Согласно исследованию IBM Global AI Adoption Index 81% компаний уже используют ИИ в умеренной или значительной степени в своих операциях, а команды внутри компаний — 96%. Если вас нет среди них, пора что-то предпринять, чтобы не остаться за бортом.
В этой статье мы рассказываем, как искусственный интеллект может помочь компании из сферы электронной коммерции. Разбираем, какие проблемы возникают при внедрении ИИ, и как их решить. Решаем, кому стоит инвестировать в собственные разработки, а кому воспользоваться готовыми инструментами.
Мы в dev.family занимаемся разработкой на аутсорсе, поэтому имеем возможность погрузиться в бизнес клиента и подобрать правильное решение вместе с ним. В нашей копилке есть кейсы использования AI для фэшн e-commerce проекта и для контроля доступа на территорию торговых и бизнес-центров. Помимо этого мы много уделяем внимания использованию искусственного интеллекта в фудтехе, о чем подробнее рассказали у себя в блоге.
На что способен AI в фудтехе?
Читать статьюНо сейчас давайте вернемся возможностям AI, проблемам и их решениям в сфере электронной коммерции.
Какие задачи решает бизнес с помощью AI?
Персонализация и рекомендации товаров
Разберем на примере Amazon.ИИ собирает данные о покупательских привычках клиентов, чтобы предлагать товары, от которых невозможно будет отказаться. Сюда входит информация о покупках, просмотрах, добавлениях в корзину, времени, проведенном на сайте, оценках и отзывах.
Собранные данные анализируют с помощью ML и алгоритмов прогнозной аналитики. Выявляют образцы и тенденции в действиях клиентов. Например, могут определить, что клиенты, которые приобрели телевизор, часто покупают чипсы. На основе собранных данных искусственный интеллект Amazon создает уникальные профили для каждого клиента. Они включают в себя информацию о предпочтениях, интересах, бюджете и типе устройства, используемого для доступа к платформе.
К 2025 году 70% ритейлеров, инвестировавших в персонализацию, получили ROI не менее 400%. Более того, персонализация маркетинга снижает стоимость привлечения клиентов до 50%, повышает выручку на 5–15% и увеличивает ROI кампаний на 10–30%.
Улучшение пользовательского опыта
Искусственный интеллект способен осуществлять клиентскую поддержку 24/7, используя чат-боты.Sephora успешно интегрировала ИИ в чат-боты, чтобы улучшить взаимодействие с клиентами. Как это выглядит?
- Консультирование. Чат-боты Sephora могут рекомендовать косметические продукты. ИИ анализирует информацию о типе кожи, предпочтениях клиента и особенностях его красоты, чтобы предложить наиболее подходящие товары.
- Советы по макияжу и уходу за кожей. Чат-боты помогают поэтапно ухаживать за кожей и делать макияж, рассказывая об особенностях применения продуктов и технике нанесения.
- Подбор оттенков и продуктов. Анализируя цветотип и предпочтения клиента, чат-боты помогают определиться с подходящим оттенком косметики или средством по уходу за кожей.
51% потребителей уже предпочитают ботов для быстрых ответов, а 80% онлайн-ритейлеров используют или планируют внедрить чат-ботов.
Прогнозирование спроса
Искусственный интеллект анализирует данные о покупках, клиентском поведении и внешних факторах для прогнозирования спроса на товары.Zalando, одна из крупнейших e-commerce компаний в сфере моды в Европе, использует ИИ, чтобы предвосхищать спрос на товары. Как это работает?
Zalando собирает и анализирует огромное количество данных о покупках, просмотрах товаров, возвратах и других параметрах. ИИ помогает предсказать сезонные и модные тренды, чтобы подготовиться заранее и иметь актуальные товары в наличии. На основе данных о спросе и прогнозах Zalando оптимизирует ассортимент, решая, какие товары заказывать больше, а какие меньше. Это позволяет избегать избыточных запасов и снижать риски нереализации.
Компания построила динамичную систему оптимизации запасов (inventory optimisation) с вероятностными прогнозами спроса на уровне SKU с недельным горизонтом, включая внешние факторы: время доставки от поставщиков, возвраты, акционные скидки, сезонность и поведение клиентов. В задачи прогнозной аналитики также включено автоматизированное ценообразование (Markdown Pricing), которое определяет оптимальные скидки на основе прогноза спроса, уровня возвратов и остаточной стоимости товаров.
Zalando также использует ИИ для определения эффективности рекламных акций и маркетинговых кампаний. Они могут адаптировать акции и скидки, основываясь на прогнозах спроса.
Для снижения возвратов из-за некорректного выбора размера внедрен улучшенный виртуальный примерочный (virtual try-on / 3D-avatar), уже используемый в 14 странах.
Борьба с мошенничеством
Alibaba, крупнейшая китайская компания в сфере электронной коммерции, активно использует искусственный интеллект для борьбы с мошенничеством на своих платформах Taobao и Tmall.
Системы ИИ Alibaba непрерывно анализируют миллионы транзакций и действий пользователей. Они выявляют аномалии и несоответствия, которые могли бы указывать на мошенническую деятельность. Например, ищут поддельные продукты, фейковые отзывы и подозрительные схемы заказов.
Для идентификации поддельных товаров ИИ анализирует фотографии, описания и другие параметры. Система была доработана для распознавания фальшивых изображений, созданных с помощью ИИ, чтобы не вводить покупателей в заблуждение.
Анализ поведения клиентов помогает обнаруживать использование украденных данных и подозрительные паттерны действий. Каждой транзакции присваивается риск-оценка, что позволяет оперативно блокировать сомнительные операции и предотвращать мошенничество.
Alibaba также внедряет биометрическую аутентификацию, включая сканирование лица и распознавание отпечатков пальцев, чтобы обеспечить безопасность транзакций и идентификацию пользователей. Современные решения позволяют проверять личность в режиме онлайн, включая детекцию живости и сравнение лица с документами, что значительно повышает надежность и снижает риски мошенничества
Прогнозирование мнений и анализ социальных медиа
Искусственный интеллект отслеживает упоминания бренда и его продуктов в соцсетях, чтобы выявлять тренды, определять, что думают клиенты, и быстро реагировать на отзывы.
ASOS, онлайн-ритейлер модной одежды, внедряет искусственный интеллект (ИИ) в анализ социальных медиа и прогнозирование мнений клиентов.
Чат-боты и алгоритмы ищут упоминания о продуктах и бренде ASOS, классифицируют их по настроению (положительному, отрицательному, нейтральному) и анализируют содержание, чтобы выявить ключевые темы и тренды.
Это позволяет компании:
- Быстро реагировать на отзывы и комментарии клиентов.
- Понимать, какие товары или коллекции вызывают наибольший интерес у публики.
- Предсказывать, какие модные направления будут востребованы в будущем.
ASOS использует Azure OpenAI Service и Azure AI Prompt Flow с моделями ChatGPT для быстрого создания и тестирования клиентского опыта, что помогает клиентам открывать новые образы и получать персонализированные рекомендации.
В период с 31 июля по 29 августа 2025 года ASOS упоминался в социальных медиа 3 465 раз, из которых 91,17% были нейтральными, 5,89% — отрицательными и 2,94% — положительными.
Оптимизация логистики
Сокращение временных издержек и снижение стоимости доставки товаров — еще одна задача, которую решают поставщики и продавцы с помощью ИИ.
Почему поставщикам пора прощаться с Excel? Разбираемся в плюсах автоматизации
Читать статьюНапример, JD.com (Jingdong), крупнейшая китайская онлайн-платформа, применяет ИИ для оптимизации своей логистики. Алгоритмы помогают планировать маршруты доставки, исходя из данных о заказах и дорожных условиях.
Такие системы включают прогнозы спроса, уровень загруженности складов и время доставки, что позволяет сокращать сроки на 15–20%.
ИИ также управляет запасами на складах, оптимизирует распределение товаров и планирует поставки.
Кроме того, компании применяют автономные доставочные автомобили и дроны с ИИ-навигацией, что сокращает время последней мили и повышает безопасность доставки.
Виртуальные примерочные и AR-покупки
С помощью AR (дополненной реальности) и VR (виртуальной реальности), компании электронной коммерции предоставляют клиентам возможность «примерить» товары, например, одежду и аксессуары.
Разберем пример L'Oréal:
- У компании есть мобильное приложение «L'Oréal Makeup Genius», которое позволяет виртуально примерить продукты макияжа. С помощью камеры смартфона приложение сканирует лицо пользователя и позволяет «нанести» помаду, тени и тп.
В 2025 году приложение интегрировано с ИИ-моделями, которые учитывают индивидуальные особенности кожи, форму лица и освещение, предлагая ещё более точные и персонализированные рекомендации. - L'Oréal также предоставляет виртуальные инструменты для подбора оттенков краски для волос. Пользователи могут изменять цвет своей прически на экране и выбирать лучший вариант.
Дополнительно компания внедрила технологию AR для распознавания типа волос и текстуры, что позволяет подбирать оттенки и продукты с учётом состояния волос пользователя. - Кроме виртуальных примерок, клиенты могут виртуально посмотреть продукт и даже поместить его в свою среду при помощи камеры мобильного устройства.
В 2025 году L'Oréal расширила функционал: пользователи могут «примерить» косметику в режиме реального времени в виде смешанной реальности (Mixed Reality), включая виртуальные зеркала в магазинах и онлайн. - Компания также исследует технологии для смешанной реальности (Mixed Reality).
Сейчас эти технологии активно тестируются для интеграции в e-commerce платформы, чтобы улучшить клиентский опыт и повысить конверсию
Что будет, если делегировать задачи искусственному интеллекту?
Применение искусственного интеллекта в электронной коммерции приводит к многократному улучшению опыта клиентов и оптимизации бизнес-процессов. Однако есть и проблемы, ограничивающие использование его потенциала.
Одной из них является проблема понимания контекста и намерений покупателей. Например, алгоритмы рекомендаций могут столкнуться с трудностями, пытаясь точно определить интересы клиента. Допустим, кто-то просматривает товары в подарок, а система рекомендаций неправильно интерпретирует это как собственные предпочтения клиента.
Также важно учитывать ограничения в области обработки естественного языка (NLP). Например, у автоматизированных чат-ботов навыки восприятия и анализа сложных запросов пока не сильно развиты. Поэтому взаимодействие с клиентами происходит не на столь на высоком уровне, как при общении с живым человеком из службы поддержки. Современные модели ChatGPT и LLM интегрируются с системами поддержки клиентов, что позволяет значительно улучшить точность понимания сложных запросов и распознавать намерения пользователей почти на уровне человека.
Однако многие обеспокоены сохранностью собственных данных, которые собирают компании для анализа с помощью ИИ. Сбор и обработка информации о клиентах и их покупках подвергает риску конфиденциальность и безопасность. В 2025 году компании всё активнее внедряют модели приватного обучения и federated learning, чтобы анализировать данные без прямого доступа к личной информации пользователей
Некоторые обеспокоены, что ИИ может вызывать этические дилеммы, такие как использование алгоритмов для манипулирования потребителями.
Не стоит забывать, что обучение и поддержание ИИ-моделей — достаточно затратный процесс. Ведь нужен доступ к большим объемам данных и экспертам, чтобы разрабатывать и обновлять модели. Компании применяют автоматизированные инструменты MLOps для управления жизненным циклом ИИ-моделей, что снижает расходы на поддержку и ускоряет внедрение новых моделей
Полный переход на использование ИИ может привести к потере человеческого элемента в обслуживании. А еще важно иметь механизмы для обратной связи и ответственности в случае ошибок или проблем, вызванных искусственным интеллектом. Некоторые компании начинают внедрять «AI governance frameworks» для отслеживания решений ИИ и обеспечения прозрачности действий
Для бизнеса также очень важно помнить, что правила и законы, регулирующие применение ИИ, могут различаться в разных странах. В 2025 году законодательство о применении ИИ активно обновляется в ЕС, США и Китае, поэтому компании всё чаще привлекают специалистов по AI compliance, чтобы не нарушать правила и стандарты.
Человек + ИИ
Читать статьюКак внедрять AI в e-commerce безболезненно?
Для решения проблем, связанных с использованием искусственного интеллекта (ИИ) в электронной коммерции, можно применить различные стратегии и методы.
Например, чтобы гарантировать качество данных, можно:
- Применить очистку и структурирование информации при ее сборе
- Разработать системы мониторинга
- Обучать модели на большем объеме данных (например, объединиться с другими компаниями).
Сегодня активно применяются автоматизированные платформы MLOps и DataOps, которые помогают поддерживать качество данных и ускоряют интеграцию ИИ в бизнес-процессы.
Приватность и безопасность данных поможет гарантировать:
- Соблюдение соответствующих законов и стандартов по защите данных, таких как GDPR в Европе.
- Разработка механизмов шифрования и анонимизации данных.
- Регулярная оценка и аудит безопасности системы.
Компании также внедряют методы federated learning и privacy-preserving AI, чтобы анализировать данные без прямого доступа к личной информации пользователей, повышая уровень защиты данных.
Для решения этических вопросов рекомендуют:
- Внедрить этические нормы и принципы в разработку и использование ИИ
- Обеспечить прозрачность в работе алгоритмов
- Оценивать воздействия решений ИИ на разные группы клиентов и их потребности
Сейчас многие компании создают внутренние AI governance frameworks для отслеживания работы ИИ и обеспечения этики и прозрачности алгоритмов.
Чтобы снизить недовольство покупателей, предоставляют выбор между обслуживанием с ИИ и живыми сотрудниками.
Важно поддерживать баланс между автоматизацией и человеческим обслуживанием, обучать персонал работе с ИИ и собирать обратную связь.
Современный подход предполагает интеграцию ИИ на стратегическом уровне с оценкой эффективности и планированием внедрения, чтобы минимизировать риски и ускорить ценность для бизнеса.
Так какой следующий шаг?
Искусственный интеллект — это настоящая революция в электронной коммерции, и стоит понять, кто должен его внедрять, а кто может воспользоваться готовыми инструментами на его основе.
Какие компании должны внедрять ИИ прямо сейчас?
- Если есть ресурсы и доступ к большим данным, безусловно, можно создавать собственные ИИ-решения. Это особенно полезно для больших компаний с кучей клиентских данных. Это включает использование собственных больших моделей (LLM) и специализированных систем машинного обучения для прогнозирования спроса, персонализации и оптимизации процессов.
- Если это отрасль, где каждый клиент уникален, как в модной индустрии или сфере ресторанного бизнеса, то ИИ может помочь улучшить персонализацию и повысить продажи. Современные решения включают адаптивные рекомендации, AR/VR примерки, прогнозирование предпочтений на основе анализа соцсетей и поведения пользователей.Если нужно быть впереди конкурентов.
- Если нужно быть впереди конкурентов.
Но есть и другие компании, которые могут воспользоваться SaaS-решениями на базе ИИ:
- Маленькая или средняя компания без огромных ресурсов.
- Стартап.
- Отрасль, где уже есть широкий спектр готовых решений, таких как аналитика, маркетинг и управление инвентарем.
В 2025 году SaaS-платформы предлагают готовые AI-инструменты для персонализации, чат-ботов, прогнозирования спроса и оптимизации цепочек поставок, что позволяет небольшим компаниям получать преимущества ИИ без крупных инвестиций в собственные разработки.
