Мебельный онлайн гипермаркет: +34% к конверсии в покупку за 10 недель через AI-агент персональных рекомендаций на сайте
- Период:
- Сервисы:
- Бюджет:
Проблема
Гипермаркет работал с каталогом более 8 000 товарных позиций: мебель для гостиной, спальни, кухни, офиса, детской. Посетители сайта проводили в среднем 3-4 минуты и уходили без покупки — слишком много выбора, слишком мало навигации. Блок "Похожие товары" формировался вручную менеджерами и обновлялся раз в месяц — никакой персонализации. Руководство пробовало улучшить фильтры каталога, но проблема была глубже: покупатель не знает, что хочет, пока ему не покажут правильное. Сайт не умел "слушать" поведение пользователя и реагировать на него в моменте.
Что сделали
01
Аудит и архитектура данных
Проанализировали поведение 12 000 уникальных сессий за последние 3 месяца: какие категории смотрят вместе, на каком шаге уходят, какие фильтры используют чаще всего. Выявили 6 устойчивых паттернов покупательского поведения — например, 'покупатель детской' и 'обновление гостиной под ремонт'. На основе этих паттернов спроектировали модель рекомендаций.
02
Разработка AI-агента
Собрали агента на базе LLM с retrieval-компонентом поверх товарного каталога. Агент в реальном времени учитывает: текущую страницу, историю просмотра в сессии, ценовой диапазон взаимодействий, категориальные переходы. Интеграция через API с CMS клиента заняла 2 недели — без переработки фронтенда.
03
Виджет и A/B-тест
Разработали виджет рекомендаций — плавающий блок на карточке товара и в корзине. Запустили A/B-тест: 50% трафика видели старый блок 'Похожие товары', 50% — AI-рекомендации. Тест шёл 4 недели. AI-вариант показал CTR 18.3% против 4.1% у контрольной группы.
04
Запуск и дообучение
После A/B-теста перевели 100% трафика на AI-агент. Настроили еженедельный цикл дообучения на новых сессиях — агент адаптируется к сезонным трендам (летние распродажи, новоселья). Добавили логику 'не повторять уже просмотренное' и приоритет товаров в наличии.
Ключевой вывод
Через 10 недель после запуска директор по e-commerce зафиксировал: конверсия с сайта выросла с 1.8% до 2.4%, средний чек — с $310 до $388. Ключевой инсайт: в мебели покупатель не ищет конкретный товар — он ищет решение для комнаты. AI-агент научился предлагать не "похожий диван", а "диван, который берут вместе с этим журнальным столиком". Это изменило механику покупки: глубина просмотра каталога выросла почти вдвое, а время на сайте — на 70%. Сейчас клиент масштабирует агента на email-рассылки с персональными подборками.
Результаты
Конверсия в покупку
1.8%
2.4%
+34%
Средний чек
$310
$388
+25%
Глубина просмотра каталога
4.1 стр.
7.6 стр.
+85%
Время на сайте
3 мин 40 с
6 мин 15 с
+70%
CTR блока рекомендаций
18.3%
Стоимость разработки
$4 800
Старт
Готовы разобраться с вашей задачей
Расскажите, что сейчас не работает — за 30 минут разберем ситуацию и предложим конкретный план, а не коммерческое предложение на 40 слайдов.