Карточка товара: что в ней должно быть для AI-ассистентов, помогающих людям делать покупки

В российском e-commerce меняется подход покупателей к принятию решений о покупке. Ещё недавно продавцы боролись за внимание человека, а сейчас карточку товара читают не только покупатель и алгоритм площадки. В цепочке появился AI-агент, который ищет и сравнивает товары от имени пользователя. О том, как малому бизнесу наполнять карточки товаров с учётом нового типа «читателей», порталу Biz360.ru рассказала директор по продажам B2C-клиентам компании «ВсеИнструменты.ру» Александра Иванченко.

Карточка товара давно стала интерфейсом, помогающим принять решение о покупке: сначала изучается текст, затем фото, видео, инфографика, отзывы. 

Раньше у карточки было два читателя:

• человек искал аргументы в пользу покупки;
• алгоритм площадки считывал характеристики товара – бренд, материал, размер, цену, наличие и поведение покупателей. 

Теперь появился третий читатель – ИИ-агент, который переводит бытовой запрос потенциального клиента в набор параметров, сверяет варианты и исключает те, по которым не хватает данных. Если в карточке не указана совместимость, агент не станет её предлагать. Если на сайте бренда и маркетплейсе разные цены или данные о наличии, не будет разбираться, где ошибка. Если непонятна комплектация, товар проиграет более точному предложению ещё до того, как покупатель увидит карточку. 

По данным «Яндекса», которые приводит CNews, с начала 2026 года трафик из «Алисы AI» в российский e-commerce вырос на 358%, покупательские задачи заняли 12% запросов в чате, а вопросы о товарах еженедельно задавали 11 млн человек. «Яндекс» развивает продажи из диалога, «Сбер» строит агентский слой вокруг GigaChat и платежей, а маркетплейсы запускают собственных помощников. 

Как именно меняется выбор покупателей, показывает международный препринт об AI-ассистенте туристической платформы Ctrip. Авторы проанализировали данные 31 млн пользователей и выяснили, что люди обращаются к ассистенту задолго до заказа и чередуют диалог с обычным поиском. Особенно востребован чат для задач, которые трудно свести к нескольким ключевым словам. 

В товарном e-commerce механика будет похожей. Покупатель формулирует не набор характеристик, а ситуацию: «Подбери небьющийся декор для узкой полки в детской». Чтобы собрать ответ, агенту придётся превратить эту фразу в материал, размеры, вес, безопасность и сценарий использования. Товар без этих данных выпадет из выбора, даже если его карточка выглядит убедительно. 

Для небольшого продавца неполная карточка означает потерянный спрос. Пропущенная характеристика товара, например материал, размер или цвет, оставляет товар за пределами фильтра, сформулированными ассистентом. Неточная характеристика приводит к ошибочному заказу и возврату, устаревшие цена и остаток – к отмене. Если каталог вручную перенесён на несколько площадок, каждая неточность размножается по всем каналам. В итоге бизнес платит за продвижение товара, который алгоритм не может правильно сопоставить с запросом. 

Связь между качеством товарных данных и результатами рекламы проверил интернет-магазин «KC-Немецкая обувь». Вместе с агентством Adgasm.io компания провела A/B-тест двух фидов (цифровых каталогов): в исходном были базовые сведения о товаре, в улучшенный добавили бренд, модель, материал, цвет, размер, сезон, страну производства, условия доставки и дополнительные фотографии. Для каждого места показа запустили кампании с одинаковыми настройками и поровну распределили между ними трафик. По данным «Яндекса», объявления на основе расширенного фида принесли больше конверсий и снизили стоимость достижения цели. 

Для малого бизнеса вывод следующий: прежде чем увеличивать рекламный бюджет, нужно проверить, достаточно ли данных получает алгоритм. Иначе продавец покупает трафик для карточки, которая сама отсекает покупателей. 

Небольшой компании нет смысла создавать собственного ИИ-ассистента для своих клиентов: у неё недостаточно аудитории, чтобы формировать вокруг него отдельный покупательский сценарий. Гораздо важнее попасть в выбор агентов, которые уже работают в поиске, банковских приложениях и на маркетплейсах. Точкой входа для них становится карточка товара. 

Эта логика уже работает в обычном поиске на маркетплейсах. Например, продавец на Wildberries или Ozon может указать в описании, что платье сшито из льна и рассчитано на высокий рост. Но если состав и параметры модели не заполнены в характеристиках, товар не попадет в соответствующие фильтры. Информация в карточке есть, но алгоритм не может использовать её в подборе. AI-агент действует ещё строже: он сопоставляет запрос с теми данными, которые способен однозначно считать и проверить. 

Для крупного бизнеса подготовка таких данных становится многолетней программой. Цену, остаток и характеристики приходится сводить из десятков систем. Мы во «ВсеИнструменты.ру» сами идем этим путём: внедряем ассистентов для рекомендаций партнёрам, используем ИИ в поставках, закупках и тендерах, развиваем адаптивный онбординг поставщиков и автоматизацию промо. 

Важно! У небольшого продавца единая база товаров, один склад и короткая цепочка решений. Ему не нужен собственный агент. Ему нужны карточки, которые без ошибок прочитают агенты крупных платформ. Здесь малый бизнес способен опередить корпорации, поскольку навести порядок в одном каталоге можно быстрее, чем связать десятки систем. 

Пока карточка считается контентом, её передают маркетологу или контент-менеджеру. Но текст – только видимая часть карточки. Сотрудники отдела закупок знают характеристики и комплектацию товаров, склад – вес и габариты, клиентский сервис видит причины возвратов. Если данные не сходятся в одном месте, карточка начинает жить отдельно от товара. 

У семейного производителя товаров для дома Jordan Manufacturing шесть-семь сотрудников клиентского сервиса вручную готовили товарный контент. Данные хранились в Excel, изображения передавались через облачные папки. После внедрения единой системы управления товарной информацией срок вывода новых позиций сократился с трёх-шести месяцев до 24 часов в отдельных случаях. Один специалист подготовил тексты для 1 400 товарных позиций менее чем за 30 дней. 

Для небольшого продавца принцип тот же. Закупки отвечают за характеристики, логистика – за габариты и упаковку, маркетинг – за поиск и подачу, поддержка возвращает в карточку вопросы и причины возвратов. У каталога должен быть один владелец, который проводит изменения по всем каналам. Иначе склад уже работает с новой упаковкой, а маркетплейс считает доставку по старым размерам. 

У малого бизнеса редко есть бюджет на постоянные исследования каталога, зато уже есть бесплатный источник данных: вопросы покупателей и причины возвратов. Они показывают слабые места карточки раньше, чем снижение продаж становится заметно в отчётности. 

Если покупатели регулярно уточняют, входит ли крепление в комплект, значит, карточка не закрывает условие покупки. Если одну модель штанов возвращают из-за посадки, проблема может быть не в товаре, а в таблице размеров. Если люди жалуются на оттенок, нужно проверять не рекламную кампанию, а фотографии и название цвета. 

• Повторяющийся вопрос – это пробел в карточке товара.

• Повторяющийся возврат – это нарушенное обещание карточки. 

Я бы ввела для небольшого продавца простое правило: после трёх одинаковых вопросов или возвратов карточка отправляется на пересмотр. Поддержка фиксирует причину, владелец каталога проверяет данные, изменение сразу уходит во все каналы. Так клиентский сервис перестает только разбирать последствия и начинает влиять на конверсию и прибыль. 

Программа для небольшой компании выглядит скучно и именно поэтому работает. 

• Начать не со всего каталога, а взять товары, которые дают основную часть оборота, и позиции с наибольшим числом возвратов. Проверить характеристики, совместимость товара с конкретными моделями и устройствами, комплектацию, ограничения, реальные сроки доставки и условия возврата. Каждое утверждение должно быть проверяемым машиной.
  
  

• Использовать вопросы покупателей как список ошибок. Если потенциальные покупатели регулярно спрашивают о размере, составе или комплектации товара – значит, этого параметра нет в карточке либо он спрятан так, что не работает. Ответ на повторяющийся вопрос нужно добавлять в карточку, а повторяющуюся причину возврата превращать в задачу по её пересмотру.
  
  

• Назначить один источник данных. Для малого бизнеса эту роль может выполнять учётная система, из которой информация о товарах передаётся на сайт маркетплейса. Цена, остаток и характеристики сначала меняются в каталоге и только потом передаются на сайт и маркетплейсы. Исправлять одну карточку вручную бессмысленно: через неделю у товара снова появятся разные версии.
  
  

• Проверить товар глазами алгоритма. Добавить машиночитаемую разметку, затем найти позицию через фильтры и запросы по материалу, размеру, совместимости и сценарию использования. Если товар не находится по собственным характеристикам через поиск и фильтры маркетплейса, карточка не готова к новым каналам.
  
  

• Подключаться к агентным продажам с простых категорий. Можно начать с товаров с понятной комплектацией, стандартной доставкой и предсказуемым возвратом. Сразу выделить такой трафик в аналитике, иначе оценить новый канал будет невозможно.
  
  

• Посчитать честную юнит-экономику по каждой позиции. Учесть логистику, возвраты и штрафы. Это самое дешёвое и самое отрезвляющее внедрение ИИ из возможных: оно быстро показывает товары, которые создают оборот, но не прибыль.
  
  

• Отдать машине рутину, а не ответственность. ИИ может готовить описания, адаптировать контент под площадки и разбирать отзывы. Решения о цене, ассортименте, характеристиках и обещаниях клиенту остаются у бизнеса. 

Победит не тот, у кого больше позиций, а тот, чей товар можно проверить, объяснить и рекомендовать без участия продавца. У небольшого бизнеса есть шанс прийти к этому раньше корпорации: ему нужно навести порядок в одном каталоге, а не в пятнадцати системах.

Чтобы не пропустить интересную для вас статью о малом бизнесе, подпишитесь на наш Telegram-канал и страницу в «ВКонтакте».
biz360