Как мы сделали действительно умный поиск с ИИ для интернет-магазинов

Привет, меня зовут Виталий. Несколько лет я руковожу компанией сервисного дизайна. Большая часть наших клиентов, представители сферы электронной коммерции. За несколько лет на рынке мы успели поработать с десятками интернет-магазинов: от fashion до техники и сложных B2B направлений.

Проблема, которую не решает классический поиск

Пользователи интернет-магазинов всё реже приходят с точным запросом. Они не знают названий моделей, не хотят разбираться в фильтрах и не готовы держать в голове десяток характеристик. Они приходят с задачей:

•       подбери подарок до 7 тысяч

•       хочу что-то похожее, но дешевле

•       белая футболка, не оверсайз, до 5 тысяч

•       нужен ноутбук для работы с фото, не разбираюсь в железе

Классическая схема «ввёл запрос → получил список» с такими задачами не справляется. Пользователь открывает несколько карточек, возвращается назад, теряется, откладывает решение или уходит. Магазин при этом работает корректно, поиск есть, фильтры есть. Но человеку не хватает поддержки в момент выбора.

Это не только наше наблюдение. Gartner прогнозирует, что к 2026 году до 25% поисковых запросов уйдут из классических поисковиков к ИИ-ассистентам. McKinsey фиксирует, что компании, которые помогают пользователю с выбором, получают рост выручки на 10-15% относительно конкурентов, которые этого не делают.

Люди привыкают разговаривать с интерфейсами. Они ожидают, что сайт поймёт задачу, уточнит детали и предложит решение, а не просто выдаст 200 позиций.

Как появился Реком

В какой-то момент мы поняли, что помощь пользователю с выбором, это не разовая задача под конкретный проект, а системная потребность, которую нужно решать на уровне продукта. Так появился Реком.

Реком – это умный поиск с ИИ для интернет-магазинов. Он работает как онлайн-консультант: понимает запросы на естественном языке, задаёт уточняющие вопросы, предлагает альтернативы и сопутствующие товары. Не выдаёт список, а ведёт диалог.

Что под капотом

В основе Реком – Gemini и Elasticsearch. Мы используем их возможности в части понимания естественного языка и контекстного диалога.

Вот что умеет система прямо сейчас:

•       Диалоговый режим – пользователь формулирует запрос как угодно, система интерпретирует и ведёт разговор

•       Уточняющие вопросы – если запрос неполный, Реком сам уточняет параметры: размер, бюджет, назначение

•       Настраиваемые рекомендации – бизнес может управлять логикой выдачи, приоритетами и сценариями через личный кабинет

•       Аналитика для бизнеса – личный кабинет показывает заказы через поиск, выручку, добавления в корзину, популярные сценарии

В ближайшее время запустим поиск по фото – пользователь загружает изображение и получает подборку похожих товаров из каталога. Кроме поиска по фото, сервис умеет анализировать фотографии товарах и на основе этого, выдавать точные результаты. Также работаем над расширенным форматом уточняющих ответов.

Технически интеграция простая: добавить код на сайт и загрузить товарный фид. Дальше система начинает работать и адаптируется под структуру каталога.

Что говорят цифры

Делиться данными пилотных клиентов мы можем только анонимно, но цифры говорят сами за себя. Один из подключённых магазинов – средний чек по каталогу около 200 рублей, то есть это магазин с недорогим товаром, где каждая конверсия на счету.

За период подключения Реком:

2 917  запросов через поиск1 597 уникальных сессий
33.56% конверсия в переход по товару
434 товаров добавлено в корзину (на ~65 000 ₽)
54 оформлено заказов (на ~20 500 ₽)
159% ROI (за период; 122% за последний месяц)
2.6x окупаемость (2.2x за месяц)

Для магазина с товаром по 200 рублей ROI 159% – это не случайность. Это следствие того, что пользователь находит нужное быстрее и реже уходит ни с чем.

Чем Реком отличается от других сервисов

На рынке есть рекомендательные системы и поисковые движки. Большинство из них это набор правил, фильтров и блоков «похожие товары». Они помогают сузить выборку, но не помогают пользователю разобраться в ней.

Реком – это другой уровень взаимодействия. Он не просто ищет, он разговаривает.

Где Реком работает лучше всего

Сервис наиболее эффективен там, где у пользователя высокая неопределённость при выборе:

•       Fashion – размер, посадка, стиль, сочетания

•       Техника и электроника – сложные характеристики, которые сложно сравнивать

•       Красота и здоровье – выбор зависит от типа кожи, задач, состава

•       Мебель и дом – нужно учитывать контекст пространства и стиль

•       Подарки – пользователь часто не знает, что именно ищет

Общая логика простая: чем сложнее выбор – тем заметнее эффект.

Что дальше

Сейчас мы работаем с пилотными клиентами и собираем данные для масштабирования. В ближайшее время: поиск по фото, расширенный формат диалога, новые сценарии для B2B-каталогов.

Если вы думаете над тем, как усилить поиск в своём магазине, можем показать, как Реком работает на практике. Оставьте заявку на нашем сайте, и мы свяжемся.