Сеть магазинов одежды · 30+ локаций · 2026
AI Cross-sell Stylist — стилист, который работает на всю сеть 24/7
Хороший продавец никогда не скажет «вот ваше платье, до свидания». Он скажет: «а вы видели этот ремень? Он из той же коллекции». Хороших продавцов мало, и они не работают 24/7. AI стал таким стилистом — для всех магазинов одновременно.
// Контекст бизнеса
Сеть из 30+ магазинов одежды. Женская коллекция + мужская + аксессуары. Ключевой канал роста — повторные покупки и cross-sell аксессуаров.
В физическом магазине опытный продавец видит, что ты выбираешь, и предлагает дополнить образ — аксессуары, вещи из той же коллекции. Он знает, что с чем сочетается. В онлайне этого нет: есть только блок «похожие товары», который обычно показывает ещё десять таких же платьев.
// Что болело
- Качество консультации — лотерея. Магазины с лучшими продавцами-стилистами заметно опережали остальные по среднему чеку — но «масштабировать стилиста» наймом невозможно.
- Онлайн-канал без консультации. Покупатель наедине с каталогом — и допродажи почти не происходят.
- Каталог недоиспользован. Продаётся ядро ассортимента, а уместные аксессуары клиенты просто не видят.
- Cross-sell случайный. Стандартный «recommended for you» показывает товары без логики коллекций.
// Как я думал над задачей
Я начал не с «давайте поставим рекомендации», а с вопроса: почему магазины с лучшими продавцами продают больше? Ответ — стилист, который видит контекст. Значит, задача не «алгоритм рекомендаций», а «воспроизвести экспертный совет» — и это принципиально другой инструмент.
Большинство recommendation engines в retail — коллаборативная фильтрация: «кто купил этот — купил и тот». Для одежды это работает плохо: тому, кто купил платье, не нужна любая сумка. Ему нужна сумка, которая подходит.
Поэтому решение — AI-агент, который понимает стилистическую логику: сезон, цветовая палитра коллекции, drop, контекст. Vision-модель категоризирует каталог, а стилист отвечает в чате.
Разница между «похожие товары» и «к этому платью подойдёт этот ремень из новой коллекции» — это разница между алгоритмом и стилистом.
// Что умеет стилист — четыре принципа
Аксессуары к конкретной вещи: сумки, ремни, украшения, шарфы — по стилистической логике, не статистике.
Вещи из одной коллекции сочетаются лучше всего — стилист это знает и предлагает в пределах drop-а.
Знает, когда предложить, а когда промолчать. Если идёт распродажа — напомнит о скидках на уместные позиции.
Специфические размеры или кастомные запросы — эскалация на продавца ближайшего магазина с контекстом диалога.
// Stack
| Layer | Инструменты |
|---|---|
| AI brain | Claude с image vision (категоризация + рекомендации) |
| Catalog | API товарного каталога сети |
| Chat UI | Чат на сайте + мессенджеры сети |
| Hosting | Cloudflare Workers (edge, низкая задержка) |
| Storage | Сессии с ограниченным TTL, без PII |
| Analytics | Дашборд для владельцев: рекомендации, конверсия диалогов |
// Результат
- Допродажи ощущаются как совет стилиста, а не «купи ещё» — рекомендации в пределах коллекции, с учётом сезона и момента.
- Экспертиза лучшего продавца масштабирована на всю сеть — 24/7, без выходных и смен.
- Сложные запросы не теряются: эскалация на живого продавца с полным контекстом диалога.
- Владельцы видят в дашборде, какие коллекции и связки реально работают.
Конкретные коммерческие метрики сети — внутренние данные клиента, и я их не публикую. Здесь публикуется только то, что можно подтвердить. Как это выглядит для вашего каталога — можно посчитать на discovery.
// Что пошло не так — lessons learned
Первые версии были слишком напористые. Стилист «дожимал» — на каждый вопрос предлагал несколько дополнительных товаров, и клиенты чувствовали давление. Скорректировали промпт: максимум 1-2 уместных предложения, и только когда есть явный контекст.
Ошибки категоризации на новых drop-ах. Vision-модель путала evening и casual на отдельных тканях. Добавили human-in-the-loop: менеджер коллекций валидирует первые SKU нового drop-а, дальше AI перенимает.
Продавцы сначала воспринимали AI как угрозу. Со временем стало наоборот: стилист забирает «лёгкие» вопросы, продавцы фокусируются на сложных клиентах, куда AI сам и эскалирует.
// FAQ
Чем AI-стилист отличается от «recommended products» в Shopify? +
Стандартный recommended products работает на коллаборативной фильтрации — «купили этот товар, купили и вот этот». AI-стилист понимает контекст: к платью подбирает сумку правильного размера, к пальто — шарф из той же коллекции, с учётом сезонности и цвета. Это экспертный совет, не статистика.
Сколько стоит внедрить AI-стилиста? +
Зависит от размера каталога, каналов и глубины интеграции — оценку даёт команда Grow2.ai после discovery. Стратегическую часть — даст ли стилист рычаг именно вашему ассортименту и где — разбираем со мной на advisory-сессии.
Как AI знает о коллекциях, цветах, сезонности? +
Подключаемся к товарному каталогу через API магазина. Категоризируем товары через vision-модель (Claude с image input). Стилистические правила пишем вместе с менеджером коллекций — как brand guidelines.
Что делать с товарами, для которых AI ещё не «обучен»? +
Настраиваем graceful fallback: если уверенность низкая — AI честно говорит «у меня нет лучшей рекомендации для этой пары». Лучше тишина, чем плохая рекомендация, которая снижает доверие.
А что с данными клиентов — GDPR-совместимо? +
Да. AI-стилист не хранит PII (личные данные). Работает с анонимизированными session_id, история взаимодействий — с ограниченным сроком хранения. Никакой передачи третьим сторонам.
Автор кейса
Андрей Марьясов
AI-консультант, основатель Auspex (CRM-автоматизация) и Grow2.ai (AI-агенты + community). 25+ лет в автоматизации бизнеса: учёт → CRM → AI. Строю AI-стратегию для владельцев и команд; внедрение веду через собственные бренды.
// Другие кейсы
// Вывод
Выигрыш дала не модель, а переформулирование задачи: не «алгоритм рекомендаций», а «воспроизвести экспертный совет стилиста». Когда правильно названо то, что на самом деле нужно, выбор инструмента становится очевидным.
Реализовано через Grow2.ai — AI-агенты и recommendation-системы. Стратегию я строю лично; само внедрение ведёт команда Grow2 при моём активном участии.
У вас retail / e-commerce — и допродажи «как пойдёт»?
Начнём с разговора: где в вашем каталоге спрятан рычаг. Стратегию строим вместе, внедрение — через Grow2.
Личный advisory →