Как перестать терять продажи на сайте и увеличить средний чек: гайд по настройке AI-товарных рекомендаций и кейсы украинского ecommerce

С каждым годом добиться успеха в ecommerce становится все сложнее. Трафик дорожает, ассортимент постоянно растет, а альтернатив у покупателя становится все больше. Пользователи все чаще заходят на сайт, чтобы быстро решить свою задачу — найти нужный товар, сравнить его с другими и, собственно, совершить покупку. Если клиент теряется в огромном каталоге и не видит релевантных предложений, он закрывает вкладку и уходит к конкурентам.

В такой ситуации выигрывает тот бизнес, который помогает совершить покупку с наименьшими усилиями. И именно здесь на помощь приходят товарные рекомендации, усиленные искусственным интеллектом. Ведь рекомендации — это уже давно не просто статические блоки вроде “Также покупают”. Современные алгоритмы анализируют тысячи сигналов, учитывают историю поведения и контекст страницы, чтобы подобрать товары под конкретного человека именно в этот момент. Правильное внедрение таких инструментов напрямую влияет на ключевые метрики.

В этом гайде мы разберем, где именно стоит размещать блоки на сайте, как кастомизировать алгоритмы под бизнес-цели и как эти инструменты уже увеличивают продажи у лидеров украинского ecommerce.

Как работают современные рекомендации: от базовых правил до LLM

Товарные рекомендации по принципу работы можно разделить на несколько групп. Первыми будут ручные настройки и простые правила. В этом случае категорийный менеджер вручную прописывает блоки или задаются простые статические правила: “к товарам из группы А — рекомендуем товары из группы Б”. Этот подход является наименее эффективным и при этом сложным в масштабировании.

Гораздо лучшие результаты показывают алгоритмические системы, которые автоматически анализируют данные — характеристики товаров, предпочтения и поведение пользователей — и на их основе формируют рекомендации. Несмотря на общую эффективность, эти подходы все же имеют ограничения по глубине анализа.

Например, товары анализируются преимущественно по простым характеристикам: ID товара, названию и общей категории. Из-за этого алгоритмы могут ошибаться — например, предлагать к стиральной машине другую стиральную машину вместо порошка или вовсе игнорировать новые поступления, потому что у них еще нет истории кликов.

Последнее поколение рекомендательных систем, основанное на так называемой трансформерной архитектуре, имеет системное преимущество. Они анализируют не отдельные события, а всю последовательность действий пользователя. Система учитывает сессию клиента, “понимая” более глубокий контекст и реальное намерение.

И даже это не является последним прорывом для ecommerce. Наилучшие результаты сейчас дает сочетание этих алгоритмов с большими языковыми моделями (LLM). Теперь искусственный интеллект способен понимать “смысл” товара из его описания и характеристик.

Что это дает бизнесу на практике?

• Решение проблемы “холодного старта”. Если вы загрузили новую коллекцию, системе больше не нужно ждать неделями, пока накопится статистика покупок. LLM анализирует описание и сразу начинает рекомендовать новинки заинтересованным пользователям.
• Автоматическая умная категоризация. ИИ самостоятельно находит логические функциональные связи между товарами, избавляя категорийных менеджеров от рутины.

К примеру, в каталоге может быть слишком широкая категория — например, “Зубные щетки”. Классический алгоритм предложил бы в альтернативах просто другие щетки. В то время как LLM понимает контекст и формирует идеальные пары для кросс-сейла: к электрической щетке алгоритм автоматически подберет сменные насадки совместимой модели или дорожный футляр.

Именно благодаря такому семантическому пониманию товаров ритейлер Фокстрот смог без ручного вмешательства увеличить продажи аксессуаров в 1,5 раза и повысить конверсию блока “С этим товаром покупают” на 39%. Искусственный интеллект начал “думать” об ассортименте так же, как живой продавец-консультант.

Где размещать рекомендации на сайте: ключевые страницы и примеры использования

С технологией разобрались. Теперь стоит рассмотреть сугубо практический вопрос: где именно показывать эти умные блоки, чтобы они приносили результат, а не просто занимали место? Чтобы получить результат, важно помнить, что рекомендации должны соответствовать намерению пользователя на каждом этапе его пути к покупке.

Главная страница: навигация для “холодного” трафика

На главную страницу часто попадает трафик без четко сформированного запроса: пользователи переходят из медийных кампаний, просто просматривают обновления ассортимента или возвращаются после долгого перерыва.

Здесь рекомендации работают как умный навигатор. Задача — зацепить внимание, не дать пользователю уйти с сайта и помочь ему быстро сориентироваться в каталоге.

Какие алгоритмы использовать:

• Персональные рекомендации — беспроигрышный вариант, если пользователь авторизован или система уже запомнила его предыдущие сессии.
• Бестселлеры или популярные — для новых или анонимных посетителей. Чтобы не перегружать главную страницу, их можно объединять с персональными подборками в один смарт-блок.

Также здесь можно размещать кастомные блоки, например, “новинки” или “акционные товары” для продвижения приоритетных для бизнеса позиций. Еще один интересный вариант — “товары недели”. Вместо того чтобы каждую неделю ставить задачу разработчикам на обновление ассортимента на главной, маркетолог может за 5 минут задать ручные настройки или правила для автоматической ротации таких подборок через UI платформы.

Страница категории: помощь в выборе

Здесь ситуация меняется. Пользователь уже сделал первый выбор (например, зашел в категорию “Спортивная обувь” или “Настольные игры”), но перед ним все еще сотни вариантов. Возникает риск усталости от выбора.

Блок рекомендаций на этой странице выполняет роль фильтра, который сужает выбор и фокусирует внимание, ускоряя клик и переход к конкретной карточке.

Какие алгоритмы использовать:

• Персональные рекомендации из текущей категории. Основной алгоритм для этой страницы. Это те же персонализированные подборки на основе данных о пользователе, но ограниченные товарами из конкретной категории.

Если пользователь не авторизован на сайте, уместны бестселлеры или популярные товары внутри категории.

Карточка товара: кросс-сейл и альтернативы

Эта страница — точка с самым высоким покупательским намерением на сайте, где пользователь принимает окончательное решение: покупать или нет. Поскольку именно она генерирует наибольшую долю дохода, важно уделять особое внимание ее настройке и качеству характеристик в товарном фиде.

На странице товара рекомендации выполняют две ключевые задачи:

1. Подтверждение выбора и допродажа. Блок “С этим товаром покупают” помогает логично дополнить заказ полезными аксессуарами или сразу собрать комплект.
2. Предложение альтернативы. Если клиент еще сомневается из-за цены, цвета, бренда или характеристик, блок “Похожие товары” предложит релевантные варианты и поможет удержать его на сайте.

Какие алгоритмы использовать:

• “С этим товаром покупают”. Идеальный инструмент для кросс-сейла, который позволяет добавлять релевантные аксессуары и комплектующие к основному товару. Размещать этот блок стоит максимально высоко — желательно сразу под фото и основным описанием.
• “Похожие товары”. Инструмент для работы с выбором, который помогает удержать пользователя, если текущий товар не устраивает его по цене, цвету или отсутствует на складе. Этот блок должен быть одним из первых, которые видит посетитель.

Не прячьте рекомендации внизу страницы, так как это напрямую снижает их эффективность. Блоки должны быть легко доступны — например, сразу под изображением товара. Пользователю не должно приходиться скроллить половину сайта, чтобы их найти.

Блок коллекции или “Заверши свой образ”

Максимально эффективный блок для fashion-ниши. Вместо того чтобы заставлять клиента искать вещи по сайту, система показывает готовый образ (например, к выбранной куртке подбираются шапка и шарф из той же коллекции).

Это существенно повышает удобство выбора и вовлеченность — ведь клиент получает не случайный набор, а целостное решение. А также это значительно увеличивает количество позиций в чеке и среднюю стоимость заказа (AOV).

Корзина: мягкий допродаж (Upsell/Cross-sell)

Финальный этап перед оплатой, когда пользователь уже в шаге от покупки. Главная задача на этапе корзины — не навредить. Рекомендации здесь не должны отвлекать от оплаты или вызывать сомнения в выборе основного товара. Это зона аккуратного, но при этом почти импульсного допродажа.

Какие алгоритмы использовать:

• “С этим товаром покупают” и “аксессуары”. Здесь хорошо подходят недорогие расходные материалы, батарейки или услуги (например, расширенная гарантия). Также могут работать похожие товары из других категорий, чтобы расширить заказ (но не вызывая сомнений в уже выбранных товарах!).

Неочевидные места для рекомендаций

Большинство маркетологов фокусируются на классических размещениях блоков рекомендаций. Но путь клиента не всегда линейный, а покупка не всегда идет по сценарию “главная → категория → товар”. На сайтах есть слепые зоны — страницы, которые генерируют трафик, но не конвертируют его из-за отсутствия релевантных предложений.

Личный кабинет: работа с наиболее лояльными клиентами

Кто чаще всего заходит в личный кабинет? Это самый ценный сегмент вашей аудитории: лояльные клиенты, которые уже покупали у вас, имеют историю заказов, накопленные бонусы и высокий уровень доверия к бренду. В системе есть максимум данных об их поведении.

Какие алгоритмы использовать:

Здесь лучше всего работают персональные рекомендации на основе истории пользователя. CTR блока рекомендаций в личном кабинете в 2–3 раза выше, чем у любого другого блока на сайте.

Блог: конверсии из поискового трафика

Блог — это отличное источник органического SEO-трафика. Люди приходят сюда за полезной информацией (например, читают статью “Как ухаживать за шерстью кота в период линьки”), но не всегда готовы сразу что-то покупать. Если страница заканчивается просто текстом, вы теряете возможность превратить читателя в клиента.

Поэтому рекомендации в блоге работают как нативный, логичный мостик к покупке: читаешь про кота — и сразу получаешь инструменты для груминга и витамины.

Какие алгоритмы использовать:

• Товары по теме статьи.
• Персональные рекомендации (если у читателя уже есть история просмотров).
• Популярное из категории, к которой относится статья.

Например, украинский ритейлер зоотоваров MasterZoo столкнулся с проблемой рутины. Контент-менеджеры вручную собирали товарные подборки для каждой статьи, на что могло уходить до 8 часов — суммарно около 120 часов в месяц. После автоматизации этого процесса с помощью AI-рекомендаций подготовка блока для статьи сократилась с 8 часов до 5 минут. Но главное — умные подборки увеличили продажи непосредственно из блога в 9 раз.

Страница 404: спасение потерянной сессии

Страница с ошибкой 404 (некорректная ссылка или страница удалена) обычно воспринимается как тупик. Стандартное поведение пользователя в такой ситуации — закрыть сайт и уйти в Google искать дальше.

Но вместо того чтобы ограничиться сообщением “страница не найдена”, можно превратить эту ошибку в навигационный инструмент и помочь пользователю продолжить путь.

Какие алгоритмы использовать:

• Если у пользователя уже есть история взаимодействия, персональные рекомендации — один из самых эффективных вариантов. Человек увидит товары, которыми уже интересовался, что снизит вероятность ухода с сайта.
• Если пользователь новый — стоит использовать бестселлеры или новинки. Это поможет “спасти” сессию, удержать внимание и вернуть потенциального покупателя обратно в воронку продаж.

Кастомизация: как заставить AI работать на бизнес-цели

Персонализированные рекомендации — это не только про уникальную выдачу для каждого посетителя, но и про настройку алгоритмов под задачи конкретного бизнеса. Продвижение приоритетных товаров или изменение логики блоков — система не только определяет, что интересно пользователю, но и работает в интересах бизнеса.

Даже без дополнительной настройки система уже имеет базовые правила, которые делают рекомендации умными и практичными. Например, она учитывает ценовой сегмент, которым интересуется пользователь. Покупателям премиум-сегмента не показываются эконом-предложения, и наоборот — те, кто ориентируется на цену, не видят товары вне своего бюджета. Во-вторых, система учитывает популярность товаров. Приоритет получают “живые” товары, которые действительно покупают. В-третьих, в рекомендации не попадают товары, которых нет в наличии. Это может казаться очевидным, но при ручной настройке такие ошибки встречаются часто.

Если у бизнеса есть конкретные задачи, их можно решить с помощью кастомных правил, например:

• Буст приоритетных товаров. Маркетолог может искусственно увеличивать частоту показа конкретных позиций: высокомаржинальных товаров, собственных торговых марок или продукции брендов-партнеров. Например, “Будинок Іграшок” успешно использовал буст для продвижения благотворительных раскрасок. Это позволило транслировать ценности бренда прямо в точке принятия решения, не нарушая при этом общую релевантность блока.

• Ограничения и запреты. Иногда критически важно что-то НЕ показывать. Например, скрывать товары нижнего ценового сегмента или чувствительный ассортимент. Яркий пример — маркетплейс Liki24.com, где в соответствии с регуляторными требованиями запрещено рекомендовать рецептурные препараты. Для них настроили кастомную логику: если клиент просматривает исключительно рецептурные лекарства, система не оставляет блок рекомендаций пустым. Вместо этого она выводит разрешенные товары из категории “универсальной аптечки” (бинты, витамины и т.д.), при этом даже эта альтернатива подбирается персонализированно под пользователя.
• Связь по характеристикам. Алгоритму можно задать приоритет на определенные характеристики из товарного фида. Например, чтобы в альтернативах предлагалась обувь исключительно того же цвета, бренда или размера, что и основной товар.

Омниканальность: рекомендации за пределами вебсайта

Путь клиента — это больше, чем вкладка браузера. Ограничивать рекомендации только вебсайтом — значит терять значительную часть прибыли. Поэтому персонализация должна работать во всех точках контакта с клиентом.

Мобильное приложение: тренд крупного ритейла

Для многих крупных брендов мобильное приложение перестало быть просто дополнительным каналом и превратилось в основную точку продаж. Пользователи приложений покупают чаще и оставляют больше поведенческих данных. Главное преимущество — не нужно придумывать новую логику. В приложении используются те же алгоритмы и те же ключевые точки размещения (главная, карточка товара, корзина), что и на вебе.

Самое важное здесь — синхронизация. Если объединить данные с веба и приложения через CDP, клиент получает бесшовный опыт. Например, он смотрел кроссовки на компьютере, а вечером открыл приложение на смартфоне — и сразу увидел эти кроссовки и релевантные дополнения к ним в блоке рекомендаций.

Direct-каналы: Email, Viber, Push

Direct-каналы — это мощная среда для интеграции товарных рекомендаций. Их стоит использовать не только в классических триггерных цепочках (например, “Брошенная корзина”, “Брошенный просмотр” или предложение следующей покупки — Next Best Offer), но и в обычных массовых промо-кампаниях.

Вместо того чтобы отправлять всем пользователям одинаковую подборку из нескольких товаров от категорийного менеджера, гораздо эффективнее формировать индивидуальное предложение для каждого клиента.

Современные платформы позволяют легко генерировать динамические блоки рекомендаций прямо в сообщениях — и это дает ощутимые результаты.

Ритейлер Comfy добавил персонализированные AI-рекомендации в свои массовые промо-рассылки. В результате он получил +10% к среднему чеку, при этом 51% всех кликов в письме приходилось именно на блок товарных рекомендаций, сгенерированных алгоритмом. То есть пользователям интереснее кликать на то, что подобрано под их интересы, чем на общие акционные предложения.

Команда “Будинок Іграшок” провела A/B-тест в Viber, разделив аудиторию на три группы. Первая получила классическое промо с одним статичным баннером. Вторая — баннер + рекомендации. Третья — только карусель с товарными рекомендациями от eSputnik. По всем метрикам (Open Rate, CTR, Conversion Rate) безоговорочно победила рассылка, состоящая исключительно из AI-рекомендаций, обогнав статичный баннер на 20–30%.

Сегодня персонализация — это базовый минимум для ecommerce. Без нее дыры в воронке продаж будут больше, чем дыры в сыре Маасдам. Но просто добавить блоки рекомендаций недостаточно. Современные алгоритмы уже давно переросли простые правила. Они работают точнее, анализируют глубже и формируют связи быстрее, чем любой ручной перебор категорий.

Цифры лидеров украинского рынка это наглядно подтверждают. Главное — иметь чистый товарный фид, корректно настроить передачу поведенческих данных и выбрать релевантные алгоритмы для каждого этапа пути пользователя.

Если вы видите, что продажи вашего интернет-магазина проседают, пользователи бросают корзины в шаге от оплаты или вы просто хотите наконец освободить команду от рутинного формирования товарных подборок — у нас есть решение.

Заполните форму ниже — мы разберем вашу текущую воронку, найдем скрытые точки роста и пошагово покажем, как быстро внедрить AI-рекомендации в ваш бизнес, чтобы они начали приносить дополнительную прибыль уже в первые недели.

Special Request Inline