ИИ-агенты в e-commerce: как меняется путь покупателя к вашему товару

E-commerce 10 мин чтения

---

Российский покупатель уже использует нейросети на пути к покупке. Делает он это иначе, чем потребители в США или Китае. Разрыв в поведении огромный. Он влияет на то, как бренды и селлеры строят своё присутствие на маркетплейсах. Ниже: разбор того, что происходит, какие цифры важны и что с этим делать сейчас.

Как россияне используют ИИ при выборе товаров

Почти половина российских интернет-пользователей обращается к нейросетям на этапе покупки. 69% тех, кто использует ИИ, стали делать это заметно чаще, чем год назад. Таковы данные исследования «Ашманов и партнёры». Цифра показательная: привычка формируется быстро.

Основные сценарии использования выглядят так:

• сравнение нескольких товаров между собой: 34% пользователей;
• поиск подходящих вариантов по запросу: 32%;
• генерация идей и оценка соответствия товара задаче: 30%;
• выбор конкретного продавца или магазина: 23%;
• анализ покупки после её совершения: 14%.

Самый популярный инструмент: поиск «Яндекса» с голосовым ассистентом. Им пользуются 74% тех, кто применяет ИИ при выборе. Примерно треть аудитории использует ChatGPT и YandexGPT, 21%: GigaChat, 15%: DeepSeek.

После ответа нейросети поведение пользователей расходится: 64% рассматривают два-три варианта из рекомендации, 45% уходят на привычные маркетплейсы или сайты магазинов, 35% открывают ссылки прямо из ответа ИИ. Примерно каждый пятый возвращается к классическому поиску. Нейросеть не заменяет маркетплейс: она фильтрует шорт-лист до того, как покупатель туда попадёт.

Доверие к ИИ: где россияне тормозят

Здесь начинается принципиальное отличие от других рынков. Готовность передать ИИ поиск и сравнение товаров в России демонстрирует менее трети потребителей. В США этот показатель составляет 62%, в Китае: 75%. Таковы данные, представленные генеральным директором «Сбермаркетинга» на конференции «День Бренда».

Разрыв в финансовых полномочиях ещё резче:

• поручить ИИ покупки с контролем каждой операции готовы 17% россиян, 45% американцев и 86% китайцев;
• разрешить отдельные платежи без личного одобрения: 8% россиян, 23% американцев и 45% китайцев.

Данные ВЦИОМ (опрос марта, 1641 респондент) подтверждают эту логику с другой стороны: 65% россиян учитывают рекомендации онлайн-сервисов и ИИ при покупках, но 59% хотят самостоятельно принимать финансовое решение. Только 37% предпочитают выбирать вообще без ИИ-инструментов.

Опрос «Купера» и Rambler&Co (январь, 2067 респондентов) добавляет детали: 62% знакомы с умными функциями интернет-магазинов, но реально используют их лишь 25%. Самый востребованный инструмент: показ похожих товаров (36% знакомых с ИИ-функциями). Поиск по фотографии применяли 25%, персональные рекомендации на основе истории покупок, 13%. Почти половина опрошенных считают, что ИИ сокращает время поиска товаров.

Портрет российского потребителя складывается чётко: он готов принять совет, но не готов отдать кошелёк. Это не недоверие к технологии как таковой, это рациональная осторожность. Она, судя по динамике, будет снижаться по мере накопления позитивного опыта.

Что ИИ-агенты делают с лояльностью к бренду

Есть один эффект, который многие селлеры пока недооценивают. Когда выбор делает алгоритм, а не человек, привязанность к конкретному бренду ослабевает. 37% потребителей готовы переключиться на другой бренд, если ИИ-агент его рекомендует. 74% считают, что ИИ справляется с подбором товара лучше, чем советы друзей или родственников. Во многом потому, что алгоритм одновременно обрабатывает тысячи характеристик, отзывов и ценовых параметров, не опираясь на личный опыт одного человека.

Это меняет конкурентную логику. Раньше бренд боролся за место в голове покупателя через рекламу и повторные контакты. Теперь появляется промежуточный слой: алгоритм, который формирует шорт-лист. Попасть в этот список означает попасть к покупателю. Не попасть: значит выпасть из рассмотрения до того, как человек открыл маркетплейс.

Для брендов это означает конкуренцию за «заметность в ответах нейросетей». Это то, что в профессиональной среде уже называют GEO (Generative Engine Optimization). Алгоритм формирует рекомендацию на основе доступных данных о товаре: описаний, отзывов, рейтингов, частоты упоминаний и тональности обратной связи. Карточка с бедным контентом и слабой репутацией просто не попадает в выборку.

Деньги в ИИ-коммерции: масштаб и горизонт

Чтобы понять, насколько серьёзно стоит относиться к этому сдвигу, полезно посмотреть на прогнозы объёмов. По оценкам WARC и PHD, в текущем году через ИИ-агентов пройдёт около 944 млрд долларов мировых потребительских расходов. Это порядка 1,3% от общего объёма. К 2030 году этот показатель может вырасти более чем втрое, до 3,35 трлн долларов (около 3,8% глобальных расходов домохозяйств).

Для российского рынка Data Insight и «Яндекс» оценивают потенциальный объём продаж через ИИ-агентов в 400-850 млрд рублей к 2028-2029 годам. К 2032 году прогноз: 2-3 трлн рублей, что составит 7-11% отечественного рынка электронной торговли.

Это не абстрактные цифры. Они означают, что через несколько лет каждый десятый рубль в российском e-commerce может проходить через решение, которое принял алгоритм, а не человек. Для селлера на Wildberries или Ozon это прямое изменение условий конкуренции: выигрывает тот, кого алгоритм выбирает, а не тот, кто громче рекламируется.

Инфраструктура ИИ в России: на чём всё работает

Отдельный практический контекст: какие модели фактически используются в российском бизнесе. В текущем году заметно вырос спрос на китайские языковые модели: Qwen, DeepSeek, GLM и Kimi. В МТС Web Services Cloud потребление токенов китайских моделей в первом полугодии достигло 400 млрд, в 11 раз больше, чем за весь предыдущий год. Лидер по потреблению: Qwen с 261,1 млрд токенов, за ней GLM (91,2 млрд) и Kimi (81,4 млрд).

В Yandex AI Studio доля Qwen среди зарубежных решений составила 21,2%, DeepSeek: 13,5%, тогда как американские открытые модели заняли 7,5%. Cloud.ru зафиксировала рост потребления в 18 раз за первые неполные восемь месяцев года.

Причин популярности китайских моделей три: более низкая стоимость по сравнению с западными аналогами, возможность развёртывания на российской инфраструктуре и восприятие их как более безопасных с точки зрения регуляторных рисков. Российские компании активно используют эти модели как основу для собственных ИИ-решений.

Для селлера и бренда это означает: ИИ-инструменты, которые сегодня помогают автоматизировать работу с отзывами, аналитику карточек и коммуникацию с покупателями, строятся на реально доступной и развивающейся инфраструктуре. Это не экспериментальная история, это рабочий стек.

Как отзывы становятся топливом для ИИ-рекомендаций

Есть прямая связь между качеством работы с отзывами и тем, как алгоритм оценивает товар. Нейросеть, формируя рекомендацию, анализирует тональность обратной связи, частоту упоминания конкретных характеристик, соотношение позитивных и негативных оценок. Карточка с живыми, детальными ответами на отзывы сигнализирует алгоритму о качестве сервиса. Это влияет на позицию в выдаче.

При этом большинство селлеров по-прежнему обрабатывают отзывы вручную или не обрабатывают вовсе. Это создаёт разрыв: покупатель видит вопрос без ответа, алгоритм фиксирует низкую активность продавца, рейтинг не растёт. Инструменты вроде автоответов на отзывы на базе ИИ решают эту задачу. Они позволяют поддерживать стабильный диалог с покупателями без ручного труда команды.

Аналитика отзывов маркетплейсов при этом даёт второй слой пользы: из массива обратной связи можно вычленить повторяющиеся претензии к упаковке, описанию, размерной сетке или качеству. Их можно исправить до того, как они начнут системно снижать рейтинг. Сервис для селлеров, который совмещает автоматизацию ответов на отзывы с аналитикой тональности, это уже не опция, а инструмент конкурентоспособности. Управление репутацией на маркетплейсе сегодня это не просто вежливые ответы. Это данные, которые алгоритм читает вместо вас.

Риски, о которых стоит знать

Рост ИИ-коммерции сопровождается реальными рисками. МВФ описывает их в своих оценках. Высокая концентрация ИИ-инфраструктуры в ограниченном числе стран и компаний создаёт уязвимости в цепочках поставок технологий. Переоценка перспектив отрасли и возможное схлопывание инвестиционного пузыря, отдельная угроза. Если ожидания по монетизации не оправдаются, рынок может столкнуться с обесцениванием активов и невыполнением обещаний по будущим доходам, которые аналитики оценивают в 1,4 трлн долларов.

Для российских потребителей актуальна тревога другого рода: около 30% должностей в мире могут потребовать пересмотра вследствие внедрения ИИ. Это влияет на потребительское доверие и скорость принятия технологии. Люди осторожнее доверяют алгоритмам, когда воспринимают их как угрозу занятости.

Для селлера практический вывод такой: не стоит строить стратегию исключительно на ИИ-каналах продаж, игнорируя прямую работу с покупателем. Человеческий сервис, особенно в премиальном сегменте, остаётся конкурентным преимуществом. Алгоритм его не заменяет.

Что делать с этим прямо сейчас

Если вы продаёте на российских маркетплейсах, вот конкретные шаги, которые имеет смысл предпринять уже сегодня.

Проверьте качество контента карточек. Нейросеть формирует рекомендацию на основе доступных текстовых данных. Бедное описание, отсутствие характеристик, нет ответов на вопросы покупателей это прямые потери в алгоритмической выдаче. Карточка должна отвечать на вопросы, которые человек задаёт ИИ.

Выстройте системную работу с отзывами. Не разовую, а постоянную. Ответ на каждый отзыв, положительный и отрицательный, это сигнал алгоритму и сигнал следующему покупателю. Если команда не справляется с объёмом вручную, автоматизация ответов на отзывы через ИИ, разумное решение. Оно сохраняет тон бренда и не требует ручного труда на каждое сообщение.

Используйте аналитику отзывов как источник задач. Не читайте отзывы выборочно, анализируйте их массово. Повторяющаяся претензия к одному и тому же, это задача для команды продукта или логистики, а не просто негатив, который нужно «отработать».

Не передавайте алгоритму то, что требует человеческого суждения. Финальное решение о цене, ассортименте, реакции на кризисный отзыв это зоны, где человек пока эффективнее. ИИ хорошо справляется с рутиной и масштабом; стратегические решения оставьте за командой.

Следите за тем, как вас описывают нейросети. Введите название своего бренда или ключевые товарные запросы в популярные ИИ-сервисы и посмотрите, что они говорят. Если вас нет в ответе это сигнал работать над присутствием: публикации, упоминания, экспертный контент, активность на маркетплейсах.

Типичная ошибка: ждать, пока ИИ-коммерция «наберёт вес», и только тогда адаптироваться. Привычки покупателей формируются сейчас, алгоритмы обучаются на текущих данных. Бренд, который выстраивает репутацию и контент сегодня, через два-три года окажется в базе данных нейросети с накопленным позитивным следом. Тот, кто ждёт, начнёт с нуля в условиях, когда конкуренция уже выросла.