ASAP. Цифровые продукты

Бумажка с результатами анализов на руках, а объяснить их толком некому? Не надо так 😊 Записали подкаст с Даниилом Васильевым: он строит MedTech-стартап «Я здоров», персонального ИИ-ассистента, который копит данные о здоровье человека и на их основе даёт первичные рекомендации. Обсудили, как сервис работает на практике, и где вообще сейчас место ИИ в заботе о здоровье. Поговорили: 👉 как сервис учится на данных человека и сам подсказывает, что делать дальше 👉 ни рубля от инвесторов: стартап уже год держится на свои деньги 👉 нейросеть в медицине "додумывает" там, где не хватает данных, и как с этим бороться 👉 заменит ли ИИ врача, и когда Ну и история с конференции, где директор клиники сказал "никто не будет загружать документы" - и тут же встала женщина из зала... что было дальше? 😊 Смотреть: 🎞 YouTube 🟦 ВК ⭐ Дзен Ну и для полноты картины: ТГ-канал Даниила про бизнес и технологии. ТГ-канал про МедТех и проект "Я здоров" ТГ-канал самого приложения "Я здоров" Сайт приложения "Я здоров" ‼ВАЖНО: для тех, кто тут впервые - чтобы оставить комментраий, нужно сначала присоединиться к этому чату ТГ-Канал, ТГ-Чат, YouTube, ВК, Дзен, FB, Inst, TikTok, Х

Создатель и руководитель проекта «Я здоров» Даниил Васильев стал героем подкаста «ИИ-практики». В выпуске он рассказал о том, как создавался проект, каким он видит его развитие и какие задачи команда ставит перед собой. ❗️ Отдельно поговорили о вопросах, которые волнуют пользователей больше всего: как защищены медицинские данные, на каких алгоритмах работает медицинский AI-ассистент в приложении «Я здоров» и почему ему можно доверять — а на какие вопросы ассистент не отвечает и их нужно обсуждать с врачом. Получился разговор не только о продукте, но и о принципах, на которых строится его развитие: безопасности, ответственности и осознанном использовании AI в медицине. Приятного просмотра! 📺

От ручной проверки документов к AI-аудиту: как за 18 часов собрать рабочий MVP и сократить проверку до 20 минут 🫰 В прошлом посте мы рассказали, почему рассматриваем вайбкодинг не как альтернативу разработке, а как инструмент, который позволяет ускорять создание решений в подходящих сценариях. Один из таких сценариев — внутренние системы автоматизации бизнес-процессов. На одном из проектов перед нами стояла задача автоматизировать обработку большого объёма документов. Специалисты компании вручную анализировали комплекты файлов: сопоставляли данные, проверяли соответствие требованиям и формировали результаты по специальным чек-листам. При этом у проекта были важные ограничения: — решение должно было использовать российскую AI-модель; — требовалось быстро и доступно проверить рабочую гипотезу; — не было необходимости сразу строить сложную высоконагруженную платформу. В качестве основы AI-части использовали GigaChat — российскую языковую модель для анализа документов. Для ускорения разработки самого сервиса применили подход вайб-кодинга с использованием Claude как AI-кодового агента. В результате команда создала внутренний сервис по работе с документами, MVP которого: 🔥был собран за 18 часов; ⏳ позволил сократить проверку одного комплекта документов с нескольких часов до 20 минут. ❗️При этом использование AI не отменило инженерную составляющую проекта. В процессе разработки команда столкнулась с особенностями работы языковой модели: потребовалось дополнительно продумать взаимодействие AI с программной логикой, контролировать результаты работы модели и создавать дополнительные механизмы для получения стабильного результата. Именно здесь проходит граница применения вайбкодинга. Он позволяет быстрее создавать MVP, проверять гипотезы и оптимизировать затраты на разработку, но при развитии продукта остаются задачи, которые требуют полноценной инженерной экспертизы: архитектуры, контроля качества, безопасности и дальнейшего масштабирования. Подробнее о процессе разработки, архитектурных решениях и нюансах работы с AI-моделью — в кейсе на сайте ASAP ✌️

Вайбкодинг в заказной разработке: мы за или против ❓ Компании экспериментируют с AI-инструментами, оценивают их возможности и пытаются понять: это новый подход к созданию продуктов или просто следующий этап развития привычной разработки? Мы видим, что интерес к вайбкодингу растёт, и всё больше команд рассматривают его для своих проектов. Поэтому решили поделиться своим взглядом как команда, которая занимается разработкой сложных цифровых продуктов и отвечает не только за создание решения, но и за его дальнейшую работу в реальных бизнес-процессах. Первое, что важно понимать: Вайбкодинг не является альтернативой разработке. Это один из способов использовать AI-кодовые инструменты для создания программного кода и ускорения отдельных этапов разработки. ❗️ Главный вопрос не в том, написал код человек или AI. Вопрос в том, кто отвечает за результат. В простых сценариях AI действительно позволяет быстрее создавать MVP, внутренние сервисы и проверять гипотезы. Но когда продукт растёт, появляются другие задачи: — архитектура; — безопасность; — интеграции; — масштабирование; — поддержка системы. И здесь необходима инженерная экспертиза и команда, которая понимает, как построить устойчивый продукт. Наша позиция простая: мы не рассматриваем вайб-кодинг как альтернативу разработке. Мы рассматриваем его как инструмент, который помогает командам быстрее создавать решения там, где его применение действительно оправдано. Более того, мы уже применяли этот подход в реальном проекте: автоматизировали внутренний процесс документооборота для одного из клиентов. В следующем посте расскажем, как выглядел этот кейс и почему такой подход оказался эффективным ✌️

Голосовые ассистенты в бизнесе: реальные кейсы и сценарии внедрения После разбора архитектуры голосового ассистента решили показать, как на практике меняются требования к голосовым системам в зависимости от задач бизнеса и почему такие сценарии довольно быстро выходят за рамки обычного speech-to-text. 1️⃣Например, в MedTech и health-сервисах одна из главных проблем — большое количество ручной работы при фиксации и обработке данных. Симптомы, показатели, рекомендации и другую информацию часто приходится вручную переносить между приложениями, документацией и внутренними системами. В таких сценариях критично качество распознавания речи, поэтому здесь часто используют Whisper и encoder-decoder модели (архитектуры, которые хорошо работают с длинной речью, шумным аудио и сложными формулировками). С похожими задачами столкнулись и мы во время проработки одного из MedTech-проектов. Голосовой ассистент должен был записывать диалог врача и пациента, автоматически переводить разговор в структурированные данные и заполнять медицинскую документацию без ручной фиксации информации после приёма. 2️⃣ В E-commerce задачи уже другие — сократить количество действий между пользователем и покупкой. Поиск товаров, фильтры, формы и длинные пользовательские сценарии напрямую влияют на конверсию и количество завершённых заказов. Поэтому здесь особенно важны скорость ответа и работа в реальном времени. Для таких сценариев часто используют streaming-ASR модели (системы потокового распознавания речи), которые обрабатывают голос практически без задержки. 3️⃣ В промышленности и enterprise-инфраструктуре требования к голосовым системам уже другие. Производственные процессы, обслуживание оборудования, логистика и работа с внутренними сервисами предприятий создают большое количество ручных операций и постоянного взаимодействия с внутренними системами. Здесь уже критичны стабильность работы, локальное развёртывание и возможность запускать голосовые системы внутри инфраструктуры компании без зависимости от внешних сервисов. Поэтому в подобных сценариях часто используют lightweight-модели (облегчённые модели распознавания речи), которые можно запускать локально внутри инфраструктуры предприятия или на edge-устройствах без сложной облачной инфраструктуры. В ASAP мы работаем с такими проектами и помогаем компаниям проектировать голосовые решения под конкретные бизнес-задачи и архитектуру систем. Для нас голосовой ассистент — это не отдельная AI-функция, а инструмент автоматизации, который должен стабильно работать внутри реальных процессов компании и учитывать ограничения её инфраструктуры.

🗣 Голосовые ассистенты в бизнесе: как устроены современные voice-системы Голосовые ассистенты уже давно широко используются внутри IT-систем и цифровой инфраструктуры компаний. Сегодня такие решения мы внедряем в E-commerce, MedTech и PromTech-проектах: для автоматизации встреч и переговоров, голосового заполнения данных, работы с документацией, пользовательских сервисов и других сценариев, где часть ручной работы можно перевести в voice-flow. Работая с подобными задачами на практике, мы сталкиваемся не только с распознаванием речи, но и с вопросами архитектуры, интеграций, real-time обработки и встраивания голосовых сценариев в существующую IT-инфраструктуру компании. Во время проработки одного из проектов мы исследовали архитектуру голосового помощника для руководителя, по сути — цифрового copilot для встреч и переговоров. Система должна была транскрибировать встречи, фиксировать задачи, структурировать договорённости и интегрироваться с внутренними сервисами и IT-системами компании. 🎙Голосовой ассистент развивается и в нашем собственном MedTech-проекте «Я здоров». Сейчас пользователь может голосом описывать своё состояние или надиктовывать данные внутри приложения для здоровья, а система переводит аудио в текст для дальнейшей обработки. ❗️Практика работы с такими системами довольно быстро показывает, что голосовой ассистент — это не просто модель для перевода речи в текст, а полноценная голосовая система со своей архитектурой, ограничениями и требованиями к инфраструктуре. Эксперты ASAP в новой статье разобрали: • как на практике устроены современные голосовые ассистенты • из каких компонентов собирается voice pipeline • как подбираются модели под разные сценарии использования • как меняется архитектура в зависимости от нагрузки и интеграций • какие ограничения появляются при работе с голосовыми системами • и как выбирать решения под реальные задачи Получился подробный инженерный разбор для тех, кто работает с автоматизацией, AI и сложными цифровыми продуктами или только начинает внедрять голосовые сценарии в свои сервисы и внутренние системы. Подробнее — в нашей новой статье на сайте 🔗

Коллеги, команде ASAP очень нужна ваша поддержка! Наш главный проект — стартап «Я здоров» — участвует в голосовании за «Продукт недели» на Product Radar, и только ваши голоса помогут нам занять первое место! На Product Radar публикуются лучшие российские продукты и стартапы, а энтузиасты из сферы технологий обмениваются идеями, сотрудничают и создают проекты, которые делают жизнь людей лучше. Мы тоже вошли в их число. Мы стремимся к тому, чтобы о «Я здоров» узнавали как можно больше людей. Поэтому принимаем участие в голосовании — о победителях потом расскажут на Vc, Хабр и в тг-канале Product Radar. Поддержите нас ❗️ Для этого нужно всего лишь: — Перейти по ссылке. — Нажать «войти» и зарегистрироваться через Google, Яндекс или почту. — Под описанием продукта нажать кнопку «Поддержать». Ваше участие займет пару минут, а для нас будет очень ценным! 🫰 Кликните, чтобы проголосовать 🔗

🏥 Как клинике увеличить количество повторных визитов и повысить LTV с помощью мобильного приложения? Большинство медицинских организаций уже решили задачу онлайн-записи. Но привлечь пациента на первый приём недостаточно. Гораздо важнее сопровождать его дальше: напоминать о назначениях, возвращать на повторные обследования, помогать контролировать состояние здоровья и поддерживать коммуникацию между визитами. Для решения этих задач мы разработали White Label мобильное приложение на базе платформы «Я Здоров». Приложение помогает клинике работать не только с первичным обращением пациента, но и с его дальнейшим маршрутом, увеличивая количество повторных визитов и эффективность взаимодействия с существующей базой пациентов. 📋 Формирование единого профиля пациента Медицинская карта автоматически заполняется данными из МИС, а пользователь может загружать документы и результаты обследований из других клиник. Это позволяет формировать более полную историю здоровья и получать дополнительный контекст для взаимодействия с пациентом. 📈 Повышение вовлечённости пациента Дневники самочувствия, показателей здоровья, приёма препаратов, питания и физической активности помогают пациенту регулярно взаимодействовать с приложением. Чем выше вовлечённость, тем больше возможностей для персонализированной коммуникации и сопровождения. 🔄 Возврат пациентов на повторные обращения Напоминания о повторных приёмах, анализах и обследованиях помогают контролировать выполнение назначений врача и снижать потери пациентов после первичного обращения. Рекомендации формируются на основе данных пользователя и истории взаимодействия. Это позволяет делать коммуникацию более персонализированной и эффективной по сравнению с массовыми рассылками. 👨‍👩‍👧‍👦 Работа со всей семьей пациента Семейные профили позволяют управлять здоровьем нескольких членов семьи из одного аккаунта, упрощают взаимодействие с клиникой и увеличивают количество регулярных пользовательских сценариев внутри приложения. 🔗 Интеграция в цифровую инфраструктуру клиники Решение интегрируется с любыми МИС и поддерживает автоматический обмен данными между приложением и системой клиники без дублирования процессов. В результате мобильное приложение становится не только каналом записи на приём, но и инструментом удержания пациентов, повышения количества повторных обращений и развития долгосрочных отношений между клиникой и пациентом. Подробнее о возможностях решения — на нашем сайте.

Как меняется рынок MedTech и почему клиникам приходится менять подход к работе с пациентами Несмотря на значительные инвестиции в здравоохранение и активное развитие медицинских технологий, рынок MedTech по-прежнему остается разрозненным. У клиник, лабораторий, страховых компаний и других участников рынка до сих пор нет единого механизма обмена медицинскими данными. Информация хранится в разных системах и форматах, поэтому внедрение новых технологий происходит значительно медленнее, чем во многих других отраслях. За последние несколько лет, работая над собственным MedTech-проектом «Я здоров», мы глубоко погрузились в то, как устроено взаимодействие пациента с клиникой за пределами приёма врача. Этот опыт позволил нам увидеть одну из ключевых задач, с которой сегодня сталкиваются медицинские организации. ⚠️ Коммуникация с пациентом нередко заканчивается сразу после визита. Несмотря на заинтересованность клиник в долгосрочных отношениях, после приёма они зачастую теряют возможность поддерживать регулярный контакт с человеком, а вместе с этим — влиять на возвращаемость пациентов и рост LTV. Особенно актуальной эта задача становится сегодня, когда стоимость привлечения нового пациента продолжает расти и в ряде случаев уже сопоставима со стоимостью первичного приёма. Именно поэтому мы создали мобильное приложение для клиник на базе платформы «Я здоров», которое помогает сохранять контакт с пациентом после визита, выстраивать долгосрочное взаимодействие и создавать дополнительную ценность для пациентов за пределами приёма врача. Сохранить контакт с пациентом — важно. Но ещё важнее понимать, чем клиника может быть полезна человеку между визитами. Подробнее об этом рассказываем в нашей новой статье 🫰

🫰 Как автоматизировать подбор сложной продукции внутри интернет-магазина: разработали инженерный калькулятор для КМ1 В промышленном e-commerce далеко не всю продукцию можно продавать как обычный товар из каталога — особенно когда речь идёт о сложных инженерных системах, где подбор зависит от параметров объекта, нагрузок, совместимости комплектующих и технической документации. С такой задачей к нам пришёл KM1 — производитель металлоконструкций, кабеленесущих систем и решений для промышленной инфраструктуры. Компания развивает интернет-магазин и хотела перенести часть инженерной логики в digital: дать пользователям возможность самостоятельно получать расчёт продукции, подбор комплектующих и готовую смету прямо внутри сайта. Речь шла о промышленном фальшполе — системе пола на регулируемых опорах, под которой размещаются кабели и инженерные коммуникации. Раньше для расчетов инженеры и проектировщики работали с документацией, Excel-таблицами и внутренними расчетными материалами компании. Задача была в том, чтобы перенести эту логику на сайт и сделать расчёт частью цифровой инфраструктуры бизнеса. В результате сайт стал не просто точкой продаж, а рабочим инструментом для инженеров, проектировщиков и клиентов компании. Пользователь может получить готовый расчёт и спецификацию прямо внутри сайта, а бизнес — сократить количество ручных операций, ускорить часть инженерных процессов и работу с подбором продукции. После запуска первого калькулятора KM1 увидел рост продаж и продолжил развитие этого направления, передав нам в работу следующие сервисы для подбора и расчёта продукции. 🔥 В кейсе подробнее рассказали, как реализовали расчетную логику сервиса, и как подобные решения встраиваются в реальные процессы в Ecom и PromTech. Подробнее — на нашем сайте.

🫰 Сайт компании всё чаще становится полноценной системой, через который бизнес автоматизирует процессы, работает с данными и помогает клиенту принять решение о покупке. Так, недавно мы реализовали для промышленной компании сервис для расчёта фальшпола. Пользователь вводит параметры объекта на сайте, а система рассчитывает нагрузки, подбирает комплектующие и формирует готовую смету. Так совпало, что во время работы над проектом, на рынке обсуждали случай с обрушением похожей конструкции на одном из объектов. Прямой связи с подобными сервисами там не было, но сама ситуация еще раз показала, насколько критичными становятся точность расчётов, логика автоматизации и качество данных, когда сайт начинает участвовать в реальных процессах компании. ❗️ И если в ручных процессах ошибка чаще всего остается локальной, то в автоматизации всё иначе: одна ошибка в логике или обработке данных может масштабируется на всю систему. 🔥 Подводя итог — сегодня сайт способен: • выстраивать работу с продуктом, каталогами и данными внутри единой системы, • брать на себя подбор продукции, расчеты и работу со спецификациями, • переводить часть клиентских и рабочих сценариев в digital, • масштабировать работу с большой номенклатурой и сложной структурой данных, • усиливать экспертизу компании через собственные digital-инструменты и сервисы. 👓 И чтобы сделать действительно полезный и для компании, и для пользователя сервис, необходимо глубоко погружаться в процессы бизнеса, понимать специфику продукта и проектировать систему с учётом того, как она будет работать в реальной эксплуатации.

Мы запускаем исследование рынка e-commerce совместно с агентством «Умный маркетинг» 🔥 🛒 За последние несколько лет маркетплейсы стали ключевым каналом продаж для значительной части e-commerce-компаний, и в ряде случаев — основной точкой формирования выручки. Одновременно продолжается изменение условий работы на платформах: повышаются комиссии, усложняются правила взаимодействия продавцов с площадками, меняются механики ранжирования и распределения трафика. Это напрямую влияет на экономику продаж и уровень маржинальности бизнеса. На этом фоне нам важно понять, как e-commerce компании адаптируются к изменениям и какие решения принимают для сохранения и роста объемов продаж. 🔍 В рамках исследования мы выясним: — как изменились условия работы с маркетплейсами за последние 2–3 года: рост комиссий и стоимости услуг, изменение алгоритмов органической выдачи, рост конкуренции и т. д.; — как торговые компании выстраивают баланс между маркетплейсами и собственными каналами продаж; — как развивают собственные интернет-магазины и мобильные приложения; — как меняется маркетинговая стратегия в условиях растущей зависимости от платформ; — какие видят драйверы и барьеры масштабирования e-commerce. Исследование проводится в 2 этапа: 📁 На первом этапе для сбора данных мы проводим серию глубинных интервью с владельцами и руководителями e-commerce-направлений. Формат — онлайн-интервью 40–50 минут. Участие конфиденциальное. Участники получат ранний доступ к итоговому аналитическому отчёту. Второй этап — массовый онлайн-опрос для подтверждения выявленных на серии глубинных интервью гипотез. ❗️ Если вы работаете в e-commerce и готовы поделиться опытом — зарегистрируйтесь в боте для участников исследования, и мы свяжемся с Вами в ближайшее время.

📦 Доставка как инструмент роста: как интернет-магазинам конкурировать с маркетплейсами В e-commerce доставка давно перестала быть просто «последним шагом» в оформлении заказа. Сегодня это один из ключевых факторов конкуренции — особенно на фоне маркетплейсов, которые приучили покупателей к доставке на следующий день в пункт выдачи рядом с домом. ❗️Но для интернет-магазинов брендов и розничных сетей задача гораздо сложнее: им нужно приблизиться к этому уровню удобства, не разрушив экономику своего бизнеса. Бесплатная доставка «как у маркетплейсов» в таком случае — не стратегия. Необходим правильно спроектированный продукт, где логистика становится частью цифрового решения. В новой статье рассказываем, почему доставка — это не отдельный модуль, а продуктовая задача, которую необходимо учитывать уже на этапе разработки интернет-магазина или мобильного приложения. Разбираем, как балансировать между ожиданиями пользователя, операционными ограничениями бизнеса и технической реализацией. На практике функционал доставки обычно требует индивидуальной архитектуры решений. Например, среди наших клиентов есть такие кейсы: ⛏ В DIY-сети «Строй-С», где покупатель может заказать и один шуруповёрт, и целую машину стройматериалов, мы разработали систему расчёта доставки, учитывающую вес, габариты, этаж, наличие лифта и срочность заказа. Алгоритм автоматически подбирает транспорт и объединяет заказы в сборные маршруты, снижая логистические затраты без ухудшения клиентского опыта. 🚗 Другой пример — международная платформа Yacar, через которую автомобили покупаются на японских аукционах и доставляются в Россию. Здесь доставка включает не только транспортировку, но и сложную цепочку процессов: расчёт стоимости, документы, валютные операции и работу с границей. Мы создали интерфейс, который сопровождает пользователя на каждом этапе и помогает менеджерам быстро находить оптимальный сценарий доставки. О том, как выгодно связывать пользовательский опыт, бизнес-экономику и реальные логистические процессы — читайте в статье на нашем сайте ✌️

🔥 Новый выпуск подкаста «Лучшее время» — о роли ИИ в разработке лекарств и борьбе со старением. Директор Центра ИИ-разработки новых лекарственных препаратов AIDD Института AIRI Артур Кадурин рассказал: ⁃ о механизмах действия лекарств; ⁃ какие этапы есть в разработке лекарств и сколько стоит создание препарата; ⁃ как ИИ уже сократил первый этап разработки лекарств до 40 дней; ⁃ Google разработал революционный инструмент для фармы на базе ИИ — это программа AlphaFold для предсказания пространственной структуры белков и их взаимодействия — могла ли компания из России создать его раньше? Центр AIDD — совместный проект Института AIRI и Сбера. В цели AIDD входит: • внедрение ИИ в процесс разработки лекарственных препаратов; • развитие персонализированной медицины с помощью ИИ-плафтормы для анализа биомедицинских данных. Отдельно обсудили будущее здравоохранения: ⁃ на какую продолжительность жизни мы можем рассчитывать; ⁃ как носимые устройства и искусственный интеллект повысят вовлеченность людей в свое лечение; ⁃ связь полетов на Марс и разработки лекарств; ⁃ возможно ли персонализированное лекарство для каждого. Смотрите выпуск: 📺 YouTube 📺 ВК видео 🎵 Яндекс.Музыка

Опубликовали запись вебинара про внедрение AI в E-commerce 🔥 На эфире обсудили ключевые сценарии и лучшие кейсы применения AI в бизнес-процессах в e-commerce. Разговор был не про тренды, а про зрелый подход к автоматизации с помощью AI. Про то, как подготовиться к внедрению ИИ, какие процессы автоматизировать в первую очередь, и почему вообще AI — не «волшебная таблетка», а инструмент, требующий системной подготовки. На вебинаре подробно разобрали: — с каких процессов и метрик начинать пилот, чтобы увидеть измеримый результат уже в первые месяцы, — типовые ошибки при внедрении AI и почему многие проекты не доходят до роста прибыли и сокращения кастов, — реальные кейсы: автоматизация генерации контента, оптимизации поиска, рекомендаций, структуры каталога, ценообразования с помощью ИИ, — что лучше — готовые B2B-решения или кастомная разработка: где можно сэкономить время, а где необходима индивидуальная архитектура. Если пропустили эфир или хотите пересмотреть отдельные блоки — смотрите запись на наших площадках: 📺 YouTube 📺 VK видео P. S. В этом году мы будем регулярно проводить вебинары с приглашенными экспертами — все анонсы будут здесь и в нашем боте.

Где ИИ — быстрый выигрыш, а где — марафон? Не все ИИ-проекты одинаковы. Одни окупаются за несколько недель, другие требуют от нескольких месяцев до года, и перестройки всей операционки. Разница заключается не в технологии, а в зрелости процесса и качестве данных. — рассказывает наш руководитель AI-направления Карина Садова. Быстрый эффект: где ИИ «зажигает» за недели 1️⃣ Триггерные рассылки Это автоматические сообщения (письма, push-уведомления, SMS), которые отправляются клиенту в ответ на конкретное действие или событие — триггер. Не массовая рассылка всем и сразу, а персонализированный контакт в нужный момент. 🔥 Цепочка простая и понятная: четкое событие > простая модель > измеримый результат. Получаем +15–35% к возобновлению брошенных корзин за 30 дней 2️⃣ Классификация обращений в поддержку Текст обращения > определение категории > точная маршрутизация обращения. Можно добиться сокращения времени первого ответа на 40–60%, а если прикрутить еще и LLM+RAG для автоматизации первой линии ответов на основе инструкций для специалистов поддержки, то можно еще и штат сотрудников оптимизировать на 20-60% (в зависимости от того, какой процент всех вопросов клиента именно в вашем случае занимают простые). 3️⃣ Динамические цены на остатки Достаточно узкая и понятная цель: распродажа залежавшегося товара. Алгоритм реагирует на остатки товара, и время, которое они провели на складе. Можно добиться снижения «мёртвого» ассортимента на 20–30% за квартал. 4️⃣ Генерация описаний под SEO поисковых движков и SEO AI-скрапперов По заданным шаблонам (или без них), атрибутам товара создать описания, кейсы использования. Может быть описания товара и не влияют на конверсию напрямую, но это экономит часы копирайтеров, а также приводит трафик на сайт и к контент. Как итог: 80% карточек обновлены за 2 недели вместо 3 месяцев Почему эти истории работают быстро: • Узкая задача без пересечения отделов • Чистый вход: событие, текст, остаток • Прямая метрика: конверсия, время, складские показатели Теперь перейдем к историям с долгосрочными проектами. Долгая инвестиция: красиво в теории, дорого на практике 1️⃣ Персонализация «от клика до покупки» Требует единого профиля клиента: сайт + приложение + оффлайн + возвраты. В 90% проектов данные фрагментированы. 1-2 месяца уйдет на интеграцию данных, и еще 1-2 месяца на обучение модели 2️⃣ Прогноз спроса на 10 000+ SKU Прогноз будет очень чувствителен к шуму в данных: промо без маркировки, ручные закупки, ошибки в категориях. Поэтому, чтобы алгоритм не учился на шуме, нужно инвестировать первые пару месяцев только в отладку данных. 3️⃣ Полная автоматизация чат-поддержки Требует идеальной синхронизации: склад, маркетинг, логистика. Даже одна дыра в бизнес-процесее приведет к росту жалоб. Поэтому достижение 70%+ автоматизации без падения NPS занимает займет порядка 6-8 месяцев. Почему проект может быть долгим: • Задача пересекает границы отделов • Зависит от качества исторических данных • Метрика успеха расплывчата («лучше, чем было») Подведем итоги — как не ошибиться с выбором старта 🔥 Запускайте ИИ быстро там, где: • Процесс уже выстроен вручную (есть «как сейчас» / as is) • Данные живут в одном месте и структурированы • Эффект измеряется одной метрикой за ≤15-30 дней Занимайтесь подготовительными этапами, если: • Задачи со склейкой 3+ источников • Модели, где ошибка = прямой убыток (ценники, закупки) • «Умные» фичи без чёткого бизнес-кейса («хочу как у Amazon») ❗️ Выбирайте точку входа по зрелости процесса, а не по привлекательности технологии, и эффекты не заставят себя ждать. А чтобы узнать про внедрение AI в e-commerce подробнее, приходите на наш сегодняшний вебинар 🫰 Регистрация — через наш бот.

От статичного каталога к живому инструменту продаж: как превратить потерянных пользователей в покупателей Многие крупные онлайн-магазины теряют часть выручки не из-за трафика, а из-за архитектуры каталога. 🔨 Так, в прошлом году к нам обратился DIY-ритейлер с тысячами SKU и сотнями категорий. Трафик у магазина высокий, маркетинговые бюджеты — миллионные. А конверсия из каталога в корзину — всего 0,8%. Мы проанализировали интернет-магазин, и поняли, что пользователи «ходили» по сайту, но: — им приходилось делать по 5–7 кликов до нужного товара, — они путались в многоуровневой структуре каталога, — сталкивались с пустыми и дублирующимися разделами, — и уходили, так и не купив. Поэтому мы пересобрали дерево каталога с опорой на реальные пользовательские сценарии и ML: — проанализировали поведение, заказы, сезонность и паттерны покупок; — убрали избыточную глубину и пустые категории; — перестроили структуру под задачи пользователей, а не формальную иерархию; внедрили персонализированное ранжирование категорий и товаров; — добавили автоматические подборки под реальные сценарии покупок. 🔥 По сути, каталог перестал быть статичным справочником и стал живой системой, которая подстраивается под спрос, сезонность и поведение каждого конкретного покупателя. 📈 Мы получили следующие результаты: — конверсия в корзину выросла с 0,8% до 2,1%, — доля “потерянных” сессий сократилась на 27%, — выручка увеличилась на 198% без роста рекламных бюджетов. Бизнес начал зарабатывать больше на том же объеме трафика. На вебинаре завтра мы разберём, как AI масштабируется дальше: от повышения конверсии до оптимизации процессов на бэк-офисе. Регистрируйтесь на него в нашем боте 🫰

✌️ Почему ИИ не работает в e-commerce — и что с этим делать Большинство компаний внедряют ИИ как «волшебную таблетку»: подключают чат-бот, алгоритм рекомендаций или динамическое ценообразование — и ждут мгновенного роста конверсии. Затем получают результат: +2–3% на пилоте, чувствуют разочарование, и замораживают проект. Но причина не в технологиях, а в трёх системных ошибках. В каких именно — разобрала наш руководитель AI-направления Карина Садова. ❗️ Ошибка №1: Плохие данные Это встречается почти в каждом проекте • Большая разрозненность и фрагментация данных: например, заказы - в 1С, поведение на сайте - в Яндекс.Метрике, общение с пользователями - в чатах в мессенджерах. Весь объем данных не используется и не анализируется. ИИ учится на обрывках, не используя весь контекст. Перед внедрением ИИ не производится должная аналитика, не выявляются основные проблемы, не формулируются продуктовые гипотезы о том, какие конкретно процессы сейчас проседают, и где внедрение ИИ нужно впервую очередь • Грязь и шум в данных как норма: 30–40% заказов остаются без корректного присвоения источника трафика, постоянные ручные правки в Excel перед отчётностью. Алгоритм усиливает шум вместо реального сигнала • Нет событийной модели, логирования: фиксируется только факт покупки, но не путь к ней (сравнение цен, просмотр отзывов, возврат к карточке). Без этого ИИ не понять, почему клиент купил (да и человек не разберется) ❗️ Ошибка №2: автоматизация изначально плохого процесса Поставить плохой процесс на автомат — значит ускорить рост своих убытков ИИ не исправляет процессы - он их масштабирует Пример: чат-бот для поддержки при несогласованных акциях маркетинга и склада: бот обещал скидку 20%, клиент переходил на кассу - скидки нет. Получаем и отток, и негативные отзывы. При этом метрики могут даже падать не сразу: первые 2-3 недели может происходить иллюзия роста (тк новизна вызывает ажиотаж), затем начнется этап провала ретеншена и рост костов обслуживания ❗️ Ошибка №3: плохо определенная метрика успеха Компании часто говорят: «Хотим повысить продажи с помощью ИИ» — и этого достаточно. Это не цель, это пожелание. Без чёткого ответа на вопрос, как мы поймём через 60 дней, что ИИ работает, проект обречён на три сценария: 1️⃣Сценарий 1. Иллюзия роста ИИ для рекомендаций поднял средний чек на 8%. Отлично? Не особо, если маржа упала на 15%, потому что алгоритм агрессивно толкал низкомаржинальные позиции. Метрика «продажи» росла, но бизнес терял деньги. Без привязки к марже или пожизненной ценности клиента (LTV) результат может быть обманчив. 2️⃣ Сценарий 2. Конфликт отделов Маркетинг считает успехом рост конверсии из чат-бота (+22%), но при этом служба поддержки видит рост жалоб (+40%) из-за шаблонных ответов бота. Кто прав? Без единой метрики, привязанной к бизнес-результату (например, «снижение костов обслуживания при сохранении NPS > 40»), оценка становится слишком субъективной. 3️⃣ Сценарий 3. Бесконечный пилот Проект «висит» 9 месяцев: то метрика нестабильна, то сезонность мешает, то «нужно больше данных». Причина в том, что изначально не были зафиксированы ни базовый уровень метрики до внедрения, ни минимально значимый эффект (например, +5% конверсии или ничего), ни горизонт измерения (например, 30/60/90 дней). Без этого нет точки останова — ни для масштабирования, ни для закрытия. Таким образом, внедрение ИИ начинается не с модели. Оно начинается с выстраивания: 1. Чистых и связанных данных 2. Аккуратно выстроенных бизнес-процессов 3. Чёткого определения метрики успеха до запуска Без этого даже самый продвинутый алгоритм станет дорогим способом ускорить существующие проблемы. О том, как компании выходят из бесконечных ИИ-пилотов к стабильному росту показателей, расскажем на вебинаре уже в этот четверг, 19 февраля. Регистрируйтесь на него в нашем боте 🫰

ИИ — уже не опция, а операционная норма Через несколько лет магазин без ИИ будет выглядеть так же странно, как магазин без терминала онлайн-банкинга сегодня. Не потому что это модно, а потому что клиенты «голосуют рублём» за скорость, точность и персонализацию. При этом ИИ уже доступен не только гигантам — его также может внедрять и малый бизнес. Главное — перестать считать его «красивым бантиком» и начать строить вокруг него операционную основу, вдумчиво внедряя в существующие бизнес-процессы. О том, где без внедрения ИИ вы теряете прибыль, и какие изменения стоит привнести в свой бизнес в ближайшее время, рассказала Карина Садова — наш руководитель AI-направления. Где без ИИ вы теряете деньги: • Ценообразование: фиксированные цены = потеря маржи в пике спроса или упущенные продажи при агрессивной конкуренции • Ассортимент: перезакуп популярных позиций и завал склада непродаваемым — из-за отсутствия адекватного прогноза спроса • Логистика: неоптимальные маршруты, ошибки комплектации, задержки — растущие издержки без видимой причины • Маркетинг: массовые рассылки с конверсией 0,5% вместо триггерных цепочек под психологию пользователя • Поддержка: долгие и невнимательные ответы = уход клиента к конкуренту за 2 минуты Изменения, которые уже свершились: Ожидание мгновенности, но при этом качественности результата для покупателей стало нормой: решение о покупке — за 8–12 секунд среди 3+ конкурентов на одной странице. Иллюзорная персонализация (например, «Привет, [Имя]») уже давно не работает — нужны конкретные рекомендации под текущий контекст. Клиенты не прощают ручных процессов: если статус заказа не обновляется автоматически — они сначала нервничают, а затем уходят. Откладывая ИИ, бизнес накапливает операционный долг: • конкуренты забирают маржу через динамическое ценообразование • команда тонет в рутине вместо развития бренда • реакция на тренды с опозданием на сезон = списание запасов • таланты уходят туда, где технологии освобождают от монотонности Будущее за теми, кто делегирует алгоритмам рутину: прогнозы, сегментацию, базовую поддержку, себе же оставляя стратегию и глубокое понимание потребностей клиента (на основе информации, собранной и обработанной через ИИ инструменты) и потребностей своего бизнеса. ИИ — это уже давно не только про технологии, это про перераспределение внимания, когда алгоритмы обрабатывают данные, а люди принимают взвешенные решения, основанные на реальных данных. Это операционное преимущество и устойчивость бизнеса: чем больше рутины делегировано алгоритмам, тем быстрее реакция на изменения рынка. Подробнее о внедрении AI в бизнес-процессы в E-commerce поговорим на вебинаре 19-го февраля. Регистрируйтесь через наш бот 🫰

AI-пайплайн генерации контента для e-commerce: архитектура, метрики, результаты Тысячи SKU, требования SEO, персонализация для клиентов — ручное создание контента для интернет-магазинов больше не масштабируется. В новом кейсе Карина Садова — наш руководитель AI-направления — рассказывает, как автоматизировать значительную часть контента с помощью AI 🔥 Карина показала, как мы выстраиваем генерацию как полноценный пайплайн, встроенный в операционные процессы наших клиентов из e-commerce: — при добавлении товара в CMS автоматически формируются описания, SEO-тексты, отзывы и т. д.; — контент сразу адаптируется под разные сегменты аудитории и каналы: сайт, e-mail, соцсети, маркетплейсы; — управление качеством и стилем обеспечивается через промпт-архитектуру, RAG на данных каталога и кастомизацию моделей под бренд. Кроме этого, в кейсе разбираем: — какие типы контента уже сегодня возможно автоматизировать на 70–80%; — как строится архитектура генерации, рассчитанная на тысячи товаров и постоянные обновления; — как AI интегрируется с CMS, CRM и маркетинговыми инструментами; — где все еще необходим контроль человека и как выстроить его без потери скорости. И, главное, какие бизнес-результаты генерация контента с помощью AI даёт на практике нашим клиентам: — ускорение вывода товаров в каталог в 5–10 раз; — рост органического трафика до +40% за счёт Semantic SEO; — увеличение конверсии в карточках на 15–20%; — снижение затрат на контент до 60% Читайте кейс на нашем сайте ❗️ А на ближайшем вебинаре Карина расскажет про внедрение AI в e-commerce подробнее: какие типовые ошибки компании допускают при внедрении AI в контент, маркетинг и операционку, и с каких метрик и пилотных сценариев начинать, чтобы эффект был заметен уже в первые месяцы. Участие бесплатное, зарегистрироваться на вебинар можно через наш бот 🫰