Яндекс Маркет встроил ИИ-ассистента прямо в примерочные своих пунктов выдачи — теперь покупатель может прямо с вешалки запустить чат-бота и подобрать дополнение к образу.
Что произошло
В примерочных ПВЗ Яндекс Маркета появились QR-коды. Покупатель сканирует его прямо в момент примерки — и попадает в ИИ-агента, который работает в двух режимах.
- Онлайн-примерка. Можно посмотреть, как вещь будет выглядеть на фото, не снимая её.
- Подбор образа. Бот анализирует уже заказанные товары и предлагает вещи, которые к ним подойдут.
Механика простая: покупатель стоит перед зеркалом с брюками — и тут же спрашивает у бота, какая рубашка или обувь к ним подойдёт. Бот отвечает с учётом того, что уже есть в заказе.
Это первый известный случай, когда маркетплейс связывает физическое пространство ПВЗ с ИИ-рекомендациями в режиме реального времени. Раньше ИИ-подборки работали только в поиске и на карточках товаров — то есть до момента покупки. Теперь точка контакта сдвинулась в офлайн.
Что это значит для селлеров
На первый взгляд — просто технологическая новинка маркетплейса. Но для продавцов одежды, обуви и аксессуаров это меняет логику продаж.
Ассортимент начинает продавать себя сам
Если у вас есть несколько товаров, которые хорошо сочетаются между собой — джинсы + поясная сумка, платье + украшения — ИИ-агент потенциально будет рекомендовать их в связке. Не потому что вы так настроили, а потому что алгоритм видит стилевую совместимость.
Это новый тип органического трафика внутри платформы. Ваша карточка может попасть в рекомендацию покупателю, который никогда не искал ваш товар — просто потому что он подходит к тому, что человек держит в руках.
Конкуренция теперь и в примерочной
Раньше борьба за покупателя шла в поиске и карточке. Теперь добавился новый фронт: момент принятия решения в ПВЗ. Покупатель уже держит товар конкурента — и бот предлагает ему дополнение. Это значит, что ваша карточка должна быть оптимизирована не только для поиска, но и для ИИ-рекомендаций.
Что влияет на попадание в рекомендации ИИ
Яндекс Маркет не раскрывает детали алгоритма, но по общей логике работы ИИ-ассистентов можно предположить несколько факторов:
- Качество контента карточки. Описание, характеристики, цветовые коды, состав — всё, что помогает алгоритму понять, к чему подходит товар.
- Правильная категория и атрибуты. Если вы не заполнили «стиль», «цвет», «тип кроя» — ИИ попросту не знает, к чему вашу вещь рекомендовать.
- Рейтинг и отзывы. Рекомендательные системы традиционно отдают предпочтение товарам с высоким рейтингом — меньший риск «плохой рекомендации» для платформы.
- Скорость доставки и наличие на складе. Бот вряд ли будет предлагать товар, который нельзя получить завтра.
Рост среднего чека — кто выигрывает больше
Функция рассчитана на допродажи. Покупатель примеряет брюки за 3 000 ₽ — и добирает к ним ремень за 800 ₽ или рубашку за 2 500 ₽. Для маркетплейса это рост среднего чека. Для селлера, чей товар окажется в рекомендации, — дополнительная продажа без рекламных расходов.
Особенно выигрывают бренды с широкой линейкой совместимых товаров. Если вы продаёте только один SKU — поймать этот эффект сложнее. Если у вас есть коллекция — шансы на «ИИ-связку» значительно выше.
Сравнение с другими платформами
| Платформа | Где работает ИИ-рекомендация | Момент контакта |
|---|---|---|
| Яндекс Маркет | Поиск, карточка, примерочная ПВЗ | До покупки + в момент примерки |
| Wildberries | Поиск, «С этим покупают» | До покупки |
| Ozon | Поиск, персонализированная лента | До покупки |
Яндекс Маркет пока единственный, кто вынес ИИ-рекомендацию за пределы экрана — в физическую точку выдачи. Это ставка на то, что момент примерки — самый горячий для допродажи.
Что делать селлерам
Пока функция новая и алгоритм непрозрачен, можно сделать несколько шагов, чтобы не оказаться вне поля ИИ-рекомендаций.
- Заполните все атрибуты карточки. Цвет, стиль, тип посадки, состав материала, сезонность. Чем больше данных у алгоритма — тем точнее он понимает, к чему подходит ваш товар.
- Пишите описания с учётом сочетаемости. «Подходит к классическим брюкам», «сочетается с минималистичным образом» — такие формулировки помогают не только покупателю, но и ИИ-агенту.
- Следите за рейтингом. Рекомендательные алгоритмы работают лучше с качественными товарами. Рейтинг ниже 4.5 — повод разобраться с причинами возвратов.
- Если есть линейка — выстраивайте коллекцию. Называйте вещи последовательно, указывайте артикулы из одной серии — это сигнал алгоритму, что товары связаны.
- Держите остатки в наличии. Рекомендованный товар, которого нет в наличии, — упущенная продажа и минус к релевантности в алгоритме.
Следите за обновлениями Яндекс Маркета по этой теме. Скорее всего, функция будет расширяться — и появятся более чёткие данные о том, как алгоритм выбирает рекомендации.