О компании «ТехноМарт»

«ТехноМарт» — крупный российский интернет-магазин электроники и бытовой техники, работающий на рынке с 2017 года. Каталог насчитывает более 28 000 позиций в категориях смартфонов, ноутбуков, телевизоров, аудиотехники, аксессуаров и комплектующих. Месячная посещаемость сайта — около 1,2 млн уникальных посетителей, средний чек — 8 700 рублей.

Компания занимает стабильную позицию в сегменте онлайн-ритейла электроники, однако в условиях растущей конкуренции со стороны маркетплейсов руководство осознало необходимость качественного скачка в персонализации клиентского опыта и оптимизации процессов.

Проблема: высокий процент брошенных корзин и перегрузка поддержки

Перед обращением к нам компания столкнулась с тремя ключевыми проблемами, которые сдерживали рост бизнеса:

Высокий процент брошенных корзин

76% пользователей добавляли товары в корзину, но не завершали покупку. Анализ показал, что основные причины: сложность выбора среди аналогов, отсутствие оперативной консультации по характеристикам, неудобный процесс оформления, отвлечение покупателя. При этом никаких системных механизмов возврата пользователей не было — только стандартная е-мейл-рассылка с открываемостью 8%.

Отсутствие персонализации

Сайт показывал всем пользователям одинаковые рекомендации — «хиты продаж» и «новинки». Никакого учёта истории просмотров, покупок, ценового сегмента или поведенческих паттернов. Кросс-селлинг и апселлинг фактически не работали. Конверсия блоков рекомендаций составляла всего 0,3%.

Перегрузка отдела поддержки

Команда поддержки из 8 операторов обрабатывала около 450 обращений в день. Анализ тикетов показал, что 68% вопросов — типовые: статус заказа, сроки доставки, условия возврата, наличие товара, совместимость аксессуаров. Среднее время ожидания ответа в чате достигало 12 минут в пиковые часы.

«Мы вкладывали серьёзные бюджеты в привлечение трафика, но конверсия оставалась на одном уровне уже полтора года. Мы понимали, что проблема не в трафике, а в том, как мы с ним работаем», — Екатерина Морозова, директор по e-commerce «ТехноМарт».

Решение: ИИ-рекомендации + чатбот + возврат корзин

Мы разработали и внедрили трёхкомпонентную ИИ-систему, которая комплексно решила все три проблемы:

1. Персонализированный движок рекомендаций

ИИ-система анализирует поведение каждого посетителя в реальном времени: какие категории просматривает, какие фильтры применяет, сколько времени проводит на карточках товаров, какой ценовой диапазон предпочитает. На основе этих данных формируются индивидуальные рекомендации, которые отображаются в семи точках контакта:

  • Главная страница (персональная подборка)
  • Карточка товара («С этим товаром покупают» и «Вам может понравиться»)
  • Корзина (аксессуары и дополнения)
  • Страница оформления заказа
  • Электронные письма (персональные подборки)
  • Push-уведомления (снижение цен на просмотренные товары)
  • Страница поиска (умная подсказка)

Алгоритм учитывает не только индивидуальное поведение, но и паттерны похожих пользователей (коллаборативная фильтрация), сезонность, тренды спроса и маржинальность товаров.

2. ИИ-чатбот для клиентской поддержки

Чатбот, обученный на каталоге товаров и корпоративных политиках, взял на себя обработку типовых обращений. Он умеет:

  • Проверять статус заказа и отслеживать доставку в реальном времени
  • Консультировать по характеристикам товаров и сравнивать модели
  • Оформлять возвраты и обмены
  • Подбирать совместимые аксессуары
  • Отвечать на вопросы о гарантии, доставке, оплате

При необходимости бот плавно переводит диалог на лив-оператора, передавая полный контекст разговора — клиенту не приходится повторять свой вопрос.

3. Система возврата брошенных корзин

Интеллектуальная система возврата работает по многоступенчатому алгоритму. Через 30 минут после оставления корзины пользователь получает персональное сообщение в WhatsApp или Telegram с напоминанием. Через 24 часа — письмо с альтернативными предложениями. Через 72 часа — персональная скидка на товары из корзины.

ИИ адаптирует стратегию возврата под каждого пользователя: для ценово-чувствительных клиентов — акцент на скидку, для тех, кто сравнивает модели — экспертная консультация, для импульсивных покупателей — срочность и ограниченность предложения.

Хронология внедрения: 4 недели

Недели 1–2: аналитика и моделирование

Мы проанализировали данные о покупках за 18 месяцев (4,2 млн транзакций), поведенческие логи пользователей, тикеты поддержки и воронку продаж. Обучили модель рекомендаций на исторических данных, создали базу знаний для чатбота на основе каталога и FAQ.

Неделя 3: интеграция и тестирование

Интегрировали движок рекомендаций с фронтендом через API. Подключили чатбота к системе управления заказами, логистической платформе и каталогу. Настроили систему возврата корзин с подключением WhatsApp Business API и Telegram. Провели A/B-тестирование на 10% трафика.

Неделя 4: полный запуск и оптимизация

После подтверждения положительных результатов A/B-теста раскатили решение на 100% трафика. Первые значимые результаты появились уже на третий день.

Результаты: +47% продаж за первый квартал

Рост продаж: +47%

Общий объём продаж вырос на 47% по сравнению с аналогичным периодом. Средний чек увеличился на 18% благодаря эффективному кросс-селлингу (когда покупатель смартфона видит подобранный чехол, защитное стекло и беспроводные наушники). Конверсия блоков рекомендаций выросла с 0,3% до 4,7%.

Снижение нагрузки на поддержку: −60%

Чатбот закрывает 60% всех обращений без перевода на оператора. Среднее время решения запроса сократилось с 12 минут до 35 секунд. Компания сократила штат поддержки с 8 до 4 операторов, перенаправив высвободившихся сотрудников на работу с VIP-клиентами и сложными кейсами.

Возврат корзин: 28%

28% пользователей, получивших напоминание о брошенной корзине, завершили покупку. Это в 3,5 раза выше показателей предыдущей е-мейл-рассылки (8%). Наиболее эффективным каналом оказался WhatsApp (конверсия 34%), на втором месте — Telegram (26%).

Дополнительные метрики

  • CSAT поддержки вырос с 3,6 до 4,4 из 5
  • Средняя глубина просмотра выросла с 3,2 до 5,8 страниц
  • Bounce rate снизился на 15%
  • ROI внедрения составил 780% за первые 6 месяцев

«Мы долго сомневались, насколько ИИ способен понять нюансы электроники. Но когда чатбот начал корректно объяснять разницу между AMOLED и IPS, подбирать блоки питания для ноутбуков и рекомендовать совместимые карты памяти — сомнения исчезли», — Екатерина Морозова.

Выводы

Опыт «ТехноМарт» показывает, что ИИ в e-commerce — это не просто чатбот на сайте. Это комплексная система, которая персонализирует весь клиентский путь — от первого посещения до повторной покупки. Результат +47% продаж был достигнут без увеличения рекламного бюджета — исключительно за счёт более эффективной работы с существующим трафиком. Если ваш интернет-магазин сталкивается с низкой конверсией, высоким процентом брошенных корзин или перегруженной поддержкой — мы поможем найти точки роста.