Как продавать через искусственный интеллект

Правда ли, что нейросети это новый канал продаж, который может затмить даже маркетплейсы? Объясняет Борис Агатов, независимый эксперт по внедрению искусственного интеллекта (ИИ) в бизнес.

поделиться в vk поделиться в telegram

Слушайте свежий выпуск подкаста, сгенерированного нейросетью.

Борис Агатов

Автор книги «Искусственный интеллект для бизнеса», в которой собрано более ста практических инструментов и идей. Входит в топ-5 спикеров России, по версии HUBSpeakers. Автор канала в Telegram и Max, где анализирует применение ИИ в бизнесе. Консультирует крупные компании и регулярно проводит семинары по всей стране.
Web: agatov.pro
Telegram: @agatov_tech

Эра агентов

Еще вчера мы обсуждали, как оптимизировать карточки товаров на Wildberries или Lamoda под внутренние поисковые алгоритмы. Сегодня мы вступаем в эру a-commerce (agentic commerce), торговли через ИИ-агентов, и GEO (Generative Engine Optimization), оптимизации контента под ответы нейросетей.

Свежее исследование аналитического центра ВЦИОМ показывает динамику, которая полностью меняет правила игры: 65% потребителей при покупках онлайн уже учитывают рекомендации ИИ, а четверть обращается к ним часто. Особенно это касается зумеров и младших миллениалов — они охотнее всего делегируют алгоритмам подбор одежды.

Запрос покупателя больше не выглядит как «купить бежевое пальто». Он звучит так: «Собери мне капсулу в офис на осень из российских брендов, бюджет до 50 тысяч рублей, мой размер M, сравни отзывы и добавь в корзину лучшие варианты».
ИИ-агент сам идет на маркетплейс, сверяет данные с внешними сайтами и формирует заказ. Если вашего бренда нет в «голове» у нейросети, — вас просто не существует для нового поколения покупателей.

Три модели поведения

Специфика российского fashion-рынка в том, что львиная доля продаж приходится на маркетплейсы. Когда клиент начинает общение с ИИ-агентом «Яндекс Маркета», Wildberries, Ozon (последний анонсировал запуск такого инструмента) или сторонним шопинг-ботом, бренд теряет привычный маркетинговый контроль. ИИ не восхищается красивой фотосессией — он анализирует данные.

По данным ВЦИОМ, сегодня сформировались три модели поведения потребителей при работе с ИИ. Первая — следование алгоритмам: покупатель полностью делегирует выбор ИИ и берет то, что нейросеть положила в корзину. Вторая — дистанцирование: пользователь осознанно избегает ИИ, ориентируясь на человеческий фактор. Третья — «доверяй, но проверяй» (самая массовая): ИИ становится отправной точкой. Нейросеть делает подборку, а покупатель анализирует отзывы на разных площадках, сравнивает цены и характеристики. И теперь совершенно неважно, где находится ваш товар: на маркетплейсе, у вас на сайте, еще где-то. Если у клиента есть ИИ-бот, он найдет ваш товар. Главное, чтобы пользователь смог «увидеть» продукт и понять, как вы его описали.
Именно третья модель диктует нам главный закон новой эпохи: одного только сайта или карточки на маркетплейсе больше недостаточно.

Шесть шагов к клиенту

Как российскому fashion-бренду завоевать доверие не только покупателя, но и его ИИ-агента? Вот шесть ключевых шагов в стратегии GEO и a-commerce.

Первый — multi-source validation, многоисточниковая проверка. ИИ не ограничивается вашей карточкой товара. Прежде чем рекомендовать ваш пуховик, модель (ChatGPT, GigaChat, Perplexity, «Алиса») сверяет информацию по нескольким внешним источникам. Если о вас говорят на сторонних площадках, ИИ получает основания считать ваш товар достойным.
Текстовые упоминания бренда (brand mentions) на других сайтах даже без активной ссылки сегодня работают лучше, чем классическое SEO.

Что делать? Добивайтесь цитирований в отраслевых медиа (например, в PROfashion). Публикуйте обзоры на YouTube и RuTube, «ВКонтакте» — ИИ отлично парсит транскрипты видео.

Инициируйте обсуждения на форумах, в профильных Telegram-каналах и соцсетях. Бренд с упоминаниями на более чем пяти внешних доменах имеет в разы большую вероятность цитирования в ИИ-ответах.

Следующий шаг — переход на два языка: для людей и для машин. ИИ-агентам нужна четкая структура, чтобы понять, подходит ли вещь под запрос. Сравните два описания одной и той же толстовки. Для человека (эмоции): «Эта уютная оверсайз-толстовка идеально подойдет для долгих осенних прогулок…» Для ИИ-агента (данные): «Материал: футер 3-хнитка с начесом (80% хлопок, 20% полиэстер). Температурный режим: от +10 до +15 °C. Крой: oversize. Усадка: до 2%».

Карточка товара должна содержать оба блока. Всю техническую информацию, замеры в сантиметрах, правила ухода нужно выносить в четкие списки и таблицы. Но ИИ также способен оценить и ваш месседж для человека, то есть описание сейчас становится более богатым, в нем должно быть больше технических деталей, касающихся товара и условий его приобретения (скидки, наличие, доставка, практика носки).

Третий шаг — дать покупателю «красную кнопку». Исследование ВЦИОМ выявило важнейший психологический нюанс: 77% опрошенных считают, что ответственность за конечный выбор лежит на самом покупателе, а не на ИИ. Поэтому людям страшно ошибиться. Социологи резюмируют: потребителям важно иметь возможность нажать на «красную кнопку» — то есть отключить ИИ и взять контроль на себя.

Как это применить бренду?

Не прячьте условия возврата, если человек покупает через ИИ-агента. Для алгоритма и для человека тег «легкий возврат» — это та самая кнопка безопасности. Если человек не проверит этот раздел, то ИИ-агент точно туда зайдет и может отказаться от покупки вашего товара.

Делайте размерные сетки максимально прозрачными. Если ИИ-агент говорит пользователю: «нужен размер L», — человек должен легко найти у вас в карточке таблицу с сантиметрами, чтобы перепроверить машину.

Далее — создайте FAQ на основе реальных страхов. Раздел «Вопрос-ответ» — идеальный формат для привлечения внимания нейросетей и их обучения. Не выдумывайте вопросы из головы. Возьмите реальные диалоги из комментариев на маркетплейсах или из вашего direct.

Агенту (и сомневающемуся покупателю) важно получить четкие ответы на свои вопросы. Например: «Сядет ли этот лен после стирки?» — «Нет, ткань прошла процедуру умягчения на производстве». «Колется ли свитер?» — «Нет, в составе 30% кашемира, подходит для чувствительной кожи».

Используйте разметку Schema.org (FAQPage) на своем сайте, чтобы технически указать поисковику: вот вопрос, вот ответ.

Пятый шаг — продавать сценарии, а не категории (Query Fan-out). В a-commerce покупатели мыслят результатами: «мне нужно уверенно выглядеть на совете директоров» или «нужна одежда для 10-часового перелета». Когда человек задает сложный вопрос, ИИ разбивает его на микро-запросы (Query Fan-out). Например, запрос «одежда для перелета» дробится на: «не мнется», «не давит в поясе», «дышит».

Лучшие бренды будущего заговорят на языке сценариев. Добавьте в свои описания слова-маркеры: «костюм, который не мнется в чемодане», «платье-трансформер для офиса и вечеринки».

И последний шаг — использование «синтетических» покупателей (невидимой фокус-группы). До выхода коллекции на маркетплейс цена ошибки огромна. Новый инструмент a-commerce — «синтетические покупатели», ИИ-модели, обученные на реальных поведенческих данных. Вы можете «скормить» нейросети карточку вашего будущего товара и спросить от лица ИИ-зумера: «Купишь ли ты эту куртку из экокожи за 15 000 рублей?». Агент может ответить: «Нет, для меня важна прозрачность переработки, а в описании этого нет». Синтетические агенты помогут вам докрутить контент и ценообразование еще до старта продаж. Один из таких инструментов — нашумевший китайский MiroFish.

Не наступать на грабли

Задача бизнеса сегодня — не просто дистрибутировать контент, а построить сеть внешних подтверждений (GEO), заговорить с ИИ-агентами на языке структурированных данных и дать покупателям прозрачность, снижающую их страх перед машинным выбором.

Не пускайте этот процесс на самотек — готовьте свой бизнес к a-commerce уже сейчас. Не проспите новую технологическую волну, чтобы избежать ошибок, которые многие сделали, не доверяя маркетплейсам.