпустить процесс без контроля, магазин получит карточки с выдуманными характеристиками, ответы клиентам с несуществующими условиями возврата и письма со скидками, которых никто не обещал. Поэтому вторая половина проблемы: ИИ нужно встроить в процесс так, чтобы ошибка не доходила до покупателя. Этому в книге отведено не меньше места, чем самой автоматизации.

НЕСКОЛЬКО СЛОВ О СЛОВАХ

Чтобы дальше не путаться, договоримся о терминах. «ИИ» в этой книге означает технологию в целом. «Модель» (или «нейросеть») это конкретная программа, которая получает ваш запрос и выдаёт ответ. «Промпт» это текст задания, которое вы даёте модели: кто она в этой задаче, что должна сделать, чего делать нельзя и какие данные использовать. Почти вся книга построена на хороших промптах, поэтому в каждой главе вы найдёте готовые, которые можно скопировать и подставить свои данные. Остальные термины объясняются при первом употреблении, а в конце книги есть короткий словарь.

ПОЧЕМУ ИМЕННО E-COMMERCE

У интернет-магазина (e-commerce, то есть электронной торговли) есть четыре свойства, которые делают его удобной средой для автоматизации с помощью ИИ.

Первое: всё происходит в тексте и в данных. Карточка товара, переписка с клиентом, отзыв, письмо о брошенной корзине, статус заказа. Магазин работает не с материальными объектами напрямую, а с их цифровыми описаниями. Модели работают именно с текстом, и им не нужно «понимать физический мир», чтобы переписать описание чайника по заданному шаблону.

Второе: задачи повторяются. У вас не 2 400 уникальных задач на заполнение карточек, а одна задача, которую вы повторяете 2 400 раз с разными исходными данными. То же с вопросами клиентов: по опыту большинства магазинов, значительная доля обращений повторяет несколько десятков типовых тем (статус заказа, сроки доставки, условия возврата, наличие, размеры). Конкретная доля у каждого магазина своя, и в главе 2 мы научимся измерять её на ваших данных, а не верить чужим цифрам.

Третье: есть готовые правила. Политика возврата, условия доставки, формат карточки, тон общения. Если эти правила записаны, их можно передать модели. Если не записаны, это первая работа, которую придётся сделать, и она полезна сама по себе, даже без всякого ИИ.

Четвёртое: результат легко проверить. Описание товара можно сверить с характеристиками поставщика. Ответ клиенту можно сверить с политикой магазина. Письмо о корзине можно проверить на соответствие акции. Проверяемость критична: там, где проверить результат нельзя или очень дорого, использовать ИИ опасно.

ЧЕГО ОТ ИИ НЕ ЖДАТЬ

Это самый важный раздел введения. Мы фиксируем границы до того, как вы потратите время и деньги.

ИИ не создаёт спрос. Если ваш товар никто не ищет, красивое описание его не продаст. Если цена выше рыночной на 40 %, письмо о брошенной корзине её не компенсирует. ИИ помогает эффективнее обрабатывать тот спрос, который уже есть: быстрее отвечать, аккуратнее описывать, вовремя напоминать. Если кто-то обещает вам рост продаж в несколько раз «благодаря нейросети», перед вами продавец, а не инженер.

ИИ не знает вашего магазина. Модель не видит ваш склад, не знает, что вчера поставщик снял товар с производства, и не в курсе, что на этой неделе вы изменили срок возврата с 14 до 10 дней. Всё необходимое нужно передать ей в запросе или через подключённую базу. Если не передали, она либо промолчит, либо, что хуже, придумает правдоподобный ответ.

ИИ ошибается уверенным тоном. Это свойство называют галлюцинацией: модель выдаёт несуществующий факт так же спокойно, как существующий. В описании чайника она может написать «автоматическое отключение при закипании», хотя в характеристиках поставщика этой функции нет. Для покупателя это превращается в обман, для вас в возврат и негативный отзыв. Отсюда правило, которое пройдёт через всю книгу: ИИ пишет, человек или проверочный механизм подтверждает.

ИИ не заменяет решения. Какую скидку давать, кому разрешить возврат в спорной ситуации, какого поставщика оставить в каталоге. Это управленческие решения, и они остаются за вами. ИИ может подготовить данные для решения, но не принять его вместо вас.

ИИ не безопасен по умолчанию. Если вставить в публичный чат выгрузку заказов с телефонами и адресами, эти данные покинут ваш контур. В главе 5 мы разберём, как работать с ИИ, не передавая персональные данные. А пока запомните правило: реальные базы клиентов, историю заказов с именами, адресами, телефонами и платёжные реквизиты в публичные нейросети не загружают без анонимизации.

ИИ не работает без настройки. Первый результат почти всегда посредственный. Хороший результат появляется после того, как подготовлены шаблон, примеры, правила и проверка. Эта подготовка занимает от нескольких часов до нескольких дней, и пропускать её не стоит.

ЧТО ВЫ ПОЛУЧИТЕ, ПРОЙДЯ КНИГУ

Книга устроена как последовательность рабочих систем. После каждой главы у вас остаётся не знание, а работающий инструмент или документ.

После главы 1 у вас будет контент-конвейер: шаблон карточки, набор промптов и процедура проверки, по которым можно обрабатывать новые товары пачками. После главы 2 у вас будет база типовых ответов и схема, по которой часть обращений закрывается быстро, а сложные уходят человеку. После главы 3 у вас будет набор сценариев для брошенных корзин, которые не превращаются в навязчивую рассылку. После главы 4 вы научитесь превращать сотни отзывов и вопросов в короткий список причин, по которым товары не продаются.

Главы 5–7 посвящены безопасности, интеграции и контролю качества. Это фундамент, без которого автоматизация из помощника превращается в источник проблем. Главы 8–10 переводят всё на язык денег и управления: сколько это стоит, когда окупается, как внедрить за 30 дней без остановки продаж и когда пора нанимать человека, а не добавлять мощности ИИ.

В приложениях вы найдёте библиотеку промптов, чек-лист безопасности данных, калькулятор окупаемости и словарь терминов.

О ЦИФРАХ И КЕЙСАХ В ЭТОЙ КНИГЕ

Скажу прямо: все кейсы, числа и примеры магазинов в этой книге учебные. Ольга, её магазин посуды, количество карточек, время обработки и суммы выбраны, чтобы показать ход рассуждения, а не чтобы продемонстрировать чьи-то реальные результаты. Условные входные данные отмечаются в каждом расчёте.

Почему так. Реальные результаты зависят от ниши, ассортимента, качества исходных данных, дисциплины команды и десятка других факторов. Если бы я привёл «магазин, который сэкономил 300 000 рублей в месяц», вы легко поверили бы и так же легко разочаровались, когда у вас вышло иначе. Вместо этого мы будем разбирать, как посчитать вашу экономию на вашей модели, и каждый расчёт построен так, чтобы вы могли подставить свои числа.

Ещё два замечания. Я не называю конкретные цены на инструменты и тарифы нейросетей, потому что они меняются быстро: в главе 8 вы научитесь считать стоимость по структуре, а актуальные цены подставите сами. И если для какой-то интеграции понадобится разработчик или специализированный конструктор, я напишу об этом прямо. Любую CMS (систему управления сайтом) не подключить к нейросети одной кнопкой, и лучше узнать об этом до начала работы.

ДЛЯ КОГО ЭТА КНИГА, А ДЛЯ КОГО НЕТ

Книга подойдёт, если вы владелец или операционный директор интернет-магазина с командой от одного до пятнадцати человек, у вас есть CMS (любая: от облачных конструкторов магазинов до самописных систем), и вы хотя бы раз ловили себя на мысли, что ваши люди заняты перепиской, а не развитием.

Книга не подойдёт, если вы ищете способ получить продажи без товара и без трафика, хотите полностью убрать людей из процесса или планируете загружать в нейросеть всё подряд, не думая о данных. Для таких задач в книге нет решений, и придумывать их я не буду.

КАК ЧИТАТЬ КНИГУ

Главы построены похоже: история из жизни магазина, разбор настоящей проблемы, принцип работы, пошаговая инструкция, готовые шаблоны, пример из практики с цифрами, типичные грабли, вопросы владельцев и короткий совет, с чего начать. Мой совет читать по порядку, потому что главы 5 и 7 (безопасность и контроль качества) опираются на практику первых четырёх. Но если у вас горит именно поддержка или именно карточки, можно начать с главы 2 или 1, а к безопасности вернуться сразу после первого запуска. Единственное, чего я бы не делал, это запускать автоматизацию на реальных клиентах, не прочитав главы 5 и 7.

В конце каждой главы я предлагаю один маленький шаг. Не домашнее задание, а самое простое действие, с которого удобно начать. Книга, которую просто прочитали, магазин не меняет. Книга, по которой за вечер собрали один шаблон и проверили его на десяти товарах, меняет.

ПЕРВЫЙ ШАГ УЖЕ СЕГОДНЯ

Прежде чем переходить к главе 1, попробуйте небольшое упражнение на двадцать минут. Оно не требует нейросетей, только блокнот и ваш опыт. Выпишите пять задач, которые ваша команда делает чаще всего и которые вызывают у людей раздражение. Для каждой ответьте на три вопроса.

Есть ли у этой задачи входные данные и ожидаемый результат, которые можно описать? Например: «прайс поставщика → карточка товара». Есть ли правило, по которому её делают, и записано ли оно? Что случится, если результат будет с ошибкой, кто заметит и как быстро?

Задачи, где на первые два вопроса ответ «да», а ошибку заметят до того, как она дойдёт до клиента, хорошие кандидаты на автоматизацию. Задачи, где правила нет, нужно сначала описать. Задачи, где ошибка доходит до клиента незамеченной, требуют проверочного механизма, и мы построим его в главах 1 и 7. Эти пять строк станут вашей картой для всей книги: в главах 1 и 2 я напомню о ней, а вы вычёркивайте то, что уже работает.

ПЕРЕХОД К ГЛАВЕ 1

Начнём с самого осязаемого: с карточек товаров. Это задача с понятными входными данными, чётким результатом и простой проверкой, поэтому на ней удобнее всего освоить базовую логику: как поставить модели задачу, как не дать ей выдумывать и как превратить разовую удачную генерацию в повторяемый процесс. Именно этим займёмся в следующей главе.

ГЛАВА 1. Контент-конвейер: как ИИ описывает товары и заполняет характеристики (без галлюцинаций)

СИТУАЦИЯ

Лена, контент-менеджер Ольги, сидит над сорока новыми чайниками. Поставщик прислал таблицу в Excel: столбцы «Наименование», «Мощность», «Объём», «Материал колбы», «Цвет», «Комментарий». В половине строк «Комментарий» пустой, в трёх написано «см. сайт производителя», в одной значится «ждём уточнения по фильтру».

Лена открывает карточку первого чайника и начинает писать. Заголовок, короткое описание, список преимуществ, характеристики для фильтров. На один товар уходит двадцать с лишним минут. К пятому чайнику она замечает, что описания стали похожи друг на друга как близнецы: «Стильный чайник станет украшением вашей кухни». К десятому понимает, что в карточке номер три указала объём 1,8 литра, хотя у поставщика 1,7.

Ольга предлагает: «Давай попробуем нейросеть». Лена пробует. Вставляет в чат строку из таблицы и просит «написать описание». Результат красивый, гладкий, и в нём есть «функция поддержания температуры», которой у этой модели нет. Лена закрывает вкладку: «Она всё выдумывает, этому нельзя доверять».

— Подожди, — говорит Ольга. — А что ты ей дала, кроме названия?

— Строку из таблицы. Там половина полей пустая.

— Тогда она и заполнила пустоту тем, что бывает у чайников вообще.

Лена права наполовину. Модель выдумывает, когда ей дают мало данных и просят «написать красиво». Но если построить процесс иначе, ту же модель можно заставить писать только то, что есть в исходных данных, и отмечать пробелы. Этому и посвящена глава.

В ЧЁМ НАСТОЯЩАЯ ПРОБЛЕМА

Симптом: «нейросеть врёт в описаниях». Причина лежит глубже и состоит из трёх частей.

Первая причина: неполные исходные данные. Когда в запросе нет характеристик, а есть только название, модель заполняет пустоту типичными свойствами «чайников вообще». Для неё это не ложь, а попытка быть полезной. Если вы не сказали ей, что делать с пробелом, она заполнит его сама.

Вторая причина: нет запрета на домыслы. Если в промпте не сказано «используй только данные из таблицы», модель считает, что можно добавлять общие знания. Запрет должен быть записан явно, и лучше с примером.

Третья причина: нет проверки. Даже хороший промпт иногда даёт сбой. Если результат идёт на сайт без сверки, ошибка доходит до покупателя. Контент-конвейер без контроля превращается в генератор рисков.

Поэтому правильная постановка задачи звучит так: не «как заставить ИИ писать описания», а «как построить цепочку, где данные проходят очистку, затем генерацию по жёстким правилам, затем автоматическую и ручную проверку».

КАК ЭТО РАБОТАЕТ

Контент-конвейером я буду называть всю цепочку работы с карточками от прайса поставщика до публикации. Она состоит из пяти станций, и результат каждой становится входом для следующей.

Станция 1: подготовка данных. Таблица поставщика приводится к единому виду: одинаковые названия столбцов, единицы измерения (литры, а не «л.», «литр» и «1,7»), пустые ячейки помечены словом «НЕТ ДАННЫХ». Эту станцию часто можно выполнить без ИИ, обычными формулами Excel.

Станция 2: генерация. Модель получает строку данных и жёсткий шаблон: что писать, в каком объёме, какие слова запрещены, как поступать с пробелами.

Станция 3: автопроверка. Второй запрос к модели (или простая программная проверка) сверяет готовый текст с исходной строкой и ищет утверждения, которых в данных нет. Автопроверкой в книге называется только эта машинная проверка.

Станция 4: ручная проверка. Человек, которого мы будем называть проверяющим, просматривает результат не весь подряд, а по правилам выборки: все товары с пометками «НЕТ ДАННЫХ», все товары из рискованных категорий и случайные 10 % остальных.

Станция 5: публикация. Утверждённый текст загружается в CMS через импорт файла или вручную.

Ключевая идея: модель не знает ничего о товаре, кроме того, что вы ей передали. Вы превращаете её из «автора» в «редактора-оформителя» своих же данных. Автор может выдумывать, оформитель только переупаковывает. Для магазинов, где карточек сотни и тысячи, такой подход экономит самое дорогое: не время на написание, а время на механическую сборку текста из полей. Но экономия появляется только тогда, когда сделаны станции 1, 3 и 4. Без них вы просто быстрее производите риск.

ПОШАГОВАЯ ИНСТРУКЦИЯ

Ниже процедура на примере партии из сорока чайников. Для любой другой ниши (автозапчасти, одежда) логика та же, меняются поля.

Шаг 1. Сделайте копию таблицы поставщика. Исходник не трогайте. Работайте с копией: если что-то пойдёт не так, вы вернётесь к оригиналу.

Шаг 2. Определите обязательные поля карточки. Для чайника это название модели, бренд, объём, мощность, материал колбы, цвет, наличие фильтра, наличие автоотключения, длина шнура, гарантия. Запишите список на отдельном листе. Это «паспорт карточки».

Шаг 3. Сопоставьте столбцы таблицы с паспортом. Для каждого поля паспорта найдите столбец поставщика. Если столбца нет, отметьте поле как «отсутствует у поставщика». Результат: вы видите, каких данных не хватает до запуска генерации.

Шаг 4. Приведите единицы и написание к единому виду. «1,7 л» везде, «2200 Вт» везде, «нержавеющая сталь» без вариаций вроде «нерж.», «сталь нерж.». В Excel помогут «Найти и заменить» и «Текст по столбцам». Если часть значений осталась в странном формате, откройте столбец фильтром и посмотрите уникальные значения: выбросы сразу видны.

Шаг 5. Проставьте «НЕТ ДАННЫХ» в пустых ячейках. Пустая ячейка для модели означает «придумай», а явная пометка означает «не упоминай». Это самый важный технический приём главы.

Шаг 6. Подготовьте промпт генерации. Возьмите шаблон 1 ниже и вставьте в него правила своего магазина: тон, длину, запретные слова.

Шаг 7. Проверьте промпт на трёх товарах: с полными данными, с пропусками и «сложном» (необычном). Запускайте по одному и читайте внимательно. Если модель добавила факт, которого нет в строке, внесите в промпт конкретный запрет с этим примером.

Шаг 8. Доработайте промпт по результатам. Обычно требуется две-три итерации. Фиксируйте версии (v1, v2, v3) в отдельном файле, чтобы можно было вернуться.

Шаг 9. Запустите пакетную генерацию. Передавайте товары пачками по 5–10 строк, а не по сорок сразу: так проще заметить, когда качество начинает падать. Каждая пачка идёт отдельным запросом с одним и тем же промптом.

Шаг 10. Запустите автопроверку для каждого готового текста (шаблон 2). Она вернёт список утверждений, которых нет в исходных данных. Если автопроверка ничего не находит, а вы видите ошибки глазами, значит, её промпт слишком мягкий: усильте формулировку.

Шаг 11. Отберите карточки для ручной проверки. Правило выборки: все карточки, где в данных были «НЕТ ДАННЫХ»; все карточки, где автопроверка нашла замечания; случайные 10 % остальных.

Шаг 12. Проведите ручную проверку. Проверяющий сверяет текст с исходной строкой по чек-листу (шаблон 4): цифры, названия функций, материалы, комплектация. На одну карточку уходит одна-две минуты вместо двадцати с лишним.

Шаг 13. Исправьте найденные ошибки и запишите их типы. Ведите журнал: «в четырёх карточках добавлена функция, которой нет». Если один тип ошибки повторяется, исправляйте промпт, а не только карточки.

Шаг 14. Выгрузите результат в формат импорта вашей CMS. Большинство платформ принимают CSV или Excel с заранее заданными столбцами. Если ваша система такого импорта не поддерживает, здесь понадобится помощь разработчика или конструктор сценариев без программирования (подробно в главе 6). Не придумывайте обходных путей, которых нет в вашей системе.

Шаг 15. Опубликуйте пробную партию из пяти карточек и понаблюдайте неделю. Смотрите на вопросы покупателей к этим товарам и на возвраты. Если вопросы вида «а точно есть такая функция?» не появились, расширяйте процесс на остальные товары.

РАБОЧИЕ ШАБЛОНЫ

Шаблон 1. Промпт генерации карточки. Скопируйте, замените слова в квадратных скобках на данные вашего магазина.

Ты — редактор интернет-магазина [тип товаров]. Твоя задача — оформить

карточку товара ТОЛЬКО на основе данных ниже.

ЖЁСТКИЕ ПРАВИЛА:

1. Используй исключительно информацию из блока ДАННЫЕ.

Не добавляй функции, свойства и комплектацию из общих знаний.

2. Если в поле стоит «НЕТ ДАННЫХ», не упоминай это свойство

вообще. Не пиши «информация уточняется».

3. Числа и единицы измерения копируй точно, без округления.

4. Запрещённые слова: «лучший», «идеальный», «революционный»,

«уникальный», «премиальный», «must have».

5. Тон: спокойный, деловой, без восклицательных знаков.

ФОРМАТ ОТВЕТА:

- Заголовок (до 70 знаков): бренд + модель + ключевая характеристика.

- Короткое описание (2–3 предложения, до 300 знаков).

- Список «Ключевые характеристики» (маркированный, только из данных).

- Блок «Кому подойдёт» (1–2 предложения; только выводы из данных,

например «объём 1,7 л подходит для семьи из 3–4 человек»).

ДАННЫЕ:

[сюда вставляется строка из таблицы вместе с названиями столбцов]

Пункт 2 критичен: он превращает «НЕТ ДАННЫХ» из пробела в запрет. Пункт 4 снимает «рекламный шум», который модели добавляют по умолчанию. Блок «Кому подойдёт» разрешает мягкие выводы, но только из чисел: объём к количеству человек, мощность к скорости закипания.

Шаблон 2. Промпт автопроверки. Запускается отдельным запросом после генерации.

Ты — строгий контролёр качества. Тебе даны ДАННЫЕ товара и ТЕКСТ

карточки. Найди в тексте все утверждения, которых нет в данных

или которые им противоречат.

Для каждого найденного случая выведи строку:

«Утверждение: ... | Почему подозрительно: ...»

Проверь отдельно:

- все числа и единицы измерения;

- все названия функций и материалов;

- комплектацию;

- слова с оттенком гарантии («безопасный», «не нагревается»,

«подходит для детей»).

Если нарушений нет, выведи одну строку: «Нарушений не найдено».

Не переписывай текст. Только список.

ДАННЫЕ:

[строка]

ТЕКСТ:

[готовая карточка]

Контролёр не должен быть «добрым». Его работа искать расхождения, а не оценивать стиль. Если делать проверку тем же запросом, что и генерацию, модель склонна подтверждать собственный результат. Разделение на два запроса принципиально.

Шаблон 3. Паспорт карточки. Создайте лист в Excel с тремя столбцами.

Поле

Обязательное?

Источник

Бренд

да

столбец «Производитель»

Объём, л

да

столбец «Ёмкость»

Автоотключение

да

столбец «Функции» (искать слово «автоотключ»)

Гарантия

нет

сайт производителя (вручную)

Паспорт заставляет заранее решить, что считается полной карточкой. Для автозапчастей в нём появятся «применимость к маркам и годам», «номер OEM» (номер детали по каталогу производителя автомобиля) и «кросс-номера» (номера аналогов других производителей). Для одежды «состав ткани», «размерная сетка», «уход». Если поле обязательное, а данных нет, карточка не уходит на публикацию без ручного дополнения.