Система рекомендаций товаров
Это пример возможного результата пилота: цифры приведены для наглядности и будут заменены данными подтверждённого клиентского кейса.
Команда из сферы электронная коммерция пришла в ALTE с процессом, который перестал справляться с ростом. Прежде чем что-то разрабатывать, мы провели аудит процессов и разобрались в инфраструктуре и данных: как работа устроена на самом деле, какие системы и данные в неё вовлечены, кто ими пользуется и какие есть ограничения.
Бизнес-задача
Все клиенты видели одинаковый каталог — без учёта их поведения, сегмента и истории покупок.
Выводы аудита
Аудит показал, как процесс работает на самом деле, где ИИ принесёт больше всего пользы, какие системы и данные в нём участвуют и какие права доступа и инфраструктура понадобятся будущему решению. На основе этих выводов мы составили техническое задание и очертили MVP с фиксированным объёмом работ.
Настройка инфраструктуры и данных
Мы описали потоки данных, права доступа и точки интеграции, чтобы решение безопасно работало внутри среды клиента: защиту персональных данных мы закладываем ещё на этапе проектирования, а там, где цена ошибки высока, оставляем контроль за человеком.
Решение
Настроили рекомендации на базе ИИ, которые опираются на данные о товарах, клиентах и их поведении.
Результат
- 16% больше добавлений в корзину
- 9% выше средняя сумма заказа
- 22% больше открытий новых товаров
Что масштабировать дальше
Когда пилот подтверждает результат, дальше мы переносим решение на смежные процессы, укрепляем инфраструктуру и открываем к нему доступ большей части команды — опираясь на измеримые показатели, а не на догадки.
По теме: E-commerce / ритейл · ИИ-услуги · Записаться на вводный звонок
Узнали свой процесс? Начнём с аудита.
Расскажите о своём процессе и бизнес-цели — вместе разберёмся, получится ли превратить его в решение на базе ИИ с измеримыми результатами.