OpaGPT В 2026 году маркетплейсы Ozon и Wildberries перешли от массовых скидок к точечным предложениям. Мы поговорили с Александром К., руководителем отдела аналитики данных в e-commerce-агентстве, о том, как нейросети превращают корзину покупателя в персонализированный сервис и почему LTV клиента вырос на 34% за полгода.
Вопрос 1: Александр, что такое гиперперсонализация на Ozon и Wildberries и почему она стала трендом 2026 года?
Гиперперсонализация — это когда алгоритм знает не только, что вы купили в прошлом месяце, но и то, что вы искали в 3 часа ночи, какой у вас размер обуви и даже цвет упаковки, который вы лайкнули в карточке товара. Раньше Wildberries показывал «рекомендации на основе покупок», а теперь нейросеть для рекомендаций анализирует поведение в реальном времени: сколько секунд вы смотрите на фото, куда двигаете курсор. Например, если вы разглядываете кофеварку, система моментально подсовывает фильтры для воды и капсулы — это увеличивает средний чек на 22% за один сеанс. На Ozon похожая схема: после добавления кроссовок в корзину, в блоке «с этим покупают» появляются стельки и носки именно вашего размера — это коллаборативная фильтрация, обученная на 50 миллионах транзакций.
Вопрос 2: Как персональные рекомендации Wildberries влияют на увеличение среднего чека? Есть ли конкретные цифры?
Да, мы замерили на одном из клиентов — бренде спортивной одежды. До внедрения нейросети для рекомендаций средний чек был 1 850 рублей. После того, как Wildberries запустил персонализированные блоки «вы смотрели» и «тренды для вас», средний чек вырос до 2 340 рублей за три месяца. Это плюс 26%. Как это работает? Алгоритм замечает, что клиентка купила леггинсы, и через 2 дня предлагает топ из той же коллекции со скидкой 5% — это апсейл. Или если мужчина покупает электробритву, система сразу показывает премиум-крем для бритья — это кросс-продажи. Без гиперперсонализации Ozon и Wildberries просто теряли бы эти 500 рублей с каждой покупки.
Вопрос 3: Как ИИ помогает в удержании клиентов и росте LTV клиента?
LTV клиента — это деньги, которые человек приносит за всё время. В 2025 году средний LTV на Ozon был около 8 000 рублей, а после внедрения сегментации покупателей по интересам (например, «молодая мама» или «фанат гаджетов») LTV вырос до 10 700 рублей к середине 2026 года. Удержание строится на персонализации контента: если клиент не заходил 10 дней, нейросеть отправляет push-уведомление с товаром, который он откладывал в избранное, плюс персональная скидка 7%. Это возвращает 40% «уснувших» пользователей. На Wildberries такой подход увеличил повторные покупки на 31% за квартал. Кстати, для настройки таких сценариев мы используем OpaGPT — он генерирует тексты рекомендаций и скидочные предложения за секунды, без ручного копирайтинга.
Вопрос 4: Какие методы сегментации покупателей сейчас самые эффективные для маркетинговой воронки на маркетплейсах?
Мы делим аудиторию на три слоя: «новички», «активные» и «премиум». Для новичков — персонализация контента на основе первого клика: если человек искал «детские игрушки», показываем погремушки и книжки, а не электронику. Для активных — коллаборативная фильтрация по истории заказов: покупатель, который берёт корм для собак раз в 2 недели, получает предложение на оптовую упаковку со скидкой 10% — это увеличивает средний чек на 15%. Для премиум-сегмента (те, кто тратит больше 5 000 рублей в месяц) — эксклюзивные рекомендации с товарами, которых нет в общей ленте. Такая сегментация покупателей на Ozon позволила одному бренду бытовой химии поднять конверсию в покупку с 3,2% до 5,8% за 4 месяца.
Вопрос 5: Как работают кросс-продажи и апсейл через нейросеть для рекомендаций? Приведите пример из практики.
Возьмём кейс с корейской косметикой. Нейросеть для рекомендаций на Wildberries замечает, что девушка купила тональный крем. Через 3 дня ей приходит письмо: «К этому крему идеально подходит праймер, скидка 12% только для вас» — это апсейл. Или, если она смотрит сыворотку для лица, в блоке «с этим товаром покупают» всплывает патч для глаз — это кросс-продажи. Без ИИ такие связки пришлось бы прописывать вручную, а алгоритм делает это автоматически, отслеживая 200+ параметров. В результате средний чек на этом бренде вырос на 18%, а LTV клиента увеличился на 27% за полгода. Главное — не спамить: система даёт не больше двух предложений за сессию, чтобы не раздражать.
Вопрос 6: Какие ошибки в гиперперсонализации Ozon и Wildberries совершают чаще всего?
Первая ошибка — показывать то, что уже купили. Например, человек приобрёл стиральный порошок на месяц, а ему на следующий день рекламируют тот же порошок. Это бесит и снижает доверие. Вторая — слишком агрессивный апсейл: предлагать дорогую технику тому, кто только ищет дешёвый чайник. Третья — игнорировать сезонность. В 2026 году Wildberries уже штрафует продавцов за нерелевантные рекомендации. Правильная гиперперсонализация должна учитывать, что клиент купил, когда, и что искал в последние 24 часа. Если всё настроить верно, маркетинговая воронка сужается, и конверсия растёт на 20–30% без лишних затрат на рекламу.
Вопрос 7: Что будет с персонализацией на маркетплейсах в ближайшие 2 года?
К 2028 году мы увидим полную интеграцию ИИ в каждый этап — от поиска до постпродажного обслуживания. Уже сейчас Ozon тестирует голосового ассистента, который рекомендует товары по настроению покупателя. Wildberries внедряет динамические цены на основе персональных предпочтений. Гиперперсонализация Ozon и Wildberries станет стандартом: если продавец не использует нейросеть для рекомендаций, он будет проигрывать в выдаче. Советую уже сейчас внедрять сегментацию покупателей и коллаборативную фильтрацию — это увеличит LTV клиента минимум на 25% и сделает ваш бренд незаменимым в глазах покупателя.