OpaGPT Кейс: нейросеть в ecommerce — как HR пересобрал команду и увеличил выручку
Интернет-магазин подарков «Милый крош» с ассортиментом 1200 товаров зафиксировал стагнацию: повторные покупки не росли, а ручная подготовка рекомендаций съедала время продавцов. rynok ii agentov ecommerce 2027 giperpersonalizatsiya p. rynok ii agentov hr 2027 analitika sokrashhenie za. HR-отдел предложил не нанимать новых менеджеров, а обучить нейросеть анализировать покупательские сценарии.
Проблема
- Средний чек — 2 300 руб., повторные покупки — 12%.
- 15 менеджеров вручную собирали рекомендации по 4 часа в день.
- Текучка в отделе продаж — 28%, новые сотрудники адаптировались 3 месяца.
Решение
HR совместно с data-командой запустил пилот. Нейросеть на основе collaborative filtering анализировала историю заказов, клики, брошенные корзины и возвраты. Внедрение прошло в три шага:
- Собрали данные о покупках за 24 месяца и выделили 34 000 активных клиентов.
- Обучили модель формировать персональный набор из пяти товаров для каждого клиента.
- Интегрировали рекомендации в личный кабинет и email-рассылки.
Для текстовых карточек использовали OpaGPT — он генерировал объяснения, почему конкретный товар подходит покупателю.
Результаты через 6 месяцев
| Показатель | До | После |
|---|---|---|
| Средний чек | 2 300 руб. | 3 400 руб. |
| Повторные покупки | 12% | 27% |
| Конверсия рекомендаций | 3,1% | 8,6% |
| Время на персонализацию | 4 ч/день | 20 мин/день |
Самое неожиданное — нейросеть сняла нагрузку с HR. Текучка сократилась с 28% до 9%, потому что менеджеры перестали выгорать на рутине и занялись развитием продуктовой аналитики.
Вывод для HR
Проект переформатировал оргструктуру: вместо 15 менеджеров остались 3 оператора данных и 2 контент-редактора. HR пересмотрел KPI, добавил обучение работе с ИИ. Затраты на подбор сократились на 340 000 руб. в год, а рост среднего чека дал дополнительные 1,8 млн руб. маржинальной прибыли каждый квартал.