Kitabı oxu: «ИИ в интернет-магазине: 30 дней без остановки продаж»

Name: ИИ в интернет-магазине: 30 дней без остановки продаж
Author: Aleksey Nik

Şrift:

ВВЕДЕНИЕ. Почему e-commerce — идеальная среда для ИИ (и чего от него не ждать)

СИТУАЦИЯ

Ольга держит интернет-магазин товаров для дома: посуда, текстиль, небольшая бытовая техника. В штате четверо: она сама, менеджер по заказам Артём, контент-менеджер Лена на неполной ставке и курьер-логист на аутсорсе (то есть работающий не в штате, а по договору). В каталоге 2 400 позиций, и каждую неделю поставщики присылают прайсы с новинками.

Понедельник, девять утра. В почте двенадцать писем от поставщиков с файлами в разных форматах. В онлайн-чате на сайте шесть непрочитанных сообщений: «Где мой заказ?», «Можно ли вернуть сковороду, если я её уже использовал?», «Подойдёт ли эта крышка к кастрюле на 5 литров?». В CRM (программе, где хранятся клиенты и заказы) четырнадцать заказов зависли в статусе «Ожидает подтверждения». Лена вторую неделю переписывает описания для сорока новых чайников, и половина из них пока выглядит как «Чайник электрический. Мощность 2200 Вт. Объём 1,7 л».

К обеду Ольга понимает, что за утро не сделала ничего, что приносит новые продажи. Она сверяла, отвечала, переносила и копировала. Вечером она читает очередную статью о том, что нейросети «заменят целый отдел», и закрывает её с раздражением. Отдела у неё нет. Есть четыре человека и список из трёхсот задач, ни одна из которых не выглядит достаточно большой, чтобы заниматься ею отдельно, а все вместе они съедают рабочий день.

Эта книга для таких, как Ольга. Не для тех, кто хочет «заменить людей», а для тех, кто хочет вернуть людям время на то, что действительно требует человека.

В ЧЁМ НАСТОЯЩАЯ ПРОБЛЕМА

Самый частый диагноз, который владельцы магазинов ставят сами себе: «Нам не хватает людей». Нанять ещё одного менеджера, ещё одного контентщика, ещё одного оператора поддержки. Иногда это правда. Но чаще настоящая причина другая: в магазине много однотипной работы, которую выполняют вручную, потому что «так сложилось».

Отделим симптом от причины. Симптом: сотрудники перегружены, ответы клиентам задерживаются, карточки товаров заполнены кое-как, брошенные корзины никто не разбирает. Причина: значительная часть задач в магазине устроена по одной схеме. Есть входные данные (прайс поставщика, вопрос клиента, статус заказа), есть правила обработки (шаблон описания, политика возврата, регламент доставки) и есть результат (готовая карточка, ответ, письмо). Человек в этой цепочке тратит время не на принятие решений, а на механическое преобразование одного текста в другой.

Именно такие задачи современные нейросети выполняют достаточно хорошо. Не идеально, не без ошибок, но достаточно хорошо, чтобы человек переключился с написания на проверку. А проверять текст в разы быстрее, чем писать его с нуля.

Но здесь же скрыта главная ловушка. Если принять вывод «ИИ всё сделает сам» и отпустить процесс без контроля, магазин получит карточки с выдуманными характеристиками, ответы клиентам с несуществующими условиями возврата и письма со скидками, которых никто не обещал. Поэтому вторая половина проблемы: ИИ нужно встроить в процесс так, чтобы ошибка не доходила до покупателя. Этому в книге отведено не меньше места, чем самой автоматизации.

НЕСКОЛЬКО СЛОВ О СЛОВАХ

Чтобы дальше не путаться, договоримся о терминах. «ИИ» в этой книге означает технологию в целом. «Модель» (или «нейросеть») это конкретная программа, которая получает ваш запрос и выдаёт ответ. «Промпт» это текст задания, которое вы даёте модели: кто она в этой задаче, что должна сделать, чего делать нельзя и какие данные использовать. Почти вся книга построена на хороших промптах, поэтому в каждой главе вы найдёте готовые, которые можно скопировать и подставить свои данные. Остальные термины объясняются при первом употреблении, а в конце книги есть короткий словарь.

ПОЧЕМУ ИМЕННО E-COMMERCE

У интернет-магазина (e-commerce, то есть электронной торговли) есть четыре свойства, которые делают его удобной средой для автоматизации с помощью ИИ.

Первое: всё происходит в тексте и в данных. Карточка товара, переписка с клиентом, отзыв, письмо о брошенной корзине, статус заказа. Магазин работает не с материальными объектами напрямую, а с их цифровыми описаниями. Модели работают именно с текстом, и им не нужно «понимать физический мир», чтобы переписать описание чайника по заданному шаблону.

Второе: задачи повторяются. У вас не 2 400 уникальных задач на заполнение карточек, а одна задача, которую вы повторяете 2 400 раз с разными исходными данными. То же с вопросами клиентов: по опыту большинства магазинов, значительная доля обращений повторяет несколько десятков типовых тем (статус заказа, сроки доставки, условия возврата, наличие, размеры). Конкретная доля у каждого магазина своя, и в главе 2 мы научимся измерять её на ваших данных, а не верить чужим цифрам.

Третье: есть готовые правила. Политика возврата, условия доставки, формат карточки, тон общения. Если эти правила записаны, их можно передать модели. Если не записаны, это первая работа, которую придётся сделать, и она полезна сама по себе, даже без всякого ИИ.

Четвёртое: результат легко проверить. Описание товара можно сверить с характеристиками поставщика. Ответ клиенту можно сверить с политикой магазина. Письмо о корзине можно проверить на соответствие акции. Проверяемость критична: там, где проверить результат нельзя или очень дорого, использовать ИИ опасно.

ЧЕГО ОТ ИИ НЕ ЖДАТЬ

Это самый важный раздел введения. Мы фиксируем границы до того, как вы потратите время и деньги.

ИИ не создаёт спрос. Если ваш товар никто не ищет, красивое описание его не продаст. Если цена выше рыночной на 40 %, письмо о брошенной корзине её не компенсирует. ИИ помогает эффективнее обрабатывать тот спрос, который уже есть: быстрее отвечать, аккуратнее описывать, вовремя напоминать. Если кто-то обещает вам рост продаж в несколько раз «благодаря нейросети», перед вами продавец, а не инженер.

ИИ не знает вашего магазина. Модель не видит ваш склад, не знает, что вчера поставщик снял товар с производства, и не в курсе, что на этой неделе вы изменили срок возврата с 14 до 10 дней. Всё необходимое нужно передать ей в запросе или через подключённую базу. Если не передали, она либо промолчит, либо, что хуже, придумает правдоподобный ответ.

ИИ ошибается уверенным тоном. Это свойство называют галлюцинацией: модель выдаёт несуществующий факт так же спокойно, как существующий. В описании чайника она может написать «автоматическое отключение при закипании», хотя в характеристиках поставщика этой функции нет. Для покупателя это превращается в обман, для вас в возврат и негативный отзыв. Отсюда правило, которое пройдёт через всю книгу: ИИ пишет, человек или проверочный механизм подтверждает.

ИИ не заменяет решения. Какую скидку давать, кому разрешить возврат в спорной ситуации, какого поставщика оставить в каталоге. Это управленческие решения, и они остаются за вами. ИИ может подготовить данные для решения, но не принять его вместо вас.

ИИ не безопасен по умолчанию. Если вставить в публичный чат выгрузку заказов с телефонами и адресами, эти данные покинут ваш контур. В главе 5 мы разберём, как работать с ИИ, не передавая персональные данные. А пока запомните правило: реальные базы клиентов, историю заказов с именами, адресами, телефонами и платёжные реквизиты в публичные нейросети не загружают без анонимизации.

ИИ не работает без настройки. Первый результат почти всегда посредственный. Хороший результат появляется после того, как подготовлены шаблон, примеры, правила и проверка. Эта подготовка занимает от нескольких часов до нескольких дней, и пропускать её не стоит.

ЧТО ВЫ ПОЛУЧИТЕ, ПРОЙДЯ КНИГУ

Книга устроена как последовательность рабочих систем. После каждой главы у вас остаётся не знание, а работающий инструмент или документ.

После главы 1 у вас будет контент-конвейер: шаблон карточки, набор промптов и процедура проверки, по которым можно обрабатывать новые товары пачками. После главы 2 у вас будет база типовых ответов и схема, по которой часть обращений закрывается быстро, а сложные уходят человеку. После главы 3 у вас будет набор сценариев для брошенных корзин, которые не превращаются в навязчивую рассылку. После главы 4 вы научитесь превращать сотни отзывов и вопросов в короткий список причин, по которым товары не продаются.

Главы 5–7 посвящены безопасности, интеграции и контролю качества. Это фундамент, без которого автоматизация из помощника превращается в источник проблем. Главы 8–10 переводят всё на язык денег и управления: сколько это стоит, когда окупается, как внедрить за 30 дней без остановки продаж и когда пора нанимать человека, а не добавлять мощности ИИ.

В приложениях вы найдёте библиотеку промптов, чек-лист безопасности данных, калькулятор окупаемости и словарь терминов.

О ЦИФРАХ И КЕЙСАХ В ЭТОЙ КНИГЕ

Скажу прямо: все кейсы, числа и примеры магазинов в этой книге учебные. Ольга, её магазин посуды, количество карточек, время обработки и суммы выбраны, чтобы показать ход рассуждения, а не чтобы продемонстрировать чьи-то реальные результаты. Условные входные данные отмечаются в каждом расчёте.

Почему так. Реальные результаты зависят от ниши, ассортимента, качества исходных данных, дисциплины команды и десятка других факторов. Если бы я привёл «магазин, который сэкономил 300 000 рублей в месяц», вы легко поверили бы и так же легко разочаровались, когда у вас вышло иначе. Вместо этого мы будем разбирать, как посчитать вашу экономию на вашей модели, и каждый расчёт построен так, чтобы вы могли подставить свои числа.

Ещё два замечания. Я не называю конкретные цены на инструменты и тарифы нейросетей, потому что они меняются быстро: в главе 8 вы научитесь считать стоимость по структуре, а актуальные цены подставите сами. И если для какой-то интеграции понадобится разработчик или специализированный конструктор, я напишу об этом прямо. Любую CMS (систему управления сайтом) не подключить к нейросети одной кнопкой, и лучше узнать об этом до начала работы.

ДЛЯ КОГО ЭТА КНИГА, А ДЛЯ КОГО НЕТ

Книга подойдёт, если вы владелец или операционный директор интернет-магазина с командой от одного до пятнадцати человек, у вас есть CMS (любая: от облачных конструкторов магазинов до самописных систем), и вы хотя бы раз ловили себя на мысли, что ваши люди заняты перепиской, а не развитием.

Книга не подойдёт, если вы ищете способ получить продажи без товара и без трафика, хотите полностью убрать людей из процесса или планируете загружать в нейросеть всё подряд, не думая о данных. Для таких задач в книге нет решений, и придумывать их я не буду.

КАК ЧИТАТЬ КНИГУ

Главы построены похоже: история из жизни магазина, разбор настоящей проблемы, принцип работы, пошаговая инструкция, готовые шаблоны, пример из практики с цифрами, типичные грабли, вопросы владельцев и короткий совет, с чего начать. Мой совет читать по порядку, потому что главы 5 и 7 (безопасность и контроль качества) опираются на практику первых четырёх. Но если у вас горит именно поддержка или именно карточки, можно начать с главы 2 или 1, а к безопасности вернуться сразу после первого запуска. Единственное, чего я бы не делал, это запускать автоматизацию на реальных клиентах, не прочитав главы 5 и 7.

В конце каждой главы я предлагаю один маленький шаг. Не домашнее задание, а самое простое действие, с которого удобно начать. Книга, которую просто прочитали, магазин не меняет. Книга, по которой за вечер собрали один шаблон и проверили его на десяти товарах, меняет.

ПЕРВЫЙ ШАГ УЖЕ СЕГОДНЯ

Прежде чем переходить к главе 1, попробуйте небольшое упражнение на двадцать минут. Оно не требует нейросетей, только блокнот и ваш опыт. Выпишите пять задач, которые ваша команда делает чаще всего и которые вызывают у людей раздражение. Для каждой ответьте на три вопроса.

Есть ли у этой задачи входные данные и ожидаемый результат, которые можно описать? Например: «прайс поставщика → карточка товара». Есть ли правило, по которому её делают, и записано ли оно? Что случится, если результат будет с ошибкой, кто заметит и как быстро?

Задачи, где на первые два вопроса ответ «да», а ошибку заметят до того, как она дойдёт до клиента, хорошие кандидаты на автоматизацию. Задачи, где правила нет, нужно сначала описать. Задачи, где ошибка доходит до клиента незамеченной, требуют проверочного механизма, и мы построим его в главах 1 и 7. Эти пять строк станут вашей картой для всей книги: в главах 1 и 2 я напомню о ней, а вы вычёркивайте то, что уже работает.

ПЕРЕХОД К ГЛАВЕ 1

Начнём с самого осязаемого: с карточек товаров. Это задача с понятными входными данными, чётким результатом и простой проверкой, поэтому на ней удобнее всего освоить базовую логику: как поставить модели задачу, как не дать ей выдумывать и как превратить разовую удачную генерацию в повторяемый процесс. Именно этим займёмся в следующей главе.

ГЛАВА 1. Контент-конвейер: как ИИ описывает товары и заполняет характеристики (без галлюцинаций)

СИТУАЦИЯ

Лена, контент-менеджер Ольги, сидит над сорока новыми чайниками. Поставщик прислал таблицу в Excel: столбцы «Наименование», «Мощность», «Объём», «Материал колбы», «Цвет», «Комментарий». В половине строк «Комментарий» пустой, в трёх написано «см. сайт производителя», в одной значится «ждём уточнения по фильтру».

Лена открывает карточку первого чайника и начинает писать. Заголовок, короткое описание, список преимуществ, характеристики для фильтров. На один товар уходит двадцать с лишним минут. К пятому чайнику она замечает, что описания стали похожи друг на друга как близнецы: «Стильный чайник станет украшением вашей кухни». К десятому понимает, что в карточке номер три указала объём 1,8 литра, хотя у поставщика 1,7.

Ольга предлагает: «Давай попробуем нейросеть». Лена пробует. Вставляет в чат строку из таблицы и просит «написать описание». Результат красивый, гладкий, и в нём есть «функция поддержания температуры», которой у этой модели нет. Лена закрывает вкладку: «Она всё выдумывает, этому нельзя доверять».

— Подожди, — говорит Ольга. — А что ты ей дала, кроме названия?

— Строку из таблицы. Там половина полей пустая.

— Тогда она и заполнила пустоту тем, что бывает у чайников вообще.

Лена права наполовину. Модель выдумывает, когда ей дают мало данных и просят «написать красиво». Но если построить процесс иначе, ту же модель можно заставить писать только то, что есть в исходных данных, и отмечать пробелы. Этому и посвящена глава.

В ЧЁМ НАСТОЯЩАЯ ПРОБЛЕМА

Симптом: «нейросеть врёт в описаниях». Причина лежит глубже и состоит из трёх частей.

Первая причина: неполные исходные данные. Когда в запросе нет характеристик, а есть только название, модель заполняет пустоту типичными свойствами «чайников вообще». Для неё это не ложь, а попытка быть полезной. Если вы не сказали ей, что делать с пробелом, она заполнит его сама.

Вторая причина: нет запрета на домыслы. Если в промпте не сказано «используй только данные из таблицы», модель считает, что можно добавлять общие знания. Запрет должен быть записан явно, и лучше с примером.

Третья причина: нет проверки. Даже хороший промпт иногда даёт сбой. Если результат идёт на сайт без сверки, ошибка доходит до покупателя. Контент-конвейер без контроля превращается в генератор рисков.

Поэтому правильная постановка задачи звучит так: не «как заставить ИИ писать описания», а «как построить цепочку, где данные проходят очистку, затем генерацию по жёстким правилам, затем автоматическую и ручную проверку».

КАК ЭТО РАБОТАЕТ

Контент-конвейером я буду называть всю цепочку работы с карточками от прайса поставщика до публикации. Она состоит из пяти станций, и результат каждой становится входом для следующей.

Станция 1: подготовка данных. Таблица поставщика приводится к единому виду: одинаковые названия столбцов, единицы измерения (литры, а не «л.», «литр» и «1,7»), пустые ячейки помечены словом «НЕТ ДАННЫХ». Эту станцию часто можно выполнить без ИИ, обычными формулами Excel.

Станция 2: генерация. Модель получает строку данных и жёсткий шаблон: что писать, в каком объёме, какие слова запрещены, как поступать с пробелами.

Станция 3: автопроверка. Второй запрос к модели (или простая программная проверка) сверяет готовый текст с исходной строкой и ищет утверждения, которых в данных нет. Автопроверкой в книге называется только эта машинная проверка.

Станция 4: ручная проверка. Человек, которого мы будем называть проверяющим, просматривает результат не весь подряд, а по правилам выборки: все товары с пометками «НЕТ ДАННЫХ», все товары из рискованных категорий и случайные 10 % остальных.

Станция 5: публикация. Утверждённый текст загружается в CMS через импорт файла или вручную.

Ключевая идея: модель не знает ничего о товаре, кроме того, что вы ей передали. Вы превращаете её из «автора» в «редактора-оформителя» своих же данных. Автор может выдумывать, оформитель только переупаковывает. Для магазинов, где карточек сотни и тысячи, такой подход экономит самое дорогое: не время на написание, а время на механическую сборку текста из полей. Но экономия появляется только тогда, когда сделаны станции 1, 3 и 4. Без них вы просто быстрее производите риск.

ПОШАГОВАЯ ИНСТРУКЦИЯ

Ниже процедура на примере партии из сорока чайников. Для любой другой ниши (автозапчасти, одежда) логика та же, меняются поля.

Шаг 1. Сделайте копию таблицы поставщика. Исходник не трогайте. Работайте с копией: если что-то пойдёт не так, вы вернётесь к оригиналу.

Шаг 2. Определите обязательные поля карточки. Для чайника это название модели, бренд, объём, мощность, материал колбы, цвет, наличие фильтра, наличие автоотключения, длина шнура, гарантия. Запишите список на отдельном листе. Это «паспорт карточки».

Шаг 3. Сопоставьте столбцы таблицы с паспортом. Для каждого поля паспорта найдите столбец поставщика. Если столбца нет, отметьте поле как «отсутствует у поставщика». Результат: вы видите, каких данных не хватает до запуска генерации.

Шаг 4. Приведите единицы и написание к единому виду. «1,7 л» везде, «2200 Вт» везде, «нержавеющая сталь» без вариаций вроде «нерж.», «сталь нерж.». В Excel помогут «Найти и заменить» и «Текст по столбцам». Если часть значений осталась в странном формате, откройте столбец фильтром и посмотрите уникальные значения: выбросы сразу видны.

Шаг 5. Проставьте «НЕТ ДАННЫХ» в пустых ячейках. Пустая ячейка для модели означает «придумай», а явная пометка означает «не упоминай». Это самый важный технический приём главы.

Шаг 6. Подготовьте промпт генерации. Возьмите шаблон 1 ниже и вставьте в него правила своего магазина: тон, длину, запретные слова.

Шаг 7. Проверьте промпт на трёх товарах: с полными данными, с пропусками и «сложном» (необычном). Запускайте по одному и читайте внимательно. Если модель добавила факт, которого нет в строке, внесите в промпт конкретный запрет с этим примером.

Шаг 8. Доработайте промпт по результатам. Обычно требуется две-три итерации. Фиксируйте версии (v1, v2, v3) в отдельном файле, чтобы можно было вернуться.

Шаг 9. Запустите пакетную генерацию. Передавайте товары пачками по 5–10 строк, а не по сорок сразу: так проще заметить, когда качество начинает падать. Каждая пачка идёт отдельным запросом с одним и тем же промптом.

Шаг 10. Запустите автопроверку для каждого готового текста (шаблон 2). Она вернёт список утверждений, которых нет в исходных данных. Если автопроверка ничего не находит, а вы видите ошибки глазами, значит, её промпт слишком мягкий: усильте формулировку.

Шаг 11. Отберите карточки для ручной проверки. Правило выборки: все карточки, где в данных были «НЕТ ДАННЫХ»; все карточки, где автопроверка нашла замечания; случайные 10 % остальных.

Шаг 12. Проведите ручную проверку. Проверяющий сверяет текст с исходной строкой по чек-листу (шаблон 4): цифры, названия функций, материалы, комплектация. На одну карточку уходит одна-две минуты вместо двадцати с лишним.

Шаг 13. Исправьте найденные ошибки и запишите их типы. Ведите журнал: «в четырёх карточках добавлена функция, которой нет». Если один тип ошибки повторяется, исправляйте промпт, а не только карточки.

Шаг 14. Выгрузите результат в формат импорта вашей CMS. Большинство платформ принимают CSV или Excel с заранее заданными столбцами. Если ваша система такого импорта не поддерживает, здесь понадобится помощь разработчика или конструктор сценариев без программирования (подробно в главе 6). Не придумывайте обходных путей, которых нет в вашей системе.

Шаг 15. Опубликуйте пробную партию из пяти карточек и понаблюдайте неделю. Смотрите на вопросы покупателей к этим товарам и на возвраты. Если вопросы вида «а точно есть такая функция?» не появились, расширяйте процесс на остальные товары.

РАБОЧИЕ ШАБЛОНЫ

Шаблон 1. Промпт генерации карточки. Скопируйте, замените слова в квадратных скобках на данные вашего магазина.

Ты — редактор интернет-магазина [тип товаров]. Твоя задача — оформить

карточку товара ТОЛЬКО на основе данных ниже.

ЖЁСТКИЕ ПРАВИЛА:

1. Используй исключительно информацию из блока ДАННЫЕ.

Не добавляй функции, свойства и комплектацию из общих знаний.

2. Если в поле стоит «НЕТ ДАННЫХ», не упоминай это свойство

вообще. Не пиши «информация уточняется».

3. Числа и единицы измерения копируй точно, без округления.

4. Запрещённые слова: «лучший», «идеальный», «революционный»,

«уникальный», «премиальный», «must have».

5. Тон: спокойный, деловой, без восклицательных знаков.

ФОРМАТ ОТВЕТА:

- Заголовок (до 70 знаков): бренд + модель + ключевая характеристика.

- Короткое описание (2–3 предложения, до 300 знаков).

- Список «Ключевые характеристики» (маркированный, только из данных).

- Блок «Кому подойдёт» (1–2 предложения; только выводы из данных,

например «объём 1,7 л подходит для семьи из 3–4 человек»).

ДАННЫЕ:

[сюда вставляется строка из таблицы вместе с названиями столбцов]

Пункт 2 критичен: он превращает «НЕТ ДАННЫХ» из пробела в запрет. Пункт 4 снимает «рекламный шум», который модели добавляют по умолчанию. Блок «Кому подойдёт» разрешает мягкие выводы, но только из чисел: объём к количеству человек, мощность к скорости закипания.

Шаблон 2. Промпт автопроверки. Запускается отдельным запросом после генерации.

Ты — строгий контролёр качества. Тебе даны ДАННЫЕ товара и ТЕКСТ

карточки. Найди в тексте все утверждения, которых нет в данных

или которые им противоречат.

Для каждого найденного случая выведи строку:

«Утверждение: ... | Почему подозрительно: ...»

Проверь отдельно:

- все числа и единицы измерения;

- все названия функций и материалов;

- комплектацию;

- слова с оттенком гарантии («безопасный», «не нагревается»,

«подходит для детей»).

Если нарушений нет, выведи одну строку: «Нарушений не найдено».

Не переписывай текст. Только список.

ДАННЫЕ:

[строка]

ТЕКСТ:

[готовая карточка]

Контролёр не должен быть «добрым». Его работа искать расхождения, а не оценивать стиль. Если делать проверку тем же запросом, что и генерацию, модель склонна подтверждать собственный результат. Разделение на два запроса принципиально.

Шаблон 3. Паспорт карточки. Создайте лист в Excel с тремя столбцами.

Поле

Обязательное?

Источник

Бренд

да

столбец «Производитель»

Объём, л

да

столбец «Ёмкость»

Автоотключение

да

столбец «Функции» (искать слово «автоотключ»)

Гарантия

нет

сайт производителя (вручную)

Паспорт заставляет заранее решить, что считается полной карточкой. Для автозапчастей в нём появятся «применимость к маркам и годам», «номер OEM» (номер детали по каталогу производителя автомобиля) и «кросс-номера» (номера аналогов других производителей). Для одежды «состав ткани», «размерная сетка», «уход». Если поле обязательное, а данных нет, карточка не уходит на публикацию без ручного дополнения.

Шаблон 4. Чек-лист ручной проверки карточки. Он печатается и лежит у проверяющего: числа в тексте совпадают с таблицей поставщика (мощность, объём, размеры, вес); каждая функция из текста есть в данных; материал указан так же, как у поставщика; нет слов с оттенком гарантии, которых нет в данных; комплектация не расширена; нет запрещённых слов; заголовок не длиннее 70 знаков. Семь пунктов, одна-две минуты. Если проверка занимает дольше, значит, в карточке слишком много текста: упростите шаблон.

Шаблон 5. Промпт для автозапчастей.

Ты — редактор интернет-магазина автозапчастей. Оформи карточку

ТОЛЬКО по данным ниже.

ПРАВИЛА:

1. Применимость (марка, модель, год, двигатель) копируй дословно.

Не расширяй список автомобилей и не обобщай

(«подходит для большинства авто» — запрещено).

2. Номера OEM и кросс-номера копируй символ в символ.

3. Если применимость не указана, выведи строку:

«ТРЕБУЕТСЯ РУЧНАЯ ПРОВЕРКА ПРИМЕНИМОСТИ» и остановись.

4. Не пиши про срок службы, если его нет в данных.

ДАННЫЕ:

[строка]

В автозапчастях ошибка применимости превращается в возврат и испорченное доверие, поэтому правило 3 заставляет модель остановиться, а не угадывать. Эти и другие промпты собраны в Приложении А.

ПРИМЕР ИЗ ПРАКТИКИ

Все числа в этой истории условные, они нужны, чтобы показать ход мысли.

Ольга садится с карандашом и считает. Партия: сорок чайников. Лена засекла время: вручную на карточку уходит 22 минуты. Вся партия это 40 × 22 = 880 минут, почти 14,7 часа. По условной ставке 400 рублей в час это около 5 900 рублей.

Теперь конвейер. Первая партия требует настройки: паспорт карточки, приведение данных к единому виду, подбор промпта. Лена оценивает это в восемь часов. Дальше на каждую карточку уходит в среднем семь минут: проверка и доработка, где-то быстрее, где-то глубже. 40 × 7 = 280 минут, около 4,7 часа. Всего первая партия обходится в 12,7 часа, то есть около 5 100 рублей, без учёта подписки на нейросеть, о ней в главе 8.

— Выигрыш копеечный, — говорит Артём, заглянув через плечо.

— На первой партии да, — отвечает Ольга. — А на второй настройка уже сделана. Четыре с половиной часа вместо четырнадцати с лишним, разница десять часов, четыре тысячи рублей. Настройка в восемь часов возвращается меньше чем за одну партию.

Но она замечает и хрупкое место. Если семь минут превратятся в четырнадцать (данные поставщика плохие, всё приходится править), экономия сократится вдвое. А если половину полей приходится искать вручную, конвейер выигрыша не даст вообще. Поэтому станция 1, подготовка данных, определяет почти всё.

Для магазина одежды картина похожая. Допустим, 120 позиций, 18 минут на ручное описание, пять минут при конвейере и десять часов настройки (дольше, потому что нужны размерные сетки и составы тканей). Вручную это 36 часов. С конвейером 10 + 10 = 20 часов на первой партии, дальше около 10 часов. Общее правило видно из двух примеров: чем больше однотипных карточек, тем быстрее окупается настройка. Для магазина с тридцатью товарами в год конвейер, скорее всего, не нужен.

Есть и таблица «до и после», которую Ольга вешает над рабочим местом Лены.

Показатель

До (вручную)

После (конвейер)

Время на карточку

22 мин

7 мин

Единый стиль

зависит от настроения

задан шаблоном

Ошибки в цифрах

случайные опечатки

редкие, ловятся автопроверкой

Риск выдуманных функций

нет

есть, закрывается проверкой

Обратите внимание на последнюю строку: конвейер добавляет новый риск, которого раньше не было. Он управляем, но только если станции 3 и 4 действительно работают.

ГРАБЛИ, НА КОТОРЫЕ НАСТУПАЮТ ВСЕ

Самая частая история: пустые ячейки вместо «НЕТ ДАННЫХ». Человек думает, что раз данных нет, модель о них и не заговорит. А она воспринимает пустоту как приглашение дописать. Занимает минуты, а экономит часы: перед генерацией заполните все пустые ячейки явной пометкой.

Другая: генерация и проверка в одном запросе. «Напиши карточку и проверь себя» звучит экономно, но модель склонна подтверждать собственную работу. Проверка всегда отдельным запросом с отдельной ролью.

Третья: публикация без выборки. «Выглядит нормально, загружаем». Через две недели покупательница звонит с вопросом, где обещанная в описании функция. Правило выборки (все карточки с пометками, все замечания автопроверки, 10 % остальных) должно быть записано и выполняться без исключений.

Четвёртая: промпт без запретных слов. Через неделю в каждой карточке «идеальный выбор для вашего дома». Помогает список запретных слов в промпте и периодический поиск этих слов по сайту.

Пятая: загрузка сорока товаров одним запросом. В конце партии качество падает, модель начинает смешивать данные соседних строк. Пачки по 5–10 строк скучнее, зато надёжнее.

Шестая: никакого учёта версий промпта. Вы поправили промпт, стало хуже, а как было раньше, не помните. Достаточно файла с версиями и датами изменений.

Седьмая: использование данных, которые нельзя проверить. Поставщик пишет «подходит для детей», а сертификата нет, и модель это повторит. В паспорте карточки пометьте поля с юридическим оттенком (безопасность, медицинские и детские свойства) как «только с подтверждающим документом».

КАК ПРОВЕРИТЬ, ЧТО РАБОТАЕТ

Смотрите на две вещи: сколько карточек проходит ручную проверку без правок (эта доля должна расти от партии к партии) и сколько обращений покупателей и возвратов приходит с причиной «не соответствует описанию» (их должно быть не больше, чем до внедрения). Если время проверки одной карточки сравнялось со временем написания с нуля, конвейер бесполезен, и пора искать причину в данных поставщика.

Критерий «внедрено»: у вас есть паспорт карточки, зафиксированная версия промпта и журнал ошибок, а последние две партии прошли весь цикл с выборочной проверкой.

ВОПРОСЫ ВЛАДЕЛЬЦЕВ

«Можно ли вообще не проверять, если нейросеть стала хорошо писать?» Нет. Качество растёт, но ошибки остаются, причём выглядят убедительно. Выборочная проверка снижает риск, а не устраняет его. Разумная схема: чем стабильнее результаты, тем меньше доля выборки, но ноль процентов не бывает.

«Данных у поставщика почти нет. Может, нейросеть сама найдёт информацию?» Если у вашего сервиса есть доступ к поиску, он может найти информацию, но вы не контролируете источник и точность. Для характеристик, влияющих на покупку, берите данные только у производителя или поставщика. Допустимая роль ИИ здесь: помочь составить список вопросов поставщику.

«Не накажет ли поисковик за одинаковые описания?» Поисковые системы действительно не любят дублированный контент. Если все карточки собираются из одного шаблона и отличаются только цифрами, они выглядят однотипно. Это не обязательно приводит к санкциям, но снижает ценность страниц. Добавляйте в шаблон блоки, зависящие от особенностей товара, и не публикуйте тысячу почти одинаковых текстов сразу.

«Можно ли загружать в чат всю таблицу поставщика с ценами?» Описания товаров обычно не содержат персональных данных, поэтому риск ниже, чем с клиентской базой. Но закупочные цены и условия работы с поставщиком коммерчески чувствительны. Передавайте в запрос только поля, нужные для описания. Подробнее о данных в главе 5.

ЧТО СДЕЛАТЬ ПРЯМО СЕЙЧАС

Мой совет: возьмите пять товаров из одной категории и составьте для них паспорт карточки. Только паспорт, без нейросети. Посмотрите, в скольких ячейках данных не хватает. Скорее всего, вы найдёте больше пробелов, чем ожидали, и это самая полезная находка этого часа: она показывает, где модель стала бы выдумывать.

Когда паспорт готов, заполните пустые ячейки словами «НЕТ ДАННЫХ», запустите шаблон 1 на каждом из пяти товаров по одному, а затем шаблон 2. Сверьте результат с чек-листом проверки. Запишите, сколько ошибок нашла автопроверка и сколько вы заметили сами. Если автопроверка пропустила хотя бы одну, это не провал, а повод сделать её промпт строже. И вернитесь к карте из пяти задач, которую вы составили во Введении: если карточки там есть, отметьте, что процесс запущен.

Карточки готовят покупателя к решению, но после заказа начинается другая нагрузка: вопросы о доставке, статусе и возврате. Они приходят потоком, повторяются и выматывают команду не меньше, чем описания. В следующей главе мы построим систему, которая отвечает на типовые вопросы быстро и по вашим правилам, а сложные случаи передаёт человеку.

ГЛАВА 2. Умная поддержка: автоматизация ответов на вопросы о заказах, доставке и возвратах

СИТУАЦИЯ

Артём, менеджер по заказам в магазине Ольги, приходит в понедельник и открывает чат на сайте. За выходные накопилось тридцать семь обращений. Он начинает отвечать сверху вниз.

«Где мой заказ?» Открывает CRM, ищет по номеру, копирует статус, пишет ответ. Три минуты. «Когда придёт посылка?» Ещё одна проверка, ещё три минуты. «Можно ли вернуть кастрюлю?» Он открывает страницу с условиями возврата, перечитывает её, потому что точный срок не помнит, и пишет ответ. «Подскажите, подойдёт ли эта крышка к кастрюле на пять литров?» Тут нужно открыть две карточки и сравнить диаметры.

К одиннадцати часам он ответил на двадцать обращений, из них четырнадцать были по сути одним и тем же вопросом в разных формулировках. Остальные требовали настоящего внимания: одна покупательница получила разбитую тарелку и была взвинчена, другой клиент просил скидку на крупный заказ.

— Я заметил странную вещь, — говорит Артём Ольге за обедом. — На сложные обращения у меня почти не осталось сил. А именно по ним решают, вернётся человек или нет. Ответ про статус клиент не запомнит. Ответ про разбитую тарелку запомнит надолго.

Ольга кивает. Проблема не в том, что обращений много. Проблема в том, что лёгкие и трудные обращения лежат в одной куче.

В ЧЁМ НАСТОЯЩАЯ ПРОБЛЕМА

Симптом: «поддержка не справляется, ответы приходят поздно». Причин две, и они разные.

Первая: смешаны два типа обращений. Типовые вопросы (статус, сроки, правила возврата) имеют правильный ответ, который можно найти в данных или документе. Нетиповые (жалоба, спор, индивидуальные условия) требуют суждения и сочувствия. Когда один человек обрабатывает всё подряд, типовые съедают время, которое нужно нетиповым.

Вторая: знание о правилах живёт в головах. Артём «примерно помнит» условия возврата. Новый сотрудник спросит у Ольги, она ответит по памяти, и в следующий раз формулировка будет другой. Пока правила не записаны в одном месте, автоматизировать нечего: нейросеть будет повторять ту же нестабильность, только быстрее.

Отсюда формулировка задачи: не «поставить чат-бота», а «разделить обращения на типы, записать правила для типовых, автоматизировать ответы на них и передавать сложные человеку без потери контекста».

Отдельно о слове «бот». Многие представляют бота как программу, которая сама общается с клиентом в чате. Это один из вариантов, и самый рискованный. Есть более безопасные: ИИ готовит черновик ответа, а человек нажимает «отправить». Мы разберём обе схемы и скажем прямо, когда какая подходит.

КАК ЭТО РАБОТАЕТ

Система поддержки на основе ИИ состоит из четырёх частей.

База знаний: документ (или несколько), где записаны правила магазина: условия возврата, сроки и способы доставки, способы оплаты, гарантия, график работы, ответы на частые вопросы. Это единственный источник правды. Всё, чего нет в базе знаний, модель не вправе утверждать.

Классификатор: первый шаг обработки любого обращения, определение его типа. Например: «статус заказа», «сроки доставки», «возврат и обмен», «вопрос о товаре», «жалоба», «прочее». Для каждого типа заранее решено, что делать.

Генератор ответа: для типовых обращений модель получает вопрос клиента, нужный фрагмент базы знаний и, если требуется, данные заказа. Затем формирует ответ строго по этим материалам.

Маршрутизатор: правило, кому уходит обращение. ИИ отвечает сам (только самые безопасные типы), ИИ готовит черновик для человека (большинство типов) или обращение сразу уходит человеку без участия ИИ (жалобы, споры, угрозы, юридические вопросы).

У такой системы три уровня самостоятельности. Уровень A, подсказчик: ИИ ничего не отправляет, он готовит черновик, оператор читает, правит и отправляет. Риск минимальный, выигрыш по времени заметный, и с этого уровня стоит начинать. Уровень B, автоответ на узкий класс вопросов: ИИ или простое правило отвечает само, но только там, где ответ статичен и безопасен (часы работы, способы оплаты). Уровень C, автоответ с данными заказа: система сама сообщает статус, подставляя данные из CRM. Это самый сложный уровень, нужна интеграция, и здесь, скорее всего, понадобится помощь разработчика или конструктор сценариев без программирования (в главе 6 разберём, что это такое). Не рассчитывайте на него в первую неделю.

Важная оговорка про данные. Чтобы ИИ видел статус заказа, ему нужно передать номер заказа и статус, но не имя, телефон и адрес клиента. Передавайте минимум. Подробно об этом в главе 5.

ПОШАГОВАЯ ИНСТРУКЦИЯ

Процедура ведёт от хаоса к работающему уровню A, затем к частичному уровню B.

Шаг 1. Соберите 100 последних обращений. Выгрузите из чата, почты, мессенджеров. Это материал для анализа. Если переписка хранится в нескольких местах, начните с самого загруженного канала.

Шаг 2. Уберите персональные данные. Замените имена на «Клиент», телефоны и адреса удалите, номера заказов оставьте, но не добавляйте рядом ФИО. Делайте это до любой загрузки в нейросеть. Быстрый способ: поиск и замена в таблице.

Шаг 3. Разложите обращения по типам. Можно вручную, можно с помощью ИИ: попросите его предложить 8–10 категорий и разложить по ним вашу выборку (шаблон 1). Проверьте результат глазами хотя бы на двадцати обращениях.

Шаг 4. Посчитайте долю каждого типа. Получите таблицу вроде «статус заказа: 31, возврат: 18, доставка: 15, товар: 17, жалоба: 6, прочее: 13». Это ваша реальная структура обращений. Цифры чужих магазинов вам не подходят.

Шаг 5. Выберите 3–4 самых массовых безопасных типа. Критерий «безопасный»: ответ однозначен, и ошибка не приводит к денежным потерям. Обычно это статус, сроки доставки, общие условия возврата, часы работы.

Шаг 6. Напишите базу знаний. Для каждого выбранного типа запишите правила простым языком, с точными числами и исключениями. Например: «Возврат возможен в течение 14 дней с момента получения. Товар должен быть без следов использования. Деньги возвращаются в течение 10 рабочих дней после получения товара на склад». Шаблон 2 поможет структурировать документ.

Шаг 7. Запишите «стоп-темы»: ситуации, в которых ИИ не отвечает, а передаёт человека. Жалоба, повреждённый товар, угроза обратиться в суд или в Роспотребнадзор, вопросы о компенсации, упоминание здоровья, оскорбления, любые индивидуальные скидки. Готовый список в шаблоне 4.

Шаг 8. Составьте промпт подсказчика (шаблон 3). Вставьте в него базу знаний и стоп-темы.

Шаг 9. Проверьте на 30 обращениях из своей выборки. Для каждого получите черновик и оцените по трём критериям: верно ли по существу, не выдумано ли что-то, подходит ли тон. Если модель придумывает условия, которых нет в базе, добавьте недостающее правило или усильте запрет в промпте.

Шаг 10. Доработайте базу знаний. Любое обращение, на которое модель ответила плохо из-за отсутствия правила, превращается в новую запись в базе. Это нормальный итеративный процесс: база растёт вместе с практикой.

Шаг 11. Запустите уровень A на одном канале и с одним оператором. Он получает черновики, правит и отправляет. Две недели ведите учёт: сколько времени на ответ, сколько правок.

Шаг 12. Введите правило эскалации. Любое обращение из списка стоп-тем или с негативной окраской оператор берёт сам, без черновика. В инструкции достаточно одной фразы: «сомневаешься, берёшь сам».

Шаг 13. Подключите уровень B на статичных вопросах. Если ваш чат или мессенджер позволяет настроить быстрые ответы по ключевым словам, создайте их для часов работы, способов оплаты и адреса самовывоза. Это обычные функции многих платформ, ИИ для них не нужен. Если ваша платформа такого не умеет, не усложняйте: оставайтесь на уровне A.

Шаг 14. Оставляйте клиенту выход к человеку. В любом автоматическом ответе должна быть фраза о том, как связаться с оператором. Клиент, застрявший в круге бессмысленных ответов, раздражается сильнее, чем клиент, который ждал живого человека.

Шаг 15. Раз в неделю разбирайте ошибки. Откройте 10 случайных переписок, найдите неудачные ответы, внесите правки в базу знаний и промпт. Без этого качество стоит на месте.

РАБОЧИЕ ШАБЛОНЫ

Шаблон 1. Промпт классификации обращений.

Ты — аналитик поддержки интернет-магазина. Ниже список обращений

клиентов (персональные данные удалены).

Задача:

1. Предложи от 8 до 10 категорий, в которые можно разложить эти обращения.

2. Для каждого обращения укажи одну категорию.

3. Выведи таблицу: номер обращения | категория.

4. В конце выведи сводку: категория | количество обращений.

Правила:

- Если обращение подходит под две категории, выбери ту, которая

требует более внимательной обработки.

- Категорию «Жалоба» используй для любых обращений с недовольством

или упоминанием проблем с товаром или доставкой.

- Не придумывай содержание обращений, работай только с текстом.

ОБРАЩЕНИЯ:

[список]

Правило про выбор «более внимательной» категории защищает от ошибки, когда жалоба маскируется под вопрос о статусе.

Шаблон 2. Структура базы знаний. Один документ, разделы по темам, в каждом разделе пять строк.

РАЗДЕЛ: Возврат товара

Правило: [точная формулировка с числами]

Исключения: [что не подлежит возврату]

Что нужно от клиента: [какие данные, документы]

Когда передавать человеку: [условия]

Дата последнего обновления: [дата]

Поле «Дата последнего обновления» не формальность. Если вы изменили условия, но забыли обновить базу, ИИ будет уверенно сообщать старые. Раз в месяц проверяйте даты.

Шаблон 3. Промпт подсказчика для оператора.

Ты — помощник оператора интернет-магазина. Подготовь черновик ответа

клиенту. Оператор проверит и отправит его сам.

ПРАВИЛА:

1. Отвечай ТОЛЬКО на основе блока БАЗА ЗНАНИЙ.

2. Если в базе знаний нет ответа на вопрос, не придумывай.

Выведи: «НЕТ ДАННЫХ В БАЗЕ. Нужен ответ оператора» и кратко

перечисли, какой информации не хватает.

3. Не обещай скидки, компенсации, сроки и исключения из правил.

4. Если обращение содержит что-то из СТОП-ТЕМ, выведи:

«СТОП-ТЕМА: [какая]. Передать оператору» и не пиши черновик.

5. Тон: вежливый, спокойный, на «вы», без восклицательных знаков

и шаблонных фраз вроде «Спасибо за ваше обращение, оно очень

важно для нас».

6. Длина: до 600 знаков.

7. В конце черновика всегда добавь: «Если останутся вопросы,

оператор поможет в чате».

БАЗА ЗНАНИЙ:

[вставить]

СТОП-ТЕМЫ:

[вставить]

ОБРАЩЕНИЕ КЛИЕНТА:

[вставить]

ДАННЫЕ ЗАКАЗА (если нужны):

[только номер заказа и статус, без имени и контактов]

Правила 2 и 4 дают два безопасных «выхода»: модель может сказать «не знаю» или «это не моё». Без них она будет стремиться ответить во что бы то ни стало.

Шаблон 4. Список стоп-тем (поправьте под себя): жалоба на качество, повреждение или брак; любое упоминание суда, юриста, Роспотребнадзора, прокуратуры; вопросы о здоровье, безопасности, аллергии; просьба о скидке, компенсации, исключении из правил; спор о деньгах, двойное списание, ошибка оплаты; оскорбления, эмоциональные сообщения, угрозы написать отзыв; заказ юридического лица, крупный опт; просьба передать данные другого человека. Последние два пункта часто забывают. Опт требует индивидуального расчёта, а просьба «скажите адрес доставки по заказу моей жены» может быть попыткой получить чужие данные. Список в виде готового блока есть в Приложении А.

Шаблон 5. Пример черновика по статусу заказа (уровень A).

Ситуация: клиент спрашивает «где мой заказ №12345?»

Данные заказа: статус «Передан в службу доставки»,

дата передачи 15.10, ориентировочный срок 3–5 рабочих дней.

Готовый черновик:

«Ваш заказ №12345 передан в службу доставки 15 октября.

Ориентировочный срок доставки по условиям магазина составляет

3–5 рабочих дней с момента передачи. Как только заказ

поступит в пункт выдачи или будет передан курьеру,

вы получите уведомление. Если останутся вопросы, оператор

поможет в чате.»

В ответе только то, что есть в данных, и слово «ориентировочный» там, где точной даты нет. Фраза «по условиям магазина» защищает от обещания, которое вы не можете выполнить.

ПРИМЕР ИЗ ПРАКТИКИ

Все числа в этой истории условные, это модель для разбора, а не реальный результат.

Ольга берёт цифры по своему магазину. Обращений в месяц около 900. Анализ сотни обращений показал: статус заказа 30 %, сроки доставки 15 %, возврат и обмен 15 %, вопросы о товаре 20 %, жалобы 7 %, прочее 13 %. Оператор отвечает в среднем за четыре минуты, час работы оператора обходится условно в 350 рублей.

Она выбирает безопасные типы для подсказчика: статус (30 %), сроки (15 %) и общие условия возврата (из 15 % возьмём 10 %, остальное нестандартные случаи). Итого 55 % обращений, то есть 495 в месяц.

До внедрения: 900 × 4 минуты = 3 600 минут, 60 часов в месяц, 21 000 рублей. С подсказчиком оператор тратит на безопасные обращения не четыре минуты, а полторы (читает черновик, правит, отправляет): 495 × 1,5 = 742,5 минуты, около 12,4 часа. Остальные 405 обращений идут по-старому: 405 × 4 = 1 620 минут, 27 часов. Итого 39,4 часа вместо 60. Экономия 20,6 часа в месяц, по условной ставке около 7 200 рублей.

— Это не про увольнение, — сразу говорит Ольга Артёму. — Это двадцать часов, которые ты потратишь на жалобы и сложные случаи. Помнишь, на что у тебя не хватало сил?

Но расчёт хрупкий. Если реальное время правки черновика окажется три минуты вместо полутора, экономия сократится почти до нуля, поэтому в первые две недели стоит замерять реальное время. Если база знаний неполная и 40 % черновиков приходится переписывать целиком, выигрыш исчезнет. И расчёт не учитывает подписку на нейросеть и время на ведение базы знаний (по два-три часа в неделю на старте): это добавим в главе 8.

Совсем иначе выглядит магазин автозапчастей. Допустим, 600 обращений в месяц, из них 40 % вопросы «подойдёт ли к моему автомобилю». Автоподсказки по базе знаний здесь рискованны: ошибка в применимости означает возврат. Разумная схема другая: ИИ готовит черновик со списком данных, которые надо уточнить у клиента (VIN, то есть 17-значный идентификационный номер автомобиля, год, двигатель), а подтверждение применимости делает человек по каталогу. Выигрыш меньше, зато нет риска продать не ту деталь.

Показатель

До

После (уровень A)

Среднее время ответа на типовой вопрос

4 мин

1,5 мин

Единообразие ответов о возврате

зависит от оператора

по базе знаний

Время на жалобы

что останется

выделенный запас

Риск ошибки в ответе

забывчивость

выдумка модели (закрывается правилами 2 и 4)

ГРАБЛИ, НА КОТОРЫЕ НАСТУПАЮТ ВСЕ

Первая история начинается с желания поставить «умного бота» сразу. Магазин отдаёт ИИ общение с клиентами без накопленного опыта, и первая же выдуманная скидка или неверный срок возврата превращается в претензию. Начинайте с уровня A и переходите выше только после месяца статистики.

Вторая: размытая база знаний. «Возврат возможен в разумные сроки». Модель не знает, что это значит, и придумает. В базе должны быть числа, даты, условия и исключения.

Третья: нет стоп-тем. ИИ вежливо отвечает на гневную жалобу и подливает масла в огонь. Список стоп-тем и обязательная передача человеку решают это.

Четвёртая: передача ИИ персональных данных. Оператор копирует в запрос всю переписку с именем, телефоном и адресом. Нужна короткая инструкция: копируется только текст вопроса и номер заказа. Подробнее в главе 5.

Пятая: устаревшая база знаний. Вы изменили срок возврата, а ИИ продолжает писать старый. Помогает дата обновления в каждом разделе, ежемесячный пересмотр и привычка менять базу в тот же день, когда вы меняете условия на сайте.

Шестая: нет выхода к человеку. Клиент ходит по кругу и злится. В каждом автоматическом ответе должен быть путь к оператору.

Седьмая: оценка успеха по скорости, а не по качеству. Ответы стали быстрее, но клиенты пишут повторно, потому что вопрос не решён. Считайте долю повторных обращений по одной теме.

КАК ПРОВЕРИТЬ, ЧТО РАБОТАЕТ

Сравните со своим замером до внедрения две цифры: среднее время ответа оператора на типовые обращения и долю повторных обращений по тому же вопросу в течение суток. Если первая упала, а вторая не выросла, подсказчик работает; если ответ ИИ хотя бы раз противоречил базе знаний, этот случай разбирается отдельно.

Критерий «внедрено»: база знаний записана и датирована, список стоп-тем действует, оператор две недели работает с черновиками, а еженедельный разбор ошибок идёт без напоминаний.

ВОПРОСЫ ВЛАДЕЛЬЦЕВ

«С какого количества обращений это вообще имеет смысл?» Универсального порога нет. Считайте по формуле главы 8: если обращений несколько десятков в месяц, подсказчик сэкономит минуты, и он вряд ли окупит время на базу знаний. Если сотни, выигрыш становится заметным.

«Нейросеть сама подключится к нашей CRM и будет видеть статусы?» Само по себе нет. Чтобы ИИ видел статус заказа, нужна интеграция: либо готовый модуль вашей CRM, либо конструктор сценариев, либо работа разработчика. Какой вариант подойдёт, зависит от вашей системы. Пока интеграции нет, оператор сам подставляет статус в запрос, и это нормальный стартовый режим.

«А если клиент поймёт, что ему отвечает не человек?» Если ответ готовит ИИ, а отправляет и проверяет человек, вопрос не стоит. Если вы запускаете автоответы без участия человека, лучше сообщать об этом прямо: «Это автоматический ответ. Чтобы связаться с оператором, нажмите...». В некоторых случаях закон может требовать раскрытия. Уточните этот вопрос у юриста.

«Сколько времени уйдёт на базу знаний?» Для первых четырёх типов обращений обычно хватает нескольких часов: большая часть правил у вас уже есть, их нужно только собрать и записать. Остальные разделы добавляются постепенно по итогам разбора ошибок.

ЧТО СДЕЛАТЬ ПРЯМО СЕЙЧАС

Мой совет: выгрузите тридцать последних обращений из любого канала и уберите из них имена, телефоны и адреса. Разложите по типам вручную или с помощью шаблона 1 и посчитайте доли. Двадцати минут обычно хватает, чтобы увидеть то, чего вы раньше не замечали: какой вопрос повторяется чаще всего.

Затем возьмите самый частый безопасный тип и запишите для него правило по шаблону 2. Попробуйте получить пять черновиков по шаблону 3 и оцените каждый: верно ли по существу, нет ли выдумки, подходит ли тон. Если модель хоть раз добавила то, чего нет в базе, уточните правило и повторите. И загляните в карту из пяти задач из Введения: если поддержка там есть, отметьте, что вы начали.

Пока мы работали с теми, кто сам пришёл в магазин с вопросом. Но есть клиенты, которые дошли до корзины и молча ушли. Это уже заинтересованные люди, и работа с ними требует тонкости: напоминание может вернуть покупателя, а может надолго отбить желание заходить. В третьей главе разберём, как строить сценарии возврата брошенных корзин, не превращаясь в спамера.

ГЛАВА 3. Работа с брошенными корзинами: этичные сценарии возврата без спама

СИТУАЦИЯ

В среду вечером Ольга открывает отчёт по сайту и замечает цифру, которую раньше пропускала. За неделю в корзину положили товары на сумму, в несколько раз превышающую выручку за те же дни. Люди выбрали, добавили, дошли до оформления и ушли.

Она звонит Артёму:

— Слушай, а мы вообще пишем тем, кто бросил корзину?

— Пишем. Вернее, писали. Я месяц назад настроил письмо, оно уходит через час после ухода с сайта. «Вы забыли товары в корзине! Успейте купить, пока не раскупили!»

— И что, работает?

— Не знаю. Мне одна женщина ответила: «Я купила это в другом магазине, перестаньте мне писать». А другой клиент написал, что он и не думал оформлять, просто смотрел цену, и теперь ему приходит это каждый день.

Ольга понимает, что у неё есть и проблема, и инструмент, но они не связаны. Письмо уходит всем одинаково, в одно и то же время, с одним и тем же давлением. Кто-то из получателей действительно забыл про покупку, кто-то сравнивал цены, кто-то испугался стоимости доставки, а кто-то просто убирал товары в корзину как в закладки. Для всех них письмо одно. И её раздражает, что она не знает, помогает оно или вредит.

В ЧЁМ НАСТОЯЩАЯ ПРОБЛЕМА

Симптом выглядит так: «Много брошенных корзин, надо вернуть клиентов». Но «вернуть» предполагает, что человек ушёл по ошибке. На деле причины бывают очень разными, и лечить их одним письмом нельзя.

Одни отвлеклись: позвонили, пришёл ребёнок, закончился перерыв. Другие увидели итоговую сумму с доставкой и огорчились. Третьи использовали корзину как инструмент сравнения и пошли смотреть цены у конкурентов. Четвёртые не нашли удобный способ оплаты или испугались, что придётся регистрироваться. Пятые просто собирали список «на потом» и покупать не собирались.

Напоминание реально помогает только первой группе и частично второй и четвёртой. Остальным оно либо бесполезно, либо раздражает. Поэтому настоящая задача не «отправить письмо», а «понять, какая причина вероятнее для этой корзины, и выбрать сообщение, уместное именно ей, или вообще промолчать».

Есть и вторая, более неудобная проблема: правовая. Письмо с напоминанием это коммуникация с человеком, а значит, нужны основания для неё. Если человек оставил адрес почты при оформлении и дал согласие на рассылки, ситуация одна. Если адрес получен иначе, другая. Законодательство о рекламе и о персональных данных требует осторожности, и заменить вам юриста я не могу. Мой совет: до запуска любых сценариев покажите текст согласия на сайте юристу и уточните, что именно разрешено отправлять и кому.

Роль ИИ здесь скромная, но полезная. Он не знает, почему человек ушёл. Зато помогает быстро написать несколько вариантов сообщений под разные ситуации, привести тон в порядок и разобрать ваши данные о корзинах, чтобы увидеть закономерности. Решение о том, что отправлять и кому, остаётся за вами.

КАК ЭТО РАБОТАЕТ

Сценарием я буду называть последовательность сообщений с паузами между ними: например, письмо через несколько часов и ещё одно через сутки-двое. Система возврата корзин складывается из четырёх элементов, и ни один из них не требует ничего сложного.

Первый элемент: событие. Ваша CMS или сервис рассылок фиксирует, что человек добавил товар в корзину и не завершил заказ. Многие платформы умеют это из коробки: есть готовый триггер брошенной корзины (то есть событие, которое автоматически запускает письмо через заданное время). Но не все. Если у вашей системы такой функции нет, понадобится дополнительный модуль, сервис рассылок с интеграцией или помощь разработчика. Не придумывайте обходных путей: сначала откройте настройки или документацию платформы и посмотрите, есть ли там такое событие.

Второй элемент: условия остановки. Кому писать и кому нет. Простые правила: не писать, если человек уже оформил заказ после ухода, если он отписался, если товара нет в наличии, если письма уже уходили слишком часто.

Третий элемент: сам сценарий. Для большинства магазинов достаточно двух-трёх касаний за несколько дней. Чем больше, тем ближе вы к навязчивости.

Четвёртый элемент: текст. Вот здесь подключается ИИ. Вы даёте ему описание ситуации, правила тона, список запретов и данные, которые можно подставить, а он готовит варианты. В письмо подставляются только безопасные поля: название товара, его цена, ссылка на корзину. Имя клиента допустимо, но подставляет его сама почтовая система, а не вводится в нейросеть.

И важное разграничение. ИИ пишет шаблон один раз, а система рассылки подставляет данные в каждое письмо. Вам не нужно загружать в нейросеть список людей и их корзины. Это принципиальный момент для безопасности, о котором подробно в главе 5.

ПОШАГОВАЯ ИНСТРУКЦИЯ

Шаг 1. Выясните, что умеет ваша платформа. Откройте раздел «Маркетинг» или «Рассылки» вашей CMS и поищите «брошенные корзины» или «триггерные письма». Если такой функции нет, прикиньте три пути: подключаемый модуль, внешний сервис рассылок или разработчик. Выберите один и не пытайтесь собрать самодельную конструкцию.

Шаг 2. Проверьте основание для писем. Посмотрите, при каком условии у вас собирается почта и есть ли отметка о согласии на рассылки. Покажите текст согласия юристу. Если сомневаетесь, начните только с тех, у кого согласие точно есть.

Шаг 3. Посмотрите на свои данные. Выгрузите за последние два-три месяца обезличенную статистику: сколько корзин создано, сколько завершено, средняя сумма корзины, самые частые товары в брошенных. Имён и контактов в этой выгрузке не нужно. Для разбора такой таблицы есть готовый промпт (шаблон 4).

Шаг 4. Разделите корзины на группы по смыслу. Для начала три: небольшая сумма, средняя, крупная. Затем отдельно товары, которые часто лежат в корзинах без покупки (вероятно, их выбирают для сравнения).

Шаг 5. Определите причины ухода, которые вы можете проверить. Загляните в аналитику оформления: на каком шаге чаще всего уходят. Если на шаге доставки, письмо с напоминанием вряд ли поможет, а помогут прозрачные условия доставки. Так вы получите список проблем самого сайта, которые лечатся без рассылок.

Шаг 6. Решите, какие сообщения вообще уместны. Мой совет для старта: одно письмо через несколько часов, без скидки, просто напоминание, и второе через сутки-двое с полезной информацией (условия доставки, возврата, ответ на частый вопрос по товару). Скидку в третьем письме можно рассмотреть позже и осторожно.

Шаг 7. Запишите правила тона и запреты. Без давления, без ложной срочности («осталось 2 штуки», если это неправда), без восклицательных знаков, без обращения «вы забыли», звучащего как упрёк. Это пойдёт в промпт.

Шаг 8. Подготовьте тексты с помощью ИИ (шаблоны 1 и 2). Попросите три варианта для каждого письма, выберите лучший и доработайте руками.

Шаг 9. Проверьте тексты на выдумки. Отдельным запросом (по аналогии с главой 1) сверьте текст с реальными условиями магазина: упомянутые сроки, скидки, бесплатная доставка. Любое обещание, которого нет в правилах, убирается (шаблон 3).

Шаг 10. Настройте условия остановки (шаблон 5). Письмо не уходит, если заказ уже оформлен, если человек отписался, если товара нет в наличии, если с последнего письма прошло мало времени. Проверьте это тестовой корзиной на себе.

Шаг 11. Добавьте простой способ отписаться. Ссылка в каждом письме, работающая в один клик. Это и правило хорошего тона, и требование закона.

Шаг 12. Запустите на части аудитории. Если сервис позволяет, разделите корзины случайно пополам: одной половине письма уходят, другой нет. Это единственный надёжный способ понять, помогает ли рассылка или люди вернулись бы сами. Если разделить нельзя, хотя бы сравнивайте периоды, помня, что это грубая оценка.

Шаг 13. Смотрите не только на возвраты, но и на жалобы. Заведите счётчик: сколько человек отписалось, сколько ответило с недовольством. Он показывает цену, которую вы платите за каждый вернувшийся заказ.

Шаг 14. Разбирайте ответы клиентов. Если люди отвечают на письмо, ответы идут в поддержку по правилам главы 2. Не оставляйте обратный адрес, на который никто не смотрит.

Шаг 15. Через месяц пересмотрите сценарий. Уберите письма, которые ничего не дают. Для рассылки лучше меньше, да лучше.

РАБОЧИЕ ШАБЛОНЫ

Шаблон 1. Промпт для письма-напоминания.

Ты — редактор интернет-магазина [тип товаров]. Напиши 3 варианта

короткого письма клиенту, который оставил товары в корзине

и не завершил заказ.

ПРАВИЛА:

1. Тон: спокойный, уважительный, на «вы». Без упрёков

(«вы забыли», «вы не завершили») и без давления.

2. Запрещено: ложная срочность, обещания скидок,

восклицательные знаки, слова «успейте», «последний шанс»,

«только сегодня».

3. Не упоминай ничего, чего нет в блоке ФАКТЫ.

4. Используй только эти поля подстановки: {имя}, {название_товара},

{ссылка_на_корзину}. Не придумывай других.

5. Длина: до 450 знаков, тема письма до 50 знаков.

6. В конце добавь одну фразу: человек может ответить на письмо,

если остался вопрос.

ФАКТЫ:

[например: доставка по городу 1–2 дня, возврат 14 дней,

оплата картой и при получении]

Выведи для каждого варианта: тема письма и текст.

Поля подстановки в фигурных скобках система рассылки заменит сама, вы не передаёте нейросети реальные имена и товары конкретных людей. Правило 3 удерживает модель от выдуманных условий.

Шаблон 2. Промпт для второго письма (полезная информация).

Ты — редактор интернет-магазина. Напиши 3 варианта второго письма

клиенту с брошенной корзиной. Задача письма не надавить, а

снять возможные сомнения.

В письме по очереди ответь на вопросы, которые чаще всего

останавливают покупателя, ТОЛЬКО по данным из блока ФАКТЫ:

сроки и стоимость доставки, условия возврата, способы оплаты.

ПРАВИЛА:

- не упоминай скидки и акции, если их нет в блоке ФАКТЫ;

- не используй слова давления и срочности;

- длина до 700 знаков;

- в конце ссылка {ссылка_на_корзину} и предложение