ИИ-продавец на Wildberries: как мы создали автономного консультанта

Оглавление

• Как родилась идея
• Выбор ниши и тестирование
• Архитектура ИИ-продавца
• Интеграция с Wildberries
• Результаты и цифры
• Часто задаваемые вопросы

Как родилась идея

В один из вечеров, после работы, мы с коллегой обсуждали, как нейросети меняют рынок. За полгода количество джуниоров сократилось вдвое, мидлы тоже поредели. Мы поняли: скоро автоматизация доберётся и до нас. Тогда и родилась мысль: создать ИИ-продавца, который будет не просто писать код, а реально зарабатывать деньги.

Мы хотели, чтобы этот виртуальный консультант:

• Работал на Wildberries 24/7
• Отвечал на вопросы покупателей
• Сравнивал товары
• Выдавал технические характеристики
• И главное — увеличивал продажи

Выбор ниши и тестирование

На следующий день мы открыли Wildberries и наугад выбрали категорию. Кликнули на «Товары для животных» — там оказался небольшой магазин с зоотоварами. Решили: это идеальный полигон. Ниша не перегрета, ассортимент понятный, покупатели часто задают вопросы.

Мы проанализировали топ-100 товаров в этой категории и выявили основные запросы:

Архитектура ИИ-продавца

Мы построили систему на базе LLM с RAG (Retrieval-Augmented Generation). Вот ключевые компоненты:

1. База знаний — загрузили описания, характеристики, отзывы на все товары магазина.
2. Векторное хранилище — для быстрого поиска релевантных фрагментов.
3. Промпт-инжиниринг — настроили системный промпт, который:
   • Запрещает выдумывать несуществующие товары
   • Требует ссылаться только на загруженные данные
   • Предлагает допродажи (upsell)
4. API Wildberries — для получения актуальных цен и остатков.

Пример промпта

Ты — консультант магазина зоотоваров на Wildberries. Отвечай только на основе предоставленных данных. Если не знаешь — скажи честно. Предлагай сопутствующие товары.

Интеграция с Wildberries

Мы использовали Wildberries API для:

• Получения каталога товаров
• Обновления цен и остатков в реальном времени
• Отслеживания заказов

Интеграция заняла около двух недель. Основные сложности:

• Лимиты запросов (решили кэшированием)
• Разные форматы данных для разных категорий

Результаты и цифры

После двух месяцев тестирования мы получили:

Важно: ИИ-продавец не заменяет человека полностью — он обрабатывает 80% типовых запросов, а сложные передаёт оператору.

Практические советы

Если вы хотите создать своего ИИ-продавца для Wildberries, вот что мы советуем:

1. Начните с малого — выберите одну категорию с 50-100 товарами.
2. Соберите качественную базу знаний — описания, характеристики, отзывы.
3. Настройте промпт жёстко — запретите выдумывать.
4. Тестируйте на реальных вопросах — соберите историю чатов.
5. Добавьте аналитику — отслеживайте, какие ответы ведут к покупке.

FAQ

Сколько времени заняла разработка?

От идеи до первого запуска — около месяца. Ещё месяц ушёл на доработки.

Какие затраты на ИИ-продавца?

Основные расходы — аренда сервера и API LLM. В нашем случае около 15 000 ₽ в месяц.

Можно ли использовать готовые решения?

Да, есть конструкторы чат-ботов, но для глубокой интеграции с Wildberries лучше писать самим.

Не будет ли ИИ путать товары?

Если база знаний качественная и промпт настроен — ошибки минимальны. Мы добились точности 97%.

Как покупатели реагируют на ИИ?

Большинство не замечают разницы. Некоторые даже хвалят за скорость ответа.