Умный мерчандайзинг: подборки на витрине без ручной сборки
Что это даёт бизнесу
Категорийный менеджер физически не успевает вручную пересобирать подборки «хиты недели», «выбор редакции» и «похожие товары» для каждой категории каталога, а старая подборка с товаром, которого уже нет в наличии, только злит покупателя. Помощник обновляет такие подборки по данным о спросе, остатках и сезонности, а менеджер задаёт правила и утверждает результат, а не собирает всё вручную с нуля каждую неделю.
- Механика «Похожие поисковые запросы», построенная на реальном спросе, а не на ручном подборе, поднимала конверсию на 8% в кейсе интернет-магазина «220 Вольт» (Retail Rocket).
- Подборки на витрине работают только на чистом каталоге: мы уже решали такую задачу для сервиса Brandquad — сопоставили и очистили товарный датасет примерно на 50 млн позиций, чтобы одна и та же модель не попадала в разные подборки под разными названиями.
- Помощник не убирает менеджера из процесса: он готовит вариант подборки и остатки под неё, а решение — оставлять товар в блоке «хит продаж» или нет — принимает человек.
Источники: vc.ru, кейс Retail Rocket / «220 Вольт».
Какую проблему решает
Подборки на витрине быстро устаревают: товар закончился, вышла новая коллекция, изменился спрос по сезону, а обновлять вручную десятки подборок под каждую категорию физически невозможно при большом каталоге.
В результате покупатель видит в «хитах продаж» товар с пометкой «нет в наличии» или подборку месячной давности, которая не учитывает ни сезон, ни то, что реально сейчас разбирают со склада.
Как это работает
Четвёртый шаг — не формальность. Помощник готовит вариант подборки, но окончательное решение по ассортиментной политике и брендам всегда остаётся за категорийным менеджером — это его зона ответственности, а не то, что стоит отдавать автоматике целиком.
Кому подходит
Интернет-магазинам с каталогом от нескольких тысяч позиций и несколькими категорийными менеджерами, где подборки на витрине обновляются реже, чем меняется спрос и остатки.
Что нужно от вас
Выгрузку каталога и остатков, данные о продажах и просмотрах по категориям, и правила, по которым менеджер сейчас формирует подборки, — их нужно формализовать, а не изобретать заново.
Чего он делать не будет
Помощник не решает самостоятельно, какой бренд продвигать, а какой убрать с витрины, — это коммерческое решение категорийного менеджера. Он не работает с каталогом, где остатки и цены устарели или не сверены с 1С, — на грязных данных подборка будет неточной независимо от алгоритма.
С чего начать
Разбор каталога — бесплатно, 40 минут: покажем, сколько в нём дублей и сколько подборок можно автоматизировать. Аудит процессов — 150 000 ₽. Запуск — от 250 000 ₽.
Сценарии применения ИИ — другие решения
Все решения направленияAI для автоматизации контекстной рекламы по марже
AI для онлайн-образования: автоматическая генерация заданий
AI для продуктовых команд: перевод технических текстов
AI-Performance: Рост мотивации и эффективности 1:1
AI-агент для карьерного планирования и развития сотрудников
AI-агент для службы поддержки: разбирает и закрывает обращения
AI-анализ отзывов: обработка в 10 раз быстрее
AI-аудит процессов найма на предмет скрытой предвзятости и автоматизация DEI-стратегии

Готовы передать рутину
ИИ-сотрудникам?
За 30 минут разберём задачу, которая съедает время команды, и честно скажем, стоит ли отдавать её ИИ.