Кейс: Как интернет-магазин увеличил конверсию на 34% с AI-консультантом, который продаёт 24/7
Представьте: клиент заходит в ваш интернет-магазин в 23:47. Смотрит три модели наушников, не может выбрать между ними. Кнопка «Написать консультанту» — но консультант ушёл домой в 18:00. Клиент закрывает вкладку. Вы только что потеряли 8 700 ₽.
Как интернет-магазин увеличил конверсию на 34% с AI-консультантом, который продаёт 24/7
Представьте: клиент заходит в ваш интернет-магазин в 23:47. Смотрит три модели наушников, не может выбрать между ними. Кнопка «Написать консультанту» — но консультант ушёл домой в 18:00. Клиент закрывает вкладку. Вы только что потеряли 8 700 ₽.
Это не гипотетическая ситуация. Это ежедневная реальность интернет-магазина TechPoint*, который продаёт электронику и аксессуары через собственный сайт.
*Название изменено по просьбе клиента. Данные реальные.
Проблема: 73% посетителей уходят без покупки в нерабочее время
Команда TechPoint проанализировала Яндекс.Метрику и обнаружила неприятную картину:
Рабочие часы (10:00–19:00)
- Посетители: 58% от общего трафика
- Конверсия в заказ: 3.2%
- Средний чек: 6 400 ₽
- Обращения в чат: 340/мес
Нерабочее время
- Посетители: 42% от общего трафика
- Конверсия в заказ: 0.87%
- Средний чек: 4 100 ₽
- Обращения в чат: 12/мес (автоответ)
42% трафика приходило в нерабочее время, но конверсия падала в 3.7 раза. Причина очевидна: у людей были вопросы, а отвечать было некому.
Потери в деньгах: при среднем трафике 28 000 посещений/мес магазин недополучал примерно 420 000 ₽/мес из-за низкой конверсии вне рабочего графика.
Почему не помогли стандартные решения
TechPoint уже пробовал:
- FAQ-раздел — посетители его не читают (показатель отказов на странице FAQ — 89%)
- Виджет обратного звонка — работает только днём, ночные заявки обрабатывались утром, когда клиент уже забыл о покупке
- Простой чат-бот на кнопках — 5 заготовленных сценариев покрывали только 15% вопросов, остальные уходили в «Оставьте заявку, мы перезвоним»
Проблема в том, что покупатель электроники задаёт специфические вопросы: «Подойдут ли эти наушники к моему Samsung A54?», «Чем отличается версия Pro от обычной?», «Какой powerbank потянет ноутбук?». Кнопочный бот такое не потянет.
Решение: AI-агент, который знает весь каталог
В сентябре 2024 TechPoint подключил AI-агента на платформе AgentQ. Вот как выглядел процесс:
Шаг 1. Загрузка базы знаний (30 минут)
Агенту «скормили» три источника:
- Каталог товаров — выгрузка из RetailCRM в формате CSV (1 200 позиций с характеристиками, ценами, остатками)
- Сайт магазина — автоматический краулинг 47 страниц с описаниями, условиями доставки, гарантией и возвратом
- FAQ менеджеров — 85 пар «вопрос-ответ», собранных из реальных переписок за последние 3 месяца
AgentQ автоматически обработал всю информацию и создал векторную базу знаний. Агент мог отвечать на вопросы по любому товару, зная актуальные цены и наличие.
Шаг 2. Настройка промпта и поведения (20 минут)
Использовали шаблон «AI-продавец для e-commerce» и доработали:
Роль: Ты — консультант интернет-магазина TechPoint.
Цель: Помочь клиенту выбрать товар и оформить заказ.
Правила:
- Если клиент сомневается между моделями — сравни их по ключевым параметрам
- Предлагай аксессуары к основному товару (чехол, защитное стекло, зарядка)
- Если товара нет в наличии — предложи аналог из того же ценового сегмента
- Если клиент готов к покупке — отправь ссылку на оформление заказа
- Если вопрос выходит за рамки компетенции — передай диалог менеджеру
Шаг 3. Подключение каналов (15 минут)
- Виджет на сайте — заменил старый чат. AI-агент отвечает мгновенно, 24/7
- Telegram-бот — для клиентов, которые предпочитают мессенджеры
Шаг 4. Интеграция с RetailCRM и ЮKassa
- Агент проверяет наличие товара в реальном времени через API RetailCRM
- При готовности клиента к покупке — формирует ссылку на оплату через ЮKassa
- После оплаты — заказ автоматически создаётся в RetailCRM
Первые 2 недели: адаптация и обучение
Первую неделю агент работал в «мягком режиме»: все диалоги дублировались менеджерам для контроля.
Что обнаружили
Проблема 1: Агент не знал про акцию «3 аксессуара по цене 2», потому что информация была только на баннере, а не в текстах сайта.
Решение: Добавили текстовый блок с описанием всех текущих акций в базу знаний. Обновление заняло 2 минуты.
Проблема 2: На вопрос «Есть доставка в Краснодар?» агент отвечал «Доставка по всей России», не уточняя сроки.
Решение: Добавили таблицу сроков доставки по регионам в FAQ-базу.
Проблема 3: 8% клиентов начинали диалог с матерного слова (проверяли, бот или нет).
Решение: В промпте прописали дружелюбную реакцию: «Понимаю, это может раздражать — но я здесь, чтобы помочь с выбором. Чем интересуетесь?»
После второй недели менеджеры перестали находить ошибки в ответах агента. Мониторинг перевели в режим выборочной проверки (10 случайных диалогов в день).
Результаты за 3 месяца
Ключевые метрики
Ключевые метрики
- Конверсия (общая): 2.2% → 2.95% — +34%
- Конверсия (нерабочее время): 0.87% → 2.4% — +176%
- Средний чек: 5 600 ₽ → 6 610 ₽ — +18%
- Время первого ответа: 4 мин 20 сек → 2.8 сек — в 93 раза быстрее
- Обращения, закрытые без менеджера: 78%
- Допродажи (аксессуары): 12% → 31% заказов — +158%
Финансовый результат
- Дополнительная выручка: ~580 000 ₽/мес (за счёт роста конверсии и среднего чека)
- Экономия на персонале: 45 000 ₽/мес (убрали ночную смену оператора)
- Стоимость AgentQ: тариф «Про» — 6 990 ₽/мес
- ROI: ~8 800%
Рост среднего чека: почему +18%
AI-агент стал предлагать аксессуары естественнее, чем менеджеры-люди. Пример реального диалога:
Клиент: Хочу заказать JBL Tune 520BT
AI-агент: Отличный выбор! JBL Tune 520BT — одни из лучших накладных наушников в своей ценовой категории. Звук сбалансированный, аккумулятора хватает на 57 часов.
Кстати, к ним часто берут жёсткий кейс для переноски (590 ₽) — защищает от ударов в рюкзаке. И сейчас действует акция: 3 аксессуара по цене 2. Хотите посмотреть варианты?
Клиент: Давай, покажи кейс
Менеджер-человек в потоке заказов часто забывает предложить аксессуары. AI-агент делает это в каждом диалоге — вежливо и к месту.
Как повторить этот результат для своего магазина
1. Подготовьте базу знаний
Вам понадобятся:
- Выгрузка каталога с ценами и характеристиками (CSV, Excel, или URL каталога)
- Описание условий доставки, оплаты, возврата, гарантии
- 30–50 реальных вопросов клиентов с ответами (выгрузите из чата или почты)
2. Создайте AI-агента в AgentQ
- Зарегистрируйтесь на agentq.ru
- Выберите шаблон «AI-продавец для e-commerce»
- Загрузите подготовленные материалы
- Настройте промпт под тон вашего бренда
3. Подключите каналы
Установите виджет на сайт (одна строка кода) и подключите мессенджеры, которые используют ваши клиенты.
4. Настройте интеграции
Подключите CRM (Битрикс24, AmoCRM, RetailCRM) и платёжную систему (ЮKassa, RoboKassa), чтобы агент мог проверять наличие и принимать оплату.
5. Запустите в мягком режиме
Первую неделю контролируйте ответы агента. Дополняйте базу знаний, если находите пробелы. После стабилизации — масштабируйте.
Время на полную настройку: 1–2 часа
Первые результаты: через 3–5 дней (после набора статистики)
Окупаемость: с первого месяца при трафике от 5 000 посещений/мес