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.



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.
до 5 секунд
Аналитика категорий и логики подбора
Выбираем приоритетные категории, собираем правила соответствий, размерные таблицы, ограничения и тестовые кейсы менеджеровСборка AI-ядра подбора
Реализуем парсер свободного запроса, rules-based фильтрацию, RAG-поиск по каталогу и логику ранжирования рекомендацийРеализация 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 доставкиПилотный запуск
Запускаем MVP на ограниченной группе, измеряем время подбора, качество рекомендаций, использование ассистента и влияние на продажуМасштабирование
Расширяем покрытие на весь каталог, подключаем CRM, аналитику и контур обучения на фидбеке менеджеров

Почему мы?
Технологический стек
Frontend
Интерфейс пользователя: отчеты, графики, панели управленияBackend
Логика обработки и базовые компоненты системыML
Модели и фреймворки для обученияLLM
Языковые модели и AI-инструментыВызовы 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 подбораNLP-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 подбораНельзя 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 местахГибридный 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.
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.













