Еще недавно ИИ-ассистент в интернет-магазине выглядел как эксперимент для крупнейших маркетплейсов: дорого, долго, много рисков, непонятная окупаемость. Но за последний год ситуация заметно изменилась. В российском eCommerce появились первые заметные запуски ассистентов, которые работают не для селлеров, поставщиков или внутренних команд, а именно для конечных покупателей.
Покупатель уже может спросить ИИ, какие часы подойдут для бега, что купить для пикника, чем отличаются две модели телефона, какую вещь подобрать под образ или какой товар выбрать под конкретную жизненную ситуацию. Это важный сдвиг: ИИ перестает быть отдельным «чатиком ради чатика» и становится новым интерфейсом выбора товара.
На фоне роста рынка это особенно заметно. По данным АКИТ, объем интернет-торговли в России в 2025 году составил 11,5 трлн рублей, а доля онлайна в розничных продажах выросла до 18,8%. Среди крупнейших категорий — продукты питания, товары для дома, одежда и обувь, электроника, красота и здоровье. Это как раз те категории, где пользователю часто нужно не просто найти товар по названию, а разобраться, сравнить и принять решение. (akit.ru)
При этом один из главных мотивов онлайн-покупок — экономия времени: в исследовании РАЭК 51% россиян назвали ее одним из ключевых факторов. Там же отмечается, что более 80% заказов приходится на четыре крупнейших маркетплейса. Для независимых интернет-магазинов это создает двойной вызов: конкурировать нужно не только ассортиментом и ценой, но и качеством цифрового опыта. (raec.ru)
Почему ритейлеры запускают ассистентов: не только поиск, а единое окно для клиента
Классический путь покупателя в интернет-магазине устроен фрагментарно.
Чтобы выбрать товар, пользователь идет в поиск или категорию. Чтобы разобраться в характеристиках — читает карточку. Чтобы понять, какой вариант лучше, открывает сравнение. Чтобы узнать про доставку — ищет условия на отдельной странице. Чтобы уточнить возврат — идет в FAQ. Чтобы задать вопрос — пишет в чат поддержки. Чтобы найти сопутствующие товары — смотрит рекомендации. Чтобы собрать комплект — снова возвращается в каталог.
Каждый элемент вроде бы работает отдельно. Но для покупателя это не единый опыт, а набор разрозненных шагов.
ИИ-ассистент решает другую задачу: он становится общей точкой входа, куда пользователь может прийти с любым вопросом по покупке.
Не «покажи товары по фильтру», а:
- «Помоги выбрать робот-пылесос для квартиры с животными».
- «Что взять на пикник?»
- «Чем эта модель отличается от другой?»
- «Подойдет ли этот крем для чувствительной кожи?»
- «Что купить вместе с этим товаром?»
- «Когда приедет заказ?»
- «Можно ли вернуть товар, если не подойдет размер?»
- «Собери корзину для ужина на двоих».
В такой логике ассистент становится не просто интерфейсом поиска. Он соединяет каталог, рекомендации, карточки товаров, отзывы, условия доставки, возвраты, акции, корзину и поддержку.
Именно поэтому крупные игроки запускают ассистентов. Не только чтобы заменить фильтры, а чтобы создать для покупателя единое окно взаимодействия с ритейлером.
Что уже запустили на российском рынке
В этой статье важно отделить пользовательские ассистенты от внутренних AI-инструментов. Мы не рассматриваем генераторы описаний для продавцов, BI-помощников, инструменты для поставщиков или автоответы на отзывы. Нас интересуют решения, которые меняют опыт конечного покупателя: чат с подбором товаров, AI-помощник в поиске, ассистент на карточке товара, сценарии выбора под ситуацию или диалоговый интерфейс вокруг большого каталога.
Важно смотреть на эти запуски не как на отдельные AI-фичи. Их объединяет более крупная продуктовая логика: ритейлеры пытаются создать новый слой клиентского интерфейса, который может стать главным входом в покупательский путь.
Яндекс Маркет: чат с ИИ для выбора и сравнения товаров
В апреле 2025 года Яндекс Маркет запустил чат с ИИ-ассистентом в приложении и назвал себя первым российским маркетплейсом с такой функцией. Ассистент помогает покупателям подбирать товары по запросу, рассказывает об их преимуществах и сравнивает с аналогами. В релизе Яндекса прямо приводится сценарий, где ИИ помогает разобраться в сложных параметрах техники, но список категорий шире: бытовая техника, электроника, одежда, спортинвентарь и другие товары. (Yandex)
Технически ассистент был запущен на базе YandexGPT 5 Pro, дообученной на данных о товарах маркетплейса, включая отзывы. Это важная деталь: качество shopping assistant определяется не только языковой моделью, но и тем, насколько хорошо она связана с товарными данными, характеристиками, отзывами и контекстом выбора. (Yandex)
К концу 2025 года Маркет расширил сценарии. ИИ-агент получил голосовой ввод, начал работать не только в отдельном чате, но и в поиске, карточке товара и на экране сравнения. По данным Яндекса, с момента запуска чат посетили миллионы пользователей; чаще всего они задавали вопросы про товары для дома, электронику, одежду и обувь. (Yandex)
Этот кейс показывает направление развития: ассистент не должен жить только в отдельной вкладке. Он становится контекстным слоем поверх всего покупательского пути — поиска, листинга, карточки товара и сравнения.
Яндекс Лавка: ассистент для продуктовых сценариев
В мае 2025 года ИИ-ассистент появился в Яндекс Лавке. Здесь логика другая: пользователь не всегда выбирает конкретный товар, часто он решает бытовую задачу. Что приготовить? Какие ингредиенты нужны для рецепта? Что взять для кино? Что заказать на пикник?
Ассистент Лавки помогает сориентироваться в ассортименте, подобрать товары под ситуацию, найти ингредиенты для рецепта или предложить, что приготовить из конкретного продукта. Он работает в приложениях на всех платформах и доступен через иконку на главной странице. (Yandex)
Это хороший пример для eGrocery и FMCG. В продуктовом eCommerce у пользователя часто нет четкого SKU-запроса. Он покупает не «товар», а готовое решение: завтрак, ужин, перекус, набор к событию, ингредиенты для блюда. Поэтому ассистент в grocery должен думать не только категориями каталога, но и сценариями потребления.
Самокат: почему grocery особенно подходит для shopping assistant
Самокат — один из крупнейших российских e-grocery-сервисов: он работает по модели быстрой доставки продуктов и товаров для дома из дарксторов, а его ассортимент покрывает не только продукты, но и бытовую химию, товары для дома, детей и животных. По данным публичного описания сервиса, Самокат управляет крупной сетью дарксторов и конкурирует с форматом магазина у дома, где покупатель часто решает повседневные задачи, а не ищет конкретный товар по названию.
Именно поэтому grocery — одна из самых сильных категорий для ИИ-ассистента. В электронике пользователь спрашивает: «Какую модель выбрать?». В fashion: «С чем это сочетать?». В beauty: «Что подойдет моему типу кожи?». А в grocery вопрос часто звучит иначе: «Что приготовить?», «Что взять на ужин?», «Что купить для пикника?», «Какие продукты нужны для рецепта?».
Это сдвигает роль ассистента. Он должен быть не просто поиском по товарам, а помощником по бытовым сценариям. Например, пользователь может написать: «Хочу быстрый ужин на двоих без мяса» — и получить не одну карточку товара, а готовую корзину из ингредиентов, альтернативы по бюджету и подсказки по замене отсутствующих продуктов.
Lamoda: ИИ-стилист и примерка в fashion
В fashion задача выбора еще сложнее. Пользователь редко выбирает вещь только по фильтрам «размер», «цвет» и «бренд». Ему важно понять, как вещь будет смотреться, с чем ее сочетать, подходит ли она под стиль, повод, сезон, гардероб и личные предпочтения.
Lamoda в материале о трендах 2026 года пишет, что объединила нейротехнологии и моду в приложении: среди инструментов — чат-бот и ИИ-примерка. ИИ-стилист в чат-боте подстраивается под запрос пользователя и подбирает вещи более точно и персонально, а онлайн-примерка позволяет экспериментировать с фасонами, цветами и образами. (Lamoda.ru)
Этот кейс показывает, что в разных вертикалях shopping assistant должен быть разным. В электронике он объясняет характеристики. В grocery собирает набор под ситуацию. В fashion работает как стилист. В beauty может стать консультантом по уходу, составу, типу кожи и совместимости средств.
Wildberries: переход от поиска к диалогу
В июне 2026 года в СМИ появилась информация о запуске Wildberries ИИ-помощника для покупателей: пользователь сможет формулировать задачу простым языком и получать подборку товаров прямо в чате. Среди примеров — подарок коллеге до 3000 рублей, робот-пылесос для квартиры с животными или комплект для поездки с ребенком. По данным публикации, точка входа находится в поисковой выдаче, а технология должна превращать поиск из набора фильтров в диалоговый интерфейс. («Первый технический» — www1.ru)
Важно аккуратно интерпретировать этот кейс: на момент подготовки статьи это свежий анонс/сообщение СМИ, а не давно работающий публичный продукт с раскрытыми метриками. Но сам сигнал показателен. Даже крупнейшие маркетплейсы начинают двигаться от «найди по ключевому слову» к «пойми задачу покупателя».
Авито: разговорный поиск выходит за пределы классического eCommerce
Отдельный важный сигнал приходит не из классического ритейла, а из классифайдов. В октябре 2025 года CNews со ссылкой на «Коммерсант» сообщил, что Авито разрабатывает ИИ-ассистента «Ави» для поиска товаров и услуг в формате живого диалога. По данным публикации, запуск по всем вертикалям платформы намечен на 2026 год, а разработка технологии может стоить около 500 млн рублей.
Для рынка это важнее, чем может показаться. Авито — это не классический интернет-магазин с единым каталогом и стандартизированными карточками. Это огромная площадка с разнородными объявлениями: товары, услуги, недвижимость, авто, вакансии. Если такой сервис движется к диалоговому поиску, значит проблема уже шире, чем eCommerce: пользователям становится сложно работать с большими каталогами через одни только фильтры и ключевые слова.
Conversational search становится новым интерфейсом работы с большими каталогами вообще. Неважно, продает площадка новые товары, продукты, одежду, услуги или объявления от частных продавцов. Когда выбор становится слишком большим, пользователю нужен не только поиск, но и помощник, который переводит его намерение в понятные варианты.
Алиса AI в Яндекс Go: shopping assistant выходит за пределы магазина
Еще один важный сдвиг — появление покупательских сценариев не только внутри маркетплейса, но и в супераппах. В мае 2026 года Яндекс сообщил, что Алиса AI в Яндекс Go помогает пользователям выбирать товары прямо в чате: найти вещь в определенном стиле, сравнить телефоны, выбрать кондиционер в спальню. На старте возможность доступна пользователям из Москвы и Санкт-Петербурга из листа ожидания, а затем должна стать доступна шире. (Yandex)
Это уже не просто «ассистент внутри магазина». Это шаг к модели, где пользователь начинает покупку в привычном чате, а товарная выдача становится частью более широкого городского или повседневного интерфейса. Для eCommerce это означает, что консультация и подбор товаров постепенно выходят за пределы классической витрины.
Что объединяет эти запуски
На первый взгляд кейсы разные: маркетплейс, grocery, fashion, суперапп, классифайд. Но у них есть общий паттерн.
Во-первых, ассистенты решают не абстрактную задачу «поговорить с ИИ», а конкретные покупательские работы: подобрать, сравнить, объяснить, сузить выбор, собрать набор, ответить на вопрос по товару, помочь с сервисным сценарием.
Во-вторых, они постепенно выходят за рамки отдельного чата. Яндекс Маркет начал с чата, а затем встроил ИИ в поиск, карточку товара и экран сравнения. Яндекс Лавка использует ассистента для продуктовых сценариев. Lamoda развивает fashion-консультацию. Алиса AI переносит shopping-сценарии в суперапп. Авито готовит диалоговый поиск по товарам и услугам. Wildberries двигается к подбору товаров по смыслу пользовательского запроса.
В-третьих, эти ассистенты становятся новым способом удерживать пользователя внутри собственной экосистемы. Чем больше вопросов покупатель может решить в одном окне, тем меньше поводов уходить в поисковик, на маркетплейс, к конкуренту или в поддержку.
В-четвертых, рынок не ждет идеального автономного агента, который сам пройдет весь путь от запроса до оплаты. Сначала закрываются прикладные сценарии: консультация, выбор, сравнение, ответы по товару, подборка вариантов, помощь с корзиной и сервисные вопросы.
Именно поэтому ИИ-ассистенты стоит рассматривать не как «еще один виджет на сайте», а как будущую точку входа в eCommerce-экосистему.
Почему независимым интернет-магазинам не стоит ждать
Самая частая ошибка — ждать, пока ИИ-ассистенты станут «идеальными». Пока они сами будут оформлять заказ, полностью понимать все нюансы, безошибочно работать с остатками, промо, возвратами, доставкой, юридическими ограничениями и персональными данными.
Но крупные игроки показывают другую стратегию: ассистента запускают не сразу как полноценного автономного продавца, а как новый клиентский слой, который постепенно берет на себя все больше задач.
Сначала он помогает выбрать товар. Потом отвечает на вопросы в карточке. Потом сравнивает модели. Потом собирает набор. Потом помогает в корзине. Потом подключается к сервисным сценариям: доставка, возврат, статус заказа, акции, программа лояльности.
Так появляется единое окно для покупателя.
Для независимого интернет-магазина это особенно важно. Крупные экосистемы уже формируют у пользователей новую привычку: задавать вопрос обычным языком и получать готовый маршрут к покупке. Если собственный магазин не дает такого опыта, пользователь будет искать его в другом месте — на маркетплейсе, в поисковике, в супераппе или у конкурента.
При этом запуск не обязан быть большим enterprise-проектом. Достаточно начать с одного участка CJM, где ассистент быстрее всего дает ценность:
- консультация по сложной категории;
- ответы на карточке товара;
- подборка товаров под задачу;
- помощь в корзине;
- объяснение условий доставки и возврата;
- передача сложного вопроса оператору без потери контекста.
Ценность появляется не тогда, когда ассистент «умеет всё». Она появляется тогда, когда покупатель может решить больше вопросов в одном месте.
Какие сценарии shopping assistant стоит запускать первыми
1. Единая точка входа в каталог
Пользователь описывает задачу обычным языком, а ассистент помогает перейти от намерения к товарам.
Например: «Нужен подарок для человека, который любит кофе, до 5000 рублей». Обычный поиск заставит пользователя перебирать категории. Ассистент может уточнить, нужен ли практичный подарок или что-то необычное, и собрать подборку из зерна, аксессуаров, кофемолки, термокружки или набора для альтернативного заваривания.
Это первый шаг к единому окну: пользователь начинает не с категории и фильтра, а с задачи.
2. Ассистент на карточке товара
Карточка товара — одна из самых сильных точек для ассистента. Пользователь уже заинтересовался конкретным товаром, но не уверен, стоит ли покупать.
Здесь ассистент отвечает на вопросы:
- чем эта модель отличается от другой;
- подойдет ли товар под конкретную задачу;
- как пользоваться товаром;
- что пишут в отзывах;
- какие есть аналоги;
- что купить вместе с этим товаром;
- подходит ли товар по размеру, материалу, совместимости или условиям использования.
Это не заменяет карточку товара. Это превращает карточку в точку консультации.
3. Ассистент в поиске
Когда пользователь вводит широкий или неструктурированный запрос, ассистент может стать дополнительным слоем внутри выдачи.
Например, запрос «подарок маме» плохо раскладывается на фильтры. Но ассистент может уточнить повод, бюджет, интересы и предложить подборку.
В этом сценарии ИИ не конкурирует с поиском, а расширяет его: поиск показывает товары, ассистент помогает понять, какие из них подходят под задачу.
4. Ассистент в корзине
Корзина — недооцененный сценарий. Здесь ассистент может не просто отвечать на вопросы, а помогать довести покупку до завершения.
Он может подсказать, чего не хватает в заказе, предложить совместимые товары, напомнить про акцию, объяснить условия доставки, помочь заменить товар не в наличии, собрать комплект или предложить более выгодный набор.
Для категорий с повторными покупками это особенно важно: pet, beauty, grocery, детские товары, бытовая химия, товары для дома.
5. Ассистент для сервисных вопросов
Чтобы стать единым окном, ассистент должен помогать не только до покупки, но и после нее.
Пользователь может спросить:
- «Когда приедет заказ?»
- «Как оформить возврат?»
- «Можно ли изменить адрес доставки?»
- «Где посмотреть бонусы?»
- «Какие условия акции?»
Не все эти сценарии нужно автоматизировать в первом пилоте. Но важно закладывать архитектуру так, чтобы ассистент мог постепенно расширяться от подбора товаров к полноценному клиентскому окну.
Как это можно запустить в Gravity Field
Gravity Field AI Shopping Assistant как раз строится вокруг этих сценариев. В продуктовой спецификации модуль описан как единый AI-ассистент для пути покупателя от выбора товара до оформления корзины: общий шопинг-консультант, AI-ответы на карточке товара и AI-помощник при сборке корзины.
Для запуска используется не «пустой чат», а связка из нескольких слоев:
- товарный каталог;
- база знаний: FAQ, доставка, оплата, возвраты, статьи, инструкции, диалоги колл-центра;
- tone of voice и ограничения по темам;
- интеграция с рекомендательным движком;
- аналитика диалогов, вовлеченности, конверсии и топ-запросов;
- возможность встраивать ассистента в разные точки CJM.
Отдельно важно, что ассистент может работать не только как консультант в начале пути. В спецификации заложены сценарии сравнения товаров, работы с отзывами, учета вариантов товара, персональных апсейлов и кросс-продаж, валидации остатков, передачи сессии оператору и анализа состава корзины.
Это позволяет запускать ассистента не как большой проект «на всё сразу», а поэтапно:
- сначала ассистент в одной категории;
- затем ответы на карточке товара;
- затем сравнение и рекомендации;
- затем сценарии корзины;
- затем сервисные вопросы;
- затем персонализация по истории и сегментам.
Так интернет-магазин получает не просто AI-фичу, а основу для собственного клиентского окна: места, где покупатель может выбрать товар, задать вопрос, получить рекомендацию и перейти к покупке без лишних переходов между разделами сайта.
Главный вывод
Запуски Яндекс Маркета, Яндекс Лавки, Lamoda и Алисы AI в Яндекс Go, а также анонсы Wildberries и Авито показывают: российский рынок уже перешел от разговоров об ИИ в eCommerce к конкретным пользовательским сценариям.
Но главный вывод не в том, что «фильтры устарели» или «чат заменит сайт». Главный вывод в другом: ритейлеры начинают строить единое окно для покупателя.
Покупатель хочет не разбираться, где искать товар, где читать отзывы, где уточнять доставку, где задавать вопрос оператору и где искать подходящий комплект. Он хочет описать задачу и получить помощь в одном месте.
Именно такую роль постепенно занимает shopping assistant.
Для независимых интернет-магазинов это не повод ждать, пока крупные экосистемы окончательно сформируют новую привычку у пользователей. Наоборот, это возможность запустить такой опыт у себя уже сейчас — сначала в одном сценарии, затем расширяя его на весь покупательский путь.
Gravity Field AI Shopping Assistant помогает запустить собственного ИИ-консультанта для eCommerce: подключить товарный каталог и базу знаний, встроить ассистента в сайт или приложение, настроить сценарии под категорию, передавать товары в рекомендации, анализировать диалоги и измерять влияние на конверсию.
Начать можно с пилота: выбрать одну категорию, один сценарий и проверить, как ассистент помогает пользователям быстрее принимать решение.
Запросите демо Gravity Field AI Shopping Assistant — покажем, как ИИ-консультант может работать в вашем интернет-магазине: от подбора товаров и ответов на карточке до помощи в корзине и передачи диалога оператору.