AI-консультант для ритейла: зачем бренду «говорящий киоск» в точках продаж

Источник: Molver

Задача: снизить потребность в линейном персонале и увеличить количество позиций в чеке

Сфера розничных продаж, особенно сегмент строительных магазинов, характеризуется высокой текучестью линейных кадров. Иногда она достигает 98%, по подсчетам компании Molver.

К тому же в строительные магазины приходят, как правило, не за определенным товаром, а за решением конкретной задачи. Например, покупателю нужно положить в ванной плитку. Значит, ему нужна не только плитка, но и затирка, клей для плитки, штукатурка и так далее. Сотрудник торгового зала не всегда может это предусмотреть при консультации и своевременно предложить сопутствующие товары, упустив возможность увеличить количество позиций в чеке.

Источник: Molver

Решение: продажа строительных материалов с помощью AI-консультанта

В DIY-магазинах, где представлены продукты бренда Plitonit, работают продавцы-консультанты. В помощь сотрудникам компания решила установить в торговом зале AI-киоски, которые будут общаться с покупателем и выполнять рутинные задачи, освобождая время сотрудников.

Виртуальный консультант сопровождает покупателя на всем пути – от выбора товара до его покупки. Устройство оснащено камерой, микрофоном и динамиком, что позволяет распознавать покупателя и вести с ним диалог, демонстрируя каталог бренда.

AI-киоск может:

• подобрать необходимые товары из ассортимента бренда;

• указать, в каком месте торгового зала находится нужный товар;

• пояснить, походит ли этот продукт для выполнения данной задачи;

• дать рекомендацию, какую марку лучше выбрать с учетом ценового сегмента, акций магазина и покупательских предпочтений;

• рассказать о свойствах и преимуществах товаров;

• сделать кросс-продажи, напоминая о необходимых сопутствующих позициях;

• вывести QR-код для оплаты на экран устройства или добавить товар в корзину корпоративного приложения.

Устройство помогает также ритейлеру сократить трудозатраты на обслуживание торгового зала за счет:

• отказа от линейного персонала с зарплатой менее 70 тыс. рублей;

• сокращения ресурсов на обучение и адаптацию новых консультантов;

• обеспечения стабильного качества консультаций и рекомендаций, повышая конверсию и средний чек;

• снижения зависимости от человеческого фактора и минимизации ошибок.

Обучение и настройка киоска: как адаптировали устройство под бизнес-процессы бренда

Разумеется, AI-консультант потребовал индивидуальной настройки и обучения под специфику продавца. Интеграция AI-решений в бизнес-процессы – многоэтапный и комплексный процесс, начинающийся сбором требований и заканчивающийся тестированием и дообучением моделей.

1. На первом этапе команда проводит детальное интервью с клиентом для понимания технической задачи и имеющихся у него данных. Анализ данных – ключевой момент, определяющий необходимость разметки и объем будущей работы.

2. После анализа данных создается первоначальная модель, позволяющая эффективно обрабатывать и интерпретировать текстовую информацию.

3. Параллельно запускается интеграция AI-сервиса с инфраструктурой компании через API, обмен CSV-файлами или с помощью ERP-систем, что обеспечивает беспрепятственный обмен данными. При необходимости визуальные компоненты адаптируются под корпоративный стиль.

Обучая нейросеть под задачи Plitonit, разработчики Molver собрали всю техническую документацию по ассортименту, включая номенклатуру, спецификации и регламенты работы менеджеров, описание всех номенклатурных позиций, и загрузили эти данные в модель для обучения.

Специально для Plitonit в систему добавлена функция дополнительного обучения и обновления базы знаний, регулярной загрузки новых файлов и таблиц, что обеспечивает актуальность данных. 

Например, в технологических регламентах компании Plitonit указаны разные виды штукатурок, при этом себестоимость материалов различается. AI-система консультанта была настроена так, чтобы предлагать оптимальные варианты с учетом стоимости и предпочтений клиента, что повысило эффективность консультаций и снизило расходы.

Источник: Molver

Вызовы: как делали речь AI-консультанта естественной, а ответы релевантными

Компания Molver продолжает вкладываться в R&D, чтобы находить оптимальные варианты решения проблем и запросов, совершенствования и тонких настроек модели.

1. Человеческая речь. Для эффективной работы AI-консультанта необходимо было обеспечить естественную речь, включая правильное склонение числительных и согласование слов в контексте. Это потребовало глубокой лингвистической настройки и продвинутых алгоритмов обработки естественного языка.

2. Ведение диалогов. При использовании открытых языковых моделей возникает дилемма между интеллектуальными и физическими возможностями: обычные LLM (Large language model – большая языковая модель) мало что умеют, поэтому при усложнении заданий требуют увеличения вычислительных мощностей. Перед Molver стояла задача распараллеливания вычислений для ведения нескольких диалогов, дообучения легких LLM на специфических задачах.

3. Предметная консультация. Чем больше нюансов есть в составе продуктов клиента, тем труднее учитывать связанные данные и сущности. Разработчики Molver использовали возможности особой библиотеки для того, чтобы из множества документов клиента сделать связную базу данных с разными типами свойств, переплетенных между собой. Это позволило при использовании RAG (Retrieval-Augmented Generation – объединение генерации текста с данными по товарам) не только давать LLM в контекст поверхностную часть информации, но и добавлять сжатую информацию о связанных сущностях.

4. Использование нескольких нейронных сетей. Чтобы сэкономить деньги и вычислительные мощности, используется два этапа обработки информации: сначала вытаскиваются контекст и связанные с ним сущности – получается большой объем контекста, который обрабатывается собственной дешевой нейронкой. Затем определяются наиболее важные сущности и передаются в «умную» и дорогую нейронку, которая на основе отобранных данных выдает качественный максимально корректный ответ.

5. Рост скорости ответа AI-консультанта. Используется кэширование базы, благодаря чему самые популярные запросы обрабатываются намного быстрее. Сценарии автоматически вытаскиваются из исторических логов, кластеризуются, анонимизируются и обрабатываются. В итоге получается множество кейсов, которые обрабатываются значительно быстрее из-за своей схожести.

Собственные нейросети: быстрый и точный ответ, низкая стоимость запроса

Для AI-консультанта Molver ведет разработку собственных нейронных сетей, поэтому система обычно не требует обращений во внешний контур к публичным нейросетям.  Такой подход обеспечивает высокую скорость и точность ответа системы на запросы клиентов, конфиденциальность информации, а также исключает необходимость оплаты токенов за запросы к сторонним нейросетям.

• Скорость работы. Время ответа критично для клиентского опыта в ритейле, особенно при большом количестве одновременных запросов. AI-консультант должен отвечать практически мгновенно, чтобы не создавать задержек и не терять внимание покупателя. В реальных условиях это означает сокращение времени отклика до 2–3 секунд – такого показателя непросто достичь при работе с нейросетями и большими объемами данных.

• Качество ответа. Точность и релевантность ответа на вопрос потенциального покупателя критически важны: это позволяет создать доверие к консультации виртуального сотрудника магазина.  

• Снижение затрат за обращение к нейросетям. Внедрение AI-консультантов в крупных торговых сетях сопряжено с серьезными вложениями. Каждый запрос к публичным нейросетям требует оплаты токенов. При небольшой клиентской базе, до 10–50 запросов в день, расходы незначительны, но при масштабах ритейла с десятками тысяч посетителей в сутки затраты на токены могут достигать миллионов рублей в месяц.

Так как платформа Molver использует собственную нейронную сеть, затраты на работу киоска ограничены оплатой электроэнергии, потребляемой серверами, что значительно снижает риски финансовых убытков.

Аналитика для ритейлера: какие данные собирает AI-консультант

Устройство может стать для ритейлера источником аналитической информации, необходимой для дальнейшего развития, увеличения продаж и работы с ассортиментом:

• собирает данные по количеству запросов на конкретные товары и категории, вычисляет средний чек и динамику продаж по позициям;

• делает ABC и XYZ-анализ товаров, классифицировать продукты по уровню маржинальности и сезонности спроса;

• дает рекомендации по ассортименту: какие товары стоит продвигать, а какие – временно вывести;

• фиксирует поведение покупателей, включая повторные визиты и предпочтения.

Сбор аналитики можно настроить индивидуально под бизнес-задачи компании.

Dmitry Kalinovsky/Shutterstock/Fotodom

Персонал: нужно ли магазину отказываться от «живого» продавца

При внедрении AI-решений чаще всего возникает вопрос: что будет с сотрудниками, не останутся ли люди на своих рабочих местах, заменят ли их роботы?

Разработчики Molver уверены, что полностью заменить продавцов-консультантов в ближайшее время не получится. В работе ритейла существует большое количество непредвиденных моментов, которые может разрешить только человек.

К тому же довольно значительная доля покупателей предпочитают личное общение с человеком и нередко приходят в магазин именно к нему. AI-консультант – всего лишь мостик между цифровым и реальным миром, позволяющий сделать сервис еще более качественным и легким. При этом он помогает ритейлеру увеличить выручку до 20%, существенно сокращает расходы на онбординг и повышает уровень сервиса в магазине.

Перспективы AI-автоматизации: кому это выгодно

Пилот с Plitonit внедрялся в течение года: проект был завершен в ноябре 2025 года. Промышленная эксплуатация устройств в точках продаж бренда начнется в январе 2026 года. Производитель планирует окупить инвестиции в проект за 2–2,5 года за счет роста продаж и сокращения затрат на персонал.

Компания Molver ведет переговоры о запуске и с другими крупными ритейлерами и производителями.

Интеграция AI-решений в бизнес требует выверенного подхода, анализа и подготовки данных, сложной настройки и тестирования моделей. Современные технологии, такие как нейросети и chain of thought («цепочка рассуждений» – метод работы с большими языковыми моделями), позволяют оптимизировать расходы и время отклика, сохраняя при этом высокое качество ответов.

Итеративный процесс fine-tuning с участием клиентов помогает создать максимально релевантные и полезные AI-системы. А грамотная интеграция и оптимизация AI-технологий становятся залогом успешного внедрения и долгосрочного повышения эффективности бизнеса.

Валерия Миронова, Retail.ru