Як перестати втрачати продажі на сайті та збільшити середній чек: гайд з налаштування АІ-товарних рекомендацій та кейси українського ecommerce

З кожним роком успіх в ecommerce стає важчим. Трафік дорожчає, асортимент невпинно зростає, а альтернатив покупця стає все більше. Користувачі все частіше заходять на сайт, щоб швидко вирішити свою задачу — знайти потрібний товар, порівняти його з іншими та, власне, здійснити покупку. Якщо клієнт губиться у величезному каталозі й не бачить релевантних пропозицій, він закриває вкладку і йде до конкурентів.

В такій ситуації виграє той бізнес, який допомагає здійснити покупку з найменшими зусиллями. І саме тут на допомогу приходять товарні рекомендації, підсилені штучним інтелектом. Адже рекомендації — це вже давно не просто статичні блоки на кшталт "Також купують". Сучасні алгоритми аналізують тисячі сигналів, враховують історію поведінки та контекст сторінки, щоб підібрати товари під конкретну людину саме в цей момент. Правильне впровадження таких інструментів безпосередньо впливає на ключові метрики.

У цьому гайді ми розберемо, де саме варто розміщувати блоки на сайті, як кастомізувати алгоритми під бізнес-цілі та як ці інструменти вже збільшують продажі лідерам українського ecommerce.

Як працюють сучасні рекомендації: від базових правил до LLM

Товарні рекомендації за принципом роботи можна поділити на кілька груп. Першими будуть ручні налаштування та прості правила. В цьому випадку категорійний менеджер вручну прописує блоки або ж задаються прості статичні правила: “до товарів з групи А — рекомендуємо товари з групи Б.” Цей підхід є найменш ефективним і водночас складним у масштабуванні.

Набагато кращі результати дають алгоритмічні системи, які автоматично аналізують дані — характеристики товарів, уподобання та поведінку користувачів — і генерують на їх основі рекомендації. Попри свою загальну ефективність, ці підходи все ж мають обмеження стосовно глибини аналізу. 

Наприклад, товари аналізують переважно за простими характеристиками: ID товару, назвою та загальною категорією. Через це алгоритми можуть хибити — наприклад, пропонувати до пральної машини іншу пральну машину замість порошку або взагалі ігнорувати нові надходження, бо ті ще не мають історії кліків.

Останнє покоління рекомендаційних систем, що базується на так званій трансформерній архітектурі, має системну перевагу. Вони аналізують не окремі події, а всю послідовність дій користувача. Система враховує сесію клієнта, “розуміючи” глибший контекст і справжній намір.

Та навіть це не є останнім проривом для ecommerce. Найкращі результати зараз дає поєднання цих алгоритмів із великими мовними моделями (LLM). Тепер штучний інтелект здатен розуміти "сенс" товару з його опису та характеристик.

Що це дає бізнесу на практиці?

• Вирішення проблеми "холодного старту". Якщо ви завантажили нову колекцію, системі більше не треба чекати тижнями, поки назбирається статистика покупок. LLM аналізує опис і одразу починає рекомендувати новинку зацікавленим користувачам.
• Автоматична розумна категоризація. ШІ самостійно знаходить логічні функціональні зв'язки між товарами, позбавляючи категорійних менеджерів рутини.

До прикладу, у каталозі може бути надто широка категорія — як-от "Зубні щітки". Класичний алгоритм запропонував би в альтернативах просто інші щітки. Натомість LLM розуміє контекст і формує ідеальні пари для крос-сейлу: до електричної щітки алгоритм автоматично підтягне змінні насадки сумісної моделі або дорожній футляр.

Саме завдяки такому семантичному розумінню товарів ритейлер Фокстрот зміг без ручного втручання збільшити продажі аксесуарів у 1,5 раза та підняти конверсію блоку “З цим товаром купують” на 39%. Штучний інтелект почав “думати” про асортимент так само, як живий продавець-консультант.

Де розміщувати рекомендації на сайті: ключові сторінки та приклади використання

З технологією розібралися. Тепер варто розглянути суто практичне питання: де саме показувати ці розумні блоки, щоб вони приносили результати, а не просто займали місце? Щоб отримати результат, варто запам’ятати, що наші рекомендації повинні відповідати наміру користувача на кожному етапі його шляху до покупки.

Головна сторінка: навігація для "холодного" трафіку

На головну сторінку часто потрапляє трафік без чітко сформованого запиту: люди переходять з медійних кампаній, просто переглядають оновлення асортименту або повертаються після довгої паузи.

Тут рекомендації працюють як розумний навігатор. Завдання — зачепити увагу, не дати користувачу піти з сайту і допомогти йому швидко зорієнтуватися в каталозі.

Які алгоритми використовувати:

• Персональні рекомендації — безпрограшний варіант, якщо користувач авторизований або система вже запам'ятала його попередні сесії.
• Бестселери або популярні — для нових або анонімних відвідувачів. Щоб не перевантажувати головну сторінку, їх можна поєднувати з персональними добірками в один смарт-блок.

Також сюди можна ставити кастомні блоки, наприклад, “новинки” або “акційні товари” для просування пріоритетних для бізнесу позицій. Інший цікавий варіант — це “товари тижня”. Замість того, щоб щотижня ставити ТЗ розробникам щодо зміни товарів на головній, маркетолог може за 5 хвилин задати ручні налаштування або правила для автоматичної ротації таких добірок через UI-платформи.

Сторінка категорії: допомога у виборі

Тут ситуація змінюється. Користувач уже зробив перший вибір (наприклад, зайшов у категорію "Спортивне взуття" або "Настільні ігри"), але перед ним усе ще сотні варіантів. З'являється ризик втоми від вибору.

Блок рекомендацій на цій сторінці виконує роль фільтра, який звужує вибір та фокусує увагу, прискорюючи клік і перехід до конкретної картки.

Які алгоритми використовувати:

• Персональні рекомендації з поточної категорії. Основний алгоритм для цієї сторінки. Це ті самі персоналізовані підбірки на основі даних про користувача, але тут вони звужені суто до товарів з даної категорії.

Якщо ж користувач не авторизувався на сайті, то доречними будуть бестселери або популярні з категорії. 

Картка товару: крос-сейл та альтернативи

Ця сторінка — це точка з найвищим купівельним наміром на сайті, де користувач приймає остаточне рішення: купувати чи ні. Оскільки саме ця сторінка генерує найбільший відсоток доходу, варто приділяти особливу увагу її налаштуванню та якості характеристик у товарному фіді.

На сторінці товару товарні рекомендації виконують два основні завдання:

1. Підтвердження вибору та допродаж. Блок “З цим товаром купують” допомагає логічно доповнити замовлення корисними аксесуарами або одразу зібрати комплект.
2. Пропозиція альтернативи. Якщо клієнт ще вагається щодо ціни, кольору, бренду чи певних характеристик, блок “Схожі товари” запропонує релевантні варіанти та допоможе втримати його на сайті.

Які алгоритми використовувати:

• "З цим товаром купують". Ідеальний інструмент для крос-сейлу, який дозволяє додавати релевантні аксесуари та комплектуючі до основного товару. Розміщувати цей блок варто максимально високо — бажано відразу під фото та основним описом.
• "Схожі товари". Інструмент для роботи з вибором, який допомагає утримати користувача, якщо поточний товар не влаштовує його за ціною, кольором або наразі відсутній на складі. Цей блок має бути одним із перших, які бачить відвідувач.

Не ховайте рекомендації внизу сторінки, адже це пропорційно знижує їхню результативність. Блоки мають бути легкодоступними — наприклад, одразу під зображенням товару. Користувачу не повинно доводитися скролити половину сайту, щоб їх знайти.

Блок колекції або “Заверши свій образ” 

Максимально ефективний блок для fashion-ніші. Замість того, щоб змушувати клієнта шукати речі по сайту, система показує готовий образ (наприклад, до обраної куртки підбираються шапка та шарф з тієї ж колекції). 

Це суттєво підсилює зручність вибору та залученість — адже клієнт отримує не випадковий набір, а цілісне рішення. А ще це значно збільшує кількість позицій в чеку та середню вартість замовлення (AOV).

Кошик: м'який допродаж (Upsell/Cross-sell)

Фінальний етап перед оплатою, коли користувач вже за крок до покупки. Головне завдання на етапі кошика — не нашкодити. Рекомендації тут не повинні відволікати від оплати або змушувати сумніватися у виборі основного товару. Це зона акуратного, але водночас майже імпульсивного допродажу.

Які алгоритми використовувати:

• “З цим товаром купують” та “аксесуари”. Сюди гарно підійдуть недорогі витратні матеріали, батарейки або послуги (наприклад, подовжена гарантія). Також можуть гарно спрацювати подібні товари з інших категорій, щоб розширити замовлення (але не змушуючи сумніватися в тому, що вже є в кошику!)

Неочевидні місця для рекомендацій

Більшість маркетологів фокусуються на класичних розміщеннях блоків рекомендацій. Але шлях клієнта не завжди лінійний, а купівля не завжди йде за сценарієм “головна → категорія → товар”. На сайтах є сліпі зони — сторінки, які генерують трафік, але не конвертують його через відсутність релевантних пропозицій.

Особистий кабінет: робота з найбільш лояльними клієнтами

Хто найчастіше заходить в особистий кабінет? Це найцінніший сегмент вашої аудиторії: лояльні клієнти, які вже купували у вас, мають історію замовлень, накопичені бонуси та високий рівень довіри до бренду. У системі є максимум даних про їхню поведінку.

Які алгоритми використовувати: Тут найкраще працюють персональні рекомендації на основі історії користувача. CTR блоку рекомендацій в особистому кабінеті у 2–3 рази вищий, ніж на будь-якому іншому блоці сайту. 

Блог: конверсії з пошукового трафіку

Блог — це чудове джерело органічного SEO-трафіку. Люди приходять сюди за корисною інформацією (наприклад, читають статтю “Як доглядати за шерстю кота в період линьки”), але вони не завжди готові одразу щось купувати. Якщо сторінка закінчується просто текстом, ви втрачаєте можливість перетворити читача на клієнта.

Тому рекомендації у блозі працюють як нативний, логічний місток до покупки: читаєш про кота — ось тобі одразу інструменти для грумінгу та вітаміни.

Які алгоритми використовувати:

• Товари за темою статті.
• Персональні рекомендації (якщо у читача вже є історія переглядів).
• Популярне з категорії, до якої належить стаття.

До прикладу, український ритейлер зоотоварів MasterZoo зіткнувся з проблемою рутини. Контент-менеджери вручну збирали товарні добірки для кожної статті, на що могло йти до 8 годин часу — сумарно близько 120 годин на місяць. Після автоматизації цього процесу через AI-рекомендації підготовка блоку для статті скоротилася з 8 годин до 5 хвилин. Але головне — розумні підбірки збільшили продажі безпосередньо з блогу у 9 разів.

Сторінка 404: порятунок втраченої сесії

Сторінка з помилкою 404 (некоректне посилання або сторінку видалено) зазвичай сприймається як глухий кут. Стандартна поведінка користувача в такій ситуації — закрити сайт і піти в Google шукати далі.

Та замість того, щоб обмежитися повідомленням “сторінку не знайдено”, можна перетворити цю помилку на навігаційний інструмент і допомогти користувачу продовжити шлях.

Які алгоритми використовувати:

• Якщо користувач вже має історію взаємодії, персональні рекомендації — це один з найефективніших варіантів. Людина побачить товари, якими вже цікавилася, що знизить бажання покинути сайт.
• Якщо користувач новий — варто спробувати бестселери або новинки. Це врятує сесію, утримає увагу та поверне потенційного покупця назад у воронку продажів.

Кастомізація: як змусити AI працювати на бізнес-цілі

Персоналізовані рекомендації — це не тільки про унікальну видачу для кожного відвідувача, а й про персоналізацію алгоритмів під завдання конкретного бізнесу. Просування пріоритетних товарів чи зміна логіки блоків — система не лише визначає, що цікаво користувачу, а й працює в інтересах бізнесу.

Навіть без додаткового налаштування система вже має базові правила, які роблять рекомендації розумними та практичними. Наприклад, система враховує, яким ціновим сегментом цікавиться користувач. Поціновувачам преміум-сегменту не будуть показуватися економ-пропозиції, і навпаки — ті, хто орієнтується в основному на ціну, не побачать рекомендацій товарів поза своїм бюджетом. По-друге, система враховує популярність товарів. Пріоритет — “живі” товари, які дійсно купують. По-третє, у видачу ніколи не потрапляють товари, яких нема в наявності. Це може здаватися очевидним, та при ручному налаштуванні рекомендацій це часто стає проблемою.

Та якщо бізнес має конкретні запити — вирішити їх можна прописуванням кастомних правил, наприклад:

• Буст пріоритетних товарів. Маркетолог може штучно підвищувати частоту показу конкретних позицій: високомаржинальних товарів, власних торгових марок або продукції брендів-партнерів. Наприклад, “Будинок Іграшок” успішно використовував буст для просування благодійних розмальовок. Це дозволило транслювати цінності бренду прямо в точці прийняття рішення, не ламаючи при цьому загальну релевантність блоку.

• Обмеження та заборони. Іноді критично важливо щось НЕ показувати. Наприклад, приховувати товари нижнього цінового сегмента або чутливий асортимент. Яскравий приклад — маркетплейс Liki24.com, де відповідно до регуляторних вимог заборонено рекомендувати рецептурні препарати. Для них налаштували кастомну логіку: якщо клієнт переглядає виключно рецептурні ліки, система не залишає блок рекомендацій порожнім. Натомість вона виводить дозволені товари з категорії "універсальної аптечки" (бинти, вітаміни тощо), але навіть ця альтернатива підбирається персоналізовано під користувача.
• Спорідненість за властивостями. Алгоритму можна задати пріоритет на певні характеристики з товарного фіда. Наприклад, щоб в альтернативах пропонувалося взуття виключно того ж кольору, бренду чи розміру, що й основний товар.

Омніканальність: рекомендації за межами вебсайту

Шлях клієнта — це більше ніж вкладка браузера. Обмежувати рекомендації лише вебсайтом — означає втрачати величезну частку прибутку. Тому персоналізація має працювати в усіх точках дотику з клієнтом .

Мобільний застосунок: тренд великого ритейлу

Для багатьох великих брендів мобільний застосунок перестав бути просто додатковим каналом і перетворився на основну точку продажів. Користувачі застосунків купують частіше і залишають більше поведінкових даних. Головна перевага полягає в тому, що не потрібно вигадувати нову логіку. У застосунку використовуються ті самі алгоритми та ті самі ключові точки розміщення (головна, картка товару, кошик), що й на вебі.

Найголовніше тут — синхронізація. Якщо об'єднати дані з вебу та застосунку через CDP, клієнт отримує безшовний досвід. Наприклад, він переглядав кросівки на комп'ютері, а ввечері відкрив застосунок на смартфоні й одразу побачив ці кросівки та релевантні доповнення до них у блоці рекомендацій.

Direct-канали: Email, Viber, Push

Direct-канали — це потужне середовище для інтеграції товарних рекомендацій. Їх варто використовувати не лише у класичних тригерних ланцюжках (як-от “Покинутий кошик”, “Покинутий перегляд” чи пропозиція наступної покупки — Next Best Offer), а й у звичайних масових промо-кампаніях. 

Замість того, щоб надсилати всім користувачам однакову підбірку з кількох товарів від категорійного менеджера, набагато ефективніше формувати індивідуальну пропозицію для кожного клієнта.

Сучасні платформи дозволяють легко генерувати динамічні блоки рекомендацій безпосередньо в повідомленнях — і це дає суттєві результати.

Ритейлер Comfy додав персоналізовані AI-рекомендації у свої масові промо-розсилки. В результаті він отримав +10% до середнього чека, при цьому 51% усіх кліків у листі припадало саме на блок товарних рекомендацій, згенерованих алгоритмом. Тобто людям цікавіше клікати на те, що підібрано під їхні інтереси, ніж на загальні акційні пропозиції.

Команда Будинку Іграшок провела A/B-тест у Viber, розділивши аудиторію на три групи. Перша отримала класичне промо з одним статичним банером. Друга — банер + рекомендації. Третя — тільки карусель з товарними рекомендаціями від eSputnik. За всіма метриками (Open Rate, CTR, Conversion Rate) беззаперечно перемогла розсилка, яка складалася виключно з AI-рекомендацій, обігнавши статичний банер на 20–30%.

Сьогодні персоналізація — це базовий мінімум для ecommerce. Без неї дірки у воронці продажів будуть більші за дірки в сирі Маасдам. Та просто поставити блоки рекомендацій недостатньо. Сучасні алгоритми вже давно переросли прості правила. Вони працюють точніше, аналізують глибше та генерують зв'язки швидше за будь-який ручний перебір категорій. 

Цифри лідерів українського ринку це яскраво доводять. Головне — мати чистий товарний фід, правильно налаштувати передачу поведінкових даних та обрати доречні алгоритми під кожен крок користувача.

Якщо ви бачите, що продажі вашого інтернет-магазину просідають, користувачі залишають кошики за крок до оплати, або ви просто хочете нарешті звільнити команду від рутинного збирання товарних підбірок — в нас є рішення.

Заповніть форму нижче — ми розберемо вашу поточну воронку, знайдемо приховані точки зростання та покроково покажемо, як швидко впровадити AI-рекомендації у ваш бізнес, щоб вони почали генерувати додатковий прибуток вже з перших тижнів.

Special Request Inline