Представьте покупателя, который вечером выбирает проектор для дачи. Раньше он открыл бы маркетплейс, написал в поиск что-то вроде проектор до 20000, потом полчаса прыгал бы между карточками, отзывами, доставкой и вопросами.
Теперь сценарий проще. Он пишет ассистенту: подбери компактный проектор до 20 тысяч, чтобы подключался к телефону, приехал к пятнице и не требовал сложной настройки.
Дальше начинается новая игра. Ассистенту надо понять задачу и собрать короткий список. Он смотрит не только на красивое описание. Ему нужны характеристики, совместимость, цена, наличие, срок доставки, отзывы и признаки надежности продавца.
Если в карточке нет нужного атрибута, товар может просто не попасть в ответ. Покупатель еще не увидел карточку, а выбор уже прошел мимо.
Почему это стало практической темой
13 мая Amazon представил Alexa for Shopping. Это AI-помощник для покупок, который работает в приложении Amazon, на сайте и Echo Show. Он умеет отвечать прямо в поисковой строке, сравнивать товары, делать подборки, показывать историю цены и помогать с повторными покупками.
OpenAI тоже строит товарный слой вокруг ChatGPT. На странице для продавцов компания предлагает передавать product feeds, чтобы товары отображались в ChatGPT с более полными и актуальными данными: изображения, цены, отзывы, обновления.
В России похожий сдвиг виден у Яндекса. В январе 2026 компания писала, что Алиса AI получает в среднем 500-600 тысяч запросов о подборе товаров в день. Карточки в ответах собираются из данных маркетплейсов, крупных ритейлеров и локальных магазинов: характеристики, актуальные цены, доставка, отзывы. А Ведомости 12 мая со ссылкой на Яндекс написали, что трафик из Алисы AI на сайты e-commerce и маркетплейсов с января по апрель вырос на 159%.
Это уже не история про будущее. Покупатель начинает формулировать задачу ассистенту, а не только вводить короткий запрос в строку поиска.
Почему карточка, которая выглядела нормальной, может проиграть
Человек умеет додумывать. Он может открыть отзывы, пролистать вопросы, приблизить фото, сравнить две карточки, написать продавцу.
Ассистенту нужна более чистая информация. Если совместимость спрятана в картинке, он может ее не учесть. Если разные версии товара смешаны в одной карточке, он может выбрать не тот вариант. Если наличие обновляется с задержкой, рекомендация становится рискованной. Если доставка описана расплывчато, ассистенту проще выбрать товар, где срок понятен.
В обычной карточке продавец часто пытается понравиться человеку: больше преимуществ, больше ключевых слов, красивее текст. В AI-поиске важнее другое: может ли система разобрать товар на признаки и сравнить его с задачей покупателя.
Это особенно заметно в товарах, где есть совместимость, комплектация, версия, срок доставки, отзывы о качестве или нюансы использования. Электроника, аксессуары, товары для ремонта, детские товары, расходники, оборудование, цифровые продукты. Там покупатель редко ищет голый артикул. Он ищет решение задачи.
Российские площадки тоже идут к поиску по намерению
Wildberries в апреле тестировал поиск по фото и текстовому уточнению. Можно показать товар и добавить: без принта, с длинным рукавом, диван без подлокотников. По данным RWB, которые приводил CNews, фотопоиском ежедневно пользуются 1,7 млн человек, а месячная аудитория за год выросла более чем вдвое.
Это ровно тот же поворот: покупатель не обязан знать правильное название товара. Он показывает пример и объясняет, что хочет изменить.
Ozon в конце апреля запустил ИИ-ассистента для продавцов. Он анализирует данные магазина, объясняет метрики и подсказывает действия, например как улучшить карточку товара. Получается, площадки уже переводят и покупательскую, и продавецкую работу в диалог.
Но диалог не живет сам по себе. Он питается данными.
Что селлеру проверить завтра
Возьмите 10 важных SKU. Не самые любимые, а те, где есть деньги: высокая маржа, стабильный спрос, рекламный бюджет или стратегическая категория.
По каждому товару задайте ассистенту не название, а человеческую задачу:
- подбери для такого случая;
- сравни с аналогами;
- какой вариант взять;
- подойдет ли к этой модели;
- успеет ли приехать к пятнице;
- что говорят покупатели;
- найди дешевле.
Потом посмотрите, что ассистент понял. Упомянул ли ваш товар? Правильно ли объяснил отличия? Не перепутал ли версию? Не выбрал ли конкурента просто потому, что у него яснее атрибуты?
Часто после такой проверки становится видно, что проблема не в "плохом описании". Проблема в товарном слое. Цена обновляется отдельно, остатки отдельно, совместимость живет в тексте, отзывы никто не разбирает, варианты смешаны, доставка написана общими словами.
Здесь и появляется хорошая автоматизация. Она проверяет полноту атрибутов, сверяет цену и наличие, вытаскивает повторяющиеся сигналы из отзывов, нормализует варианты, следит за устаревшими данными и регулярно проверяет, как ассистенты описывают ключевые товары.
Для селлера это уже не игрушка про нейросети. Это новый способ понять, где товар выпадает из выбора до первого клика.
Мы в Woghan помогаем собирать такие контуры: карточки, фиды, остатки, цены, отзывы, вопросы и проверки ассистентов. Если товар хороший, но машина не может его понять, проблема решается не красивым текстом, а нормальными данными.
t.me/woghan_dev