E-commerce, Дистрибуция специализированных товаров

ИИ-ассистент для экспертного подбора в интернет-магазине

ИИ-решение для подбора сложных товарных категорий: сокращает время консультации, снижает зависимость качества рекомендаций от конкретного менеджера, повышает средний чек за счет релевантных сопутствующих товаров и уменьшает количество ошибок и возвратов.

ai-assistant-for-expert-product-selection-1.png
ai-assistant-for-expert-product-selection-2.png
ai-assistant-for-expert-product-selection-1.png
NDA
ЗаказчикКрупный продавец специализированных товаров с широким каталогом, где качество продажи напрямую зависит от скорости и точности консультации менеджера.
ЗадачаПеревести экспертный подбор из ручного и неравномерного процесса в стандартизированный AI-контур, который сокращает время консультации, снижает ошибки и возвраты и повышает средний чек за счет релевантных рекомендаций и допродаж.

О проекте

В интернет-магазине экспертный подбор товаров по запросу покупателя велся вручную. В каталоге из 500+ SKU, потому одна консультация занимала до 20-30 минут, качество рекомендаций было неравномерным, а ошибки в подборе вели к возвратам и потере допродаж. Особенно узким местом был сам входной запрос: менеджер получал описание кейса в свободной форме и должен был быстро сопоставить его с логикой подбора, размерными таблицами, ограничениями, остатками и сроками доставки.

 

Заказчик принял решение внедрить AI-ассистента для стандартизации экспертной консультации. Мы предложили гибридный контур: ИИ структурирует запрос менеджера, применяет правила подбора, использует базу знаний и каталог для ранжирования вариантов, а на выходе формирует ТОП-3 рекомендаций, размер, аргументацию, готовый текст для клиента и релевантные сопутствующие товары. 

 

Такой подход позволяет ускорить консультацию, снизить зависимость качества подбора от опыта конкретного сотрудника и превратить экспертную продажу в управляемый процесс.

NDA
ЗаказчикКрупный продавец специализированных товаров с широким каталогом, где качество продажи напрямую зависит от скорости и точности консультации менеджера.
ЗадачаПеревести экспертный подбор из ручного и неравномерного процесса в стандартизированный AI-контур, который сокращает время консультации, снижает ошибки и возвраты и повышает средний чек за счет релевантных рекомендаций и допродаж.

до 5 секунд

на подбор оптимального изделия по запросу менеджера
1
Аналитика категорий и логики подбора
Выбираем приоритетные категории, собираем правила соответствий, размерные таблицы, ограничения и тестовые кейсы менеджеров
2
Сборка AI-ядра подбора
Реализуем парсер свободного запроса, rules-based фильтрацию, RAG-поиск по каталогу и логику ранжирования рекомендаций
3
Реализация интерфейса менеджера и подключение товарных данных
Разрабатываем рабочий контур, в котором менеджер получает три релевантные рекомендации, рассчитанный размер, аргументацию подбора, текст ответа клиенту, а также данные по остаткам и срокам доставкиостатки и сроки доставки
4
Пилотный запуск
Запускаем MVP на ограниченной группе, измеряем время подбора, качество рекомендаций, использование ассистента и влияние на продажу
5
Масштабирование
Расширяем покрытие на весь каталог, подключаем CRM, аналитику и контур обучения на фидбеке менеджеров
previewpreview

Почему мы?

3 похожих кейса: мы уже внедряли локальные LLM- и RAG-решения для задач, где критичны скорость ответа, точность рекомендаций и работа с данными внутри защищённого контура компании.

Технологический стек

Frontend

Интерфейс пользователя: отчеты, графики, панели управления

Backend

Логика обработки и базовые компоненты системы

ML

Модели и фреймворки для обучения

LLM

Языковые модели и AI-инструменты

Вызовы и решения

Свободный запрос менеджера не всегда предсказуем

Менеджеры описывают кейс в свободной форме, часто с неполными данными, разговорными формулировками и без готовой структуры для подбора
РЕШЕНИЕ

NLP-парсер и контур доуточнения

В проект заложили парсинг свободного запроса в структурированные параметры кейса и сценарий, в котором система сама определяет, каких данных не хватает, и подсказывает менеджеру, что нужно уточнить до подбора

Нельзя строить подбор только на одной LLM

В проекте важны ограничения, размерные таблицы, складские остатки и правила применимости, при этом ИИ не должен принимать медицинские решения и не может галлюцинировать в критичных местах
РЕШЕНИЕ

Гибридный движок правил + RAG + локальная LLM

Архитектуру собрали как гибрид: правила закрывают детерминированные части подбора, RAG работает по каталогу и базе знаний, а локальная LLM отвечает за ранжирование и генерацию ответа

>85% точности

нужный товар попадает в первые 3 рекомендации

в 3 раза

выросло количество консультаций на менеджера в день

500+

SKU в каталоге товаров

Команда, которая внедрила проект

Алексей Цибульников
Python backend-разработчик
Дмитрий Долгин
Tech Lead
Дмитрий Палий
Frontend-разработчик
Дмитрий Соркин
DevOps-инженер
Виктор Дупляков
Full-stack разработчик

Бесплатный разбор вашей задачи

На экспертной встрече разберем, какие сценарии внедрения ИИ для вашего бизнеса перспективны и возможны на вашем действующем оборудовании. Подготовим экономическое обоснование внедрения ИИ.

Рассмотрим технические ограничения и возможный первый этап проекта.

О вашей задаче (по желанию)

Готовые проекты

Наша команда с 2017 года успешно реализовала 60 проектов с искусственным интеллектом. Тут собраны наши лучшие работы, про которые мы можем рассказать, про некоторые совсем немного, а некоторые мы вообще не можем тут упомянуть из-за NDA. Но готовы применять опыт в разработке нейросетей для ваших задач.

bracket
Разработка крупной системы
Нейросеть для определения возраста: аналитика и безопасность в одном решении
age.webp
ИИ для образования
Распознавание рукописного текста на экзаменационных бланках с помощью нейросети
ocr-documents-case.png
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
damage-detection-case.png
Пилотный запуск
Интеллектуальная видеоаналитика для контроля периметра, выявления угроз на интроскопах и БПЛА
ai-video-security-industrial-sites.jpg
Видеоаналитика для ресторанов
ИИ-контроль времени сборки заказов
ai-tray-order-analysis-fast-food.jpg
AI-Mirror
ИИ-интерактив для бренд-зоны
ai-interactive-exhibition-stand.jpg