Репост из: ASAP. Цифровые продукты
AI-продавец в реальном интернет-магазине для каталога на 200 000 товаров
В прошлом посте мы рассказывали про AI-продавца — собственную разработку ASAP для автоматизации консультаций в E-commerce.
Сейчас решение проходит пилотное внедрение в интернет-магазине «Строй-С» — сети DIY-гипермаркетов с ассортиментом более 200 000 товаров. Сам интернет-магазин также разрабатывала команда ASAP, поэтому внедрение AI-инструментов стало следующим этапом развития уже существующей платформы.
В строительном ритейле покупатель далеко не всегда знает название нужного товара. Чаще покупатель формулирует не конкретный товар, а задачу: «утеплить балкон», «подобрать инструмент для ремонта» или «рассчитать количество материалов».
Обычный поиск требует от пользователя самому разбираться в каталоге, характеристиках и категориях. В офлайн-магазине эту часть берет на себя продавец-консультант. В нашем проекте мы переносим этот сценарий в онлайн.
При этом мы не стали просто подключать LLM к каталогу. Qwen отвечает за понимание запроса и рекомендацию, а работа с 200 000 товаров, актуальными ценами и остатками остается под контролем backend и API интернет-магазина.
Что это дает бизнесу уже на уровне самого сценария:
— покупателю не обязательно знать точное название товара или разбираться в структуре каталога;
— консультация становится доступна непосредственно на сайте;
— AI работает с реальной номенклатурой магазина и актуальными данными;
— сложный запрос можно передать оператору вместе с контекстом диалога.
Сейчас мы проверяем эту архитектуру на реальных запросах и собираем аналитику по всему пути пользователя. Первые результаты уже собраны: 45 диалогов, 117 сообщений, 168 показов товарных карточек, 332 перехода к товарам и 21 добавление в корзину. Эти данные позволяют проверять всю цепочку работы AI-продавца и находить точки для дальнейшей доработки 🔥
Проект показывает, как LLM можно встроить в реальный контур: связать с большим каталогом, актуальными товарными данными и существующей бизнес-логикой интернет-магазина.
✌️ Подробнее о проекте — в кейсе на сайте ASAP.
В прошлом посте мы рассказывали про AI-продавца — собственную разработку ASAP для автоматизации консультаций в E-commerce.
Сейчас решение проходит пилотное внедрение в интернет-магазине «Строй-С» — сети DIY-гипермаркетов с ассортиментом более 200 000 товаров. Сам интернет-магазин также разрабатывала команда ASAP, поэтому внедрение AI-инструментов стало следующим этапом развития уже существующей платформы.
В строительном ритейле покупатель далеко не всегда знает название нужного товара. Чаще покупатель формулирует не конкретный товар, а задачу: «утеплить балкон», «подобрать инструмент для ремонта» или «рассчитать количество материалов».
Обычный поиск требует от пользователя самому разбираться в каталоге, характеристиках и категориях. В офлайн-магазине эту часть берет на себя продавец-консультант. В нашем проекте мы переносим этот сценарий в онлайн.
Покупатель описывает задачу своими словами, а AI-продавец уточняет детали, учитывает контекст разговора, помогает с выбором и предлагает конкретные позиции из ассортимента магазина.
При этом мы не стали просто подключать LLM к каталогу. Qwen отвечает за понимание запроса и рекомендацию, а работа с 200 000 товаров, актуальными ценами и остатками остается под контролем backend и API интернет-магазина.
Что это дает бизнесу уже на уровне самого сценария:
— покупателю не обязательно знать точное название товара или разбираться в структуре каталога;
— консультация становится доступна непосредственно на сайте;
— AI работает с реальной номенклатурой магазина и актуальными данными;
— сложный запрос можно передать оператору вместе с контекстом диалога.
Сейчас мы проверяем эту архитектуру на реальных запросах и собираем аналитику по всему пути пользователя. Первые результаты уже собраны: 45 диалогов, 117 сообщений, 168 показов товарных карточек, 332 перехода к товарам и 21 добавление в корзину. Эти данные позволяют проверять всю цепочку работы AI-продавца и находить точки для дальнейшей доработки 🔥
Проект показывает, как LLM можно встроить в реальный контур: связать с большим каталогом, актуальными товарными данными и существующей бизнес-логикой интернет-магазина.
✌️ Подробнее о проекте — в кейсе на сайте ASAP.