Український ecommerce працює в умовах обмежених бюджетів, високої конкуренції, мінливого попиту та високих очікувань аудиторії. Команди постійно шукають інструменти, що дозволять ефективно розвивати маркетингову стратегію, залучати та утримувати більше клієнтів, скорочують операційні витрати, а також оптимізувати роботу співробітників.

Сьогодні одним з таких рішень є AI. Це не просто допоміжний інструмент, а справжній двигун зростання, який допомагає оптимізувати маркетинг, якісно персоналізує та змінює клієнтський досвід, підвищує лояльність клієнтів та в результаті посилює позиції компанії на ринку. За даними McKinsey, 78% бізнесів уже активно використовують AI як мінімум в одній з функцій бізнесу. За прогнозами компанії дедалі більше інтегруватимуть АІ в різні структури та процеси. Що стосується напрямку залучення клієнтів та їх утримання — наразі 56% маркетологів активно використовують ШІ у своїй роботі і ця кількість активно зростає.

У цій статті ми ділимося практичними інсайтами про застосування AI в маркетингу: від генеративних інструментів, що створюють персоналізований контент, до предиктивних моделей, які прогнозують поведінку та вподобання клієнтів. Наведені в статті інструменти впроваджені та підтримуються платформою eSputnik, ними користуються лідери українського ринку: Фокстрот, Dnipro-M, Prom.ua, Shafa, Stylus, adidas, PUMA та ще 4000 брендів з загальною кількістю клієнтів 23 млн. 

Вплив використання АІ на ecommerce-маркетинг

Вплив штучного інтелекту на бізнес значною мірою залежить від специфіки галузі, обраних інструментів і глибини їх інтеграції. Компанії, які активно інвестують у АІ, не лише виділяють на це ресурси та готові експериментувати, а й зазвичай отримують найвищий ефект. Згідно з дослідженням McKinsey, організації, що застосовують АІ, можуть збільшити доходи на 3–15% і підвищити рентабельність продажів на 10–20%. ШІ надає можливості:

• Ефективного використання ресурсів команди. АІ виконує рутинні завдання, звільняючи час маркетологів для стратегічного планування та тестування нових ідей.
• Оптимізації бюджету. ШІ забезпечує актуальну взаємодію з групами зацікавлених клієнтів, зменшує нерелевантні комунікації, прискорює окупність інвестицій.
• Зменшення ризиків помилок. В порівнянні з ручними процессами алгоритми мають вищу точність, вони мінімізують помилки завдяки чітким шаблонам та машинному навчанню.
• Підвищення конкурентоспроможності. Глибоке розуміння клієнтів дозволяє персоналізувати спілкування на всіх етапах воронки продажів, що сприяє зростанню лояльності покупців.
• Підвищення точності прогнозування. AI виявляє тенденції та закономірності в поведінці клієнтів, дозволяючи точніше прогнозувати їх наступні дії, попит на товари та ефективність кампаній.
• Зниження відсотка відмов від покупки. Алгоритми ідентифікують бар'єри, які зупиняють клієнта, що дає можливість маркетологу скоригувати взаємодію та налаштувати подальші кампанії. 

Генеративний АІ: створення контенту та автоматизація

Генеративний AI використовується для створення контенту — текстів, зображень, аудіо, відео — на основі вхідних даних та умов. Він формує оригінальні матеріали, яких раніше не існувало. Такий контент сприяє підвищенню інтересу аудиторії, покращенню враження від бренду та автоматизації процесів, що займають 60-70% часу працівників. 

Інструменти генеративного АІ, які скорочують рутину та забезпечують високу якість вихідного контенту: 

1. Оптимізація текстів розсилок

За допомогою AI можна швидко обробляти тексти, формулювати точні повідомлення. Наприклад, інтегрований AI в email-редактор eSputnik дозволяє створювати тексти, скорочувати чи розширювати їх, перекладати їх на 10+ мов, перевіряти граматику, змінювати tone of voice та вдосконалювати теми з прехедерами. 

Компанії можуть швидше створювати тексти та адаптувати їх під потрібний сегмент, а глобальні бренди — додатково робити миттєвий переклад кампаній без втрати сенсу.

2. Автоматичне наповнення блоків у листах

Наповнення блоків в email — генеративний AI автоматично опрацьовує контент з джерел, наповнюючи модулі. Достатньо перетягнути модуль з бібліотеки та вставити посилання на сторінку товару — AI самостійно наповнює блок: додає опис товару, зображення та посилання, прискорюючи створення листа до 50%.

3. Генерація mobile push 

AI швидко створює заголовки та тексти для пушів на основі даних про мобільний застосунок, який автоматично підтягується зі стору та заданої теми повідомлення, адаптуючи їх під сегменти для максимального залучення.

4. Генерація сценарію та наповнення мобільних кампаній

AI створює цілі кампанії для сегментів (нові, активні, зареєстровані користувачі), виходячи з цілі, яку вказує маркетолог (конверсія, залучення, утримання). В результаті ШІ генерує: опис кампанії та її тривалість, покроковий сценарій з текстами повідомлень, поясненнями та бенчмарками для аналізу ефективності.

5. Безперервне A/B-тестування

Класичне A/B з фіксованими групами працює для чистих експериментів, але повільне: кампанія має відпрацювати від декількох днів до тижнів, щоб маркетолог міг оцінити результати. За цей час частина аудиторії отримує гірший варіант. 

Безперервне тестування, реалізоване блоком «Одне з багатьох» у eSputnik, може оптимізувати кампанію миттєво. Система відправляє різні варіанти розсилки на декілька сегментів (однакові за кількістю аудиторії) → автоматично визначає кращий варіант → надсилає його надалі.

Маркетологи можуть додавати нові варіанти повідомлень у будь-який момент, а блок автоматично інтегрує їх у тестування. Також, вбудований в редактор ШІ може самостійно створити повідомлення, що дасть можливість протестувати креативність маркетолога та штучного інтелекту.

Це економить час на підготовку кампаній, оскільки маркетологу не потрібно вручну створювати окремі гілки сценаріїв чи зупиняти процесс щоб проаналізувати результати.

Наприклад, Prom.ua застосував цей інструмент щоб зменшити кількість користувачів, які переглядали товари через застосунок, але не здійснили покупку. Завдяки цьому кількість кліків на сповіщення зросла на 26%, а конверсія продажів з mobile push — на 5%.

Схоже завдання було у мережі аптек АНЦ: збільшити конверсію серед користувачів, які додали товари до кошика, але не зробили покупку. Блок “Одне з багатьох” використовувався щоб протестувати тексти в повідомленнях та автоматично визначати найефективніший варіант. В результаті вони отримали +23% до середнього чеку та подвоїли трафік з мобільних пушів. 

Предиктивний АІ: прогнозування майбутніх дій клієнтів та їх покупок 

Предиктивний AI аналізує історичні дані для прогнозування майбутніх подій, визначення залежностей у поведінці клієнтів та обґрунтованого прийняття рішень. Це дозволяє забезпечити якісний персоналізований досвід кожному користувачу, що в результаті зумовлює збільшення кількості продажів, середнього чеку та утримання клієнтів. За статистикою, компанії, які використовують персоналізацію на основі ШІ, відзначають зростання продажів на 25% у порівнянні з компаніями, що не використовують її. 

Розглянемо ефективні інструменти персоналізації, що працюють на базі предиктивного АІ:

1. Персональні товарні рекомендації: АІ знає, що куплять ваші клієнти

Сьогодні, коли споживачі перевантажені вибором, 74% просто закривають сайт, а невдалі покупки призводять до повернень покупок, витрат на логістику та втрати лояльності. Найгірший сценарій — незадоволені клієнти обирають конкурента, який здатний задовольнити їх потреби. Адже 91% людей частіше купують у компаній, які персоналізують їх досвід. Один з ефективних інструментів для цього — товарні рекомендації. 

Мета товарних рекомендацій — запропонувати клієнтові саме ті товари, які з найбільшою вірогідністю зацікавлять його, що приведе до покупки.

Як вбудованим в CDP алгоритмам ШІ вдається з точністю до 69% підібрати товари, які захочуть купити клієнти:

1. Збір даних про дії клієнта з сайту, застосунку, direct-каналів, офлайн.

2. Уніфікація інформації та збагачення нею єдиного профіля контакту.

3. Обробка та аналіз даних за допомогою ШІ із глибоким навчанням. Ця технологія підвищує точність та ефективність рекомендацій, визначаючи приховані зв’язки між користувачами та товарами.

4. Генерація рекомендацій з урахуванням даних про: 

• поведінку — як користувач взаємодіє з продуктами (перегляди, кліки, покупки);
• клієнта — демографія, геолокація, уподобання (наприклад, розмір одягу, товари в обраному);
• товари — ціна, категорія, бренд.

5. Омніканальне застосування готових рекомендацій: на сайті, у застосунку, в direct-каналах (email, push, App Inbox, Viber).

Чим більше даних про клієнта доступно для алгоритмів і чим швидше вони оновлюються, тим точнішими будуть рекомендації. А омніканальний підхід забезпечить безперервний досвід для клієнта незалежно від каналу взаємодії з брендом. 

Новий рівень персоналізації: трансформери та великі мовні моделі (LLM)

CDP eSputnik створює товарні рекомендації уже понад 12 років. За цей час ми розробили та протестували понад 200 алгоритмів формування рекомендацій та зробили їх доступними в платформі. Зазвичай, цей інструмент підвищує конверсію сайту на 20-30%, а рекордний результат для одного з наших клієнтів — +60%. 

Ми постійно працюємо над покращенням функціональності, звичайний приріст показників — +5-10% за рік. Здавалося, що суттєво покращити ефективність алгоритмів уже неможливо. Проте два роки тому відбувся справжній прорив. 

CDP eSputnik — одна з перших платформ в Україні, яка об’єднала трансформерну архітектуру нейроної мережі (більше знайому всім як Chat GPT), Large language Models (великі мовні моделі) та рекомендаційні моделі. 

Використання трансформерів дає можливість глибше аналізувати поведінку користувачів, їхні вподобання, а великі мовні моделі додали можливість аналізу характеристик товарів: категорії, бренду, ціни, описів.

Раніше алгоритми обмежувалися зв’язками між товарами — наприклад, чохол до смартфона або спортивна футболка до штанів такого ж виробника. Тепер ШІ аналізує весь шлях клієнта: кожен клік, переглянуту сторінку, доданий до обраного товар, вже здійснену покупку — розглядаються в контексті дій користувача. Система розуміє суть товару, а не лише його SKU (Stock Keeping Unit): алгоритми можуть працювати з обмеженими даними, наприклад з новими товарами, або з тими, які ще ніхто не купував. Таким чином, система забезпечує краще розуміння і клієнта, і товарів, тому може формувати максимально релевантні товарні рекомендації.

Першим протестував оновлені алгоритми найбільший омніканальний ритейлер України “Фокстрот” та отримав: 

• +33% — зростання CTR блоків рекомендацій. 
• ×2.08 до трафіку — по блоку “Персонально для вас”.

Оновлені алгоритми показали вражаючі результати вже через кілька місяців роботи:

Але сайт — це не єдина точка взаємодії з клієнтом, де бізнес використовує товарні рекомендації. Вони доступні: в застосунку, директ-каналах (Email, App Inbox, Web Push, Mobile Push, віджети, Viber, Telegram bot, SMS). 

Деякі з клієнтів пішли ще далі впровадивши персональні товарні рекомендації у масові розсилки. Оскільки такі листи мають велике охоплення аудиторії, включення кастомізованих підбірок може в рази підвищити конверсії. 

Для маркетплейсу з пошуку медикаментів Liki24 впровадження персональних рекомендаційних блоків у масові кампанії принесло +70,8% до конверсії, а для українського бренду вітамінів та дієтичних добавок Perla Helsa цей показник збільшився на 106%, а дохід з емейл-каналу виріс на 34%.

АІ — як категорійний менеджер для товарних рекомендацій 

Незважаючи на чудові результати рекомендаційних алгоритмів, eSputnik продовжує шукати шляхи для збільшення продажів клієнтів. Під час роботи над впровадженням трансформерної моделі команда eSputnik помітила потенціал для покращення інструменту для “Фокстрот”. ШІ не підбирав в рекомендації товари з однієї категорії, щоб уникнути дублювання. Це обмежувало крос-продажі, коли в межах однієї категорії є товари, що логічно доповнюють один одного.

Щоб вирішити це, ми впровадили LLM-модель, яка автоматично уточнює підкатегорії та формує правильні рекомендації. Вона аналізує категоріальне дерево товарів, визначає функціональні зв’язки і пропонує сумісні або доповнювальні продукти, працюючи майже як досвідчений категорійний менеджер.

Наприклад, у категорії “Зубні щітки” є щітки, насадки, футляри та аксесуари для догляду. Завдяки рекатегоризації тепер можна запропонувати клієнтові логічні доповнення до покупки: насадку або футляр. Система сформує релевантні пари товарів навіть з тієї самої загальної категорії, підвищуючи якість персоналізації та крос-продажів.

Результати блоку “З цим товаром купують” (період тестування березень-травень 2025):

• +39% до CTR;
• зростання продажів аксесуарів у 1,5 раза.

2. Предиктивна сегментація: АІ знає, хто незабаром зробить покупку 

Предиктивна сегментація автоматично визначає групи клієнтів за ймовірністю покупки або ризиком відтоку. На відміну від ручної сегментації, яка обмежується певною кількістю умов (зазвичай до 10), предиктивна замість фіксованих правил аналізує тисячі закономірностей у поведінці аудиторії та прогнозує, як користувач діятиме далі.

Мета предиктивної сегментації — визначити користувачів, які найбільш готові до покупки, щоб маркетолог міг ефективно фокусуватися на перспективній аудиторії та уникати витрат на нерелевантні комунікації.

Як працює предиктивна сегментація на прикладі CDP: 

1. Збір і структура даних: як і у випадку з товарними рекомендаціями — все починається з даних — система накоплює та об’єднує дані про поведінку клієнта, історію покупок і демографію в єдиному профілі. 
2. Аналіз закономірностей: АІ виявляє патерни поведінки клієнтів, які вже здійснювали покупки та співставляє цю інформацію з даними про поведінку інших користувачів, таким чином передбачаючи їх готовність до покупки.
3. Прогнозування ймовірності: На основі виявлених закономірностей система класифікує користувачів за рівнем готовності до покупки. В eSputnik ми розділили клієнтів на чотири сегменти: потенційні покупці, гарантовані покупці, малоймовірні покупці та ті, хто не визначився.
4. Постійне оновлення: модель постійно навчається на нових даних, що дозволяє своєчасно адаптувати кампанії та пропонувати актуальні товари та акції тим, хто найбільше готовий до дії.

Предиктивна сегментація допомагає точніше націлювати маркетингові кампанії та підвищувати їхню ефективність при менших витратах. Viber чи SMS розсилка незацікавленим користувачам призведе до втрати бюджету, натомість ці канали дають гарні результати, якщо відправляти повідомлення гарантованим та потенційним покупцям. 

Наприклад, український бренд одягу O.TAJE використав предиктивну сегментацію та отримав +310% ROMI розсилок у Viber та +300% до коефіцієнта конверсії.

Агентний AI та як він вплине на маркетинг

Розвиток АІ в маркетингу відбувався поступово: від простої автоматизації на основі правил до предиктивної аналітики та генеративного штучного інтелекту. Зараз ми очікуємо наступний глобальний рівень ШІ: agentic AI. Це технологія, яка знаючи кінцеву мету кампанії, може самостійно оцінювати ситуації, формулювати стратегії та виконувати їх без постійного нагляду. 

Щоб краще зрозуміти вплив агентного АІ розглянемо рівні роботи маркетингу: 

1. Стратегічний — керівники (CEO, CMO) визначають позиціонування бренду, цілі зростання та маркетинговий бюджет. Це потребує глибокого розуміння бізнесу, ринку та узгодження з глобальними цілями компанії.
2. Тактичний — маркетинг-менеджери перетворюють стратегію на плани: розробляють кампанії, обирають канали та підходи до аудиторії, розподіляють ресурси та бюджети. На цьому етапі необхідні стратегічне мислення і тактичні навички. Тут буде корисним предиктивний АІ: товарні рекомендації та предиктивна сегментація. Ці інструменти допомагають визначати найперспективніші сегменти клієнтів, прогнозувати їхню поведінку, в тому числі товари які вони захочуть купити. Що дозволить ефективно розподіляти бюджет для максимального ROI.
3. Операційний — команди реалізують плани: створюють контент, візуальні матеріали та запускають кампанії. Генеративний ШІ допомагає підвищувати продуктивність на цьому рівні. 

Генеративний АІ прискорює створення контенту. Предиктивний — має вплив на прийняття рішень. Агентний — не тільки аналізує і прогнозує. Він ще на щабель підвищує рівень управління маркетингом, бо пропонує дії, коригує стратегію, оптимізує процеси, самостійно запускає кампанії та генерує контент. ШІ звільняє час маркетолога для більшої творчості та стратегічного мислення, де справді формується цінність бренду.

Висновки 

ШІ уже сьогодні підвищує конверсію, AOV і ROMI, зменшуючи витрати на неефективні дії та кампанії.

Ключові технології, які активно застосовуються в українському ecommerce для зростання продажів:

1. Генеративний АІ: автоматизація створення та покращення контенту — від оптимізації текстів розсилок і наповнення блоків у листах до генерації mobile push, розробки сценаріїв мобільних кампаній та безперервного A/B-тестування.
2. Предиктивний АІ: персоналізовані товарні рекомендації на базі трансформерів і LLM, які аналізують поведінку клієнтів, їхні вподобання та характеристики товарів, а також предиктивна сегментація для визначення клієнтів з високою ймовірністю покупки чи ризиком відтоку.

Незабаром бізнес випробує можливості агентного АІ — технології, яка зможе самостійно формувати стратегії, оцінювати ситуацію та виконувати маркетингові завдання без постійного контролю.

​​Технологій справді багато, і це може створювати відчуття невизначеності: що саме впроваджувати і з чого почати? Ми в CDP eSputnik працюємо з AI понад 12 років і бачимо, як правильно підібрані інструменти приносять бізнесу максимальну віддачу.

Отримати персональну консультацію