Торговый нейропуть: как анализ отзывов с помощью ИИ повысит продажи

Быстрая эволюция искусственного интеллекта открыла новые перспективы для бизнеса в сфере клиентского опыта. Интеграция генеративного ИИ позволяет командам быстро и последовательно реагировать на большой объем запросов. На основе генеративных сетей Napoleon IT предложили первую в РФ технологию интеллектуального анализа и суммирования отзывов на маркетплейсах для производителей товара. Похожий продукт для клиентов банка анонсировал «Тинькофф». Кроме того, в этом месяце «Яндекс» представил особую систему для клиентов «Яндекс Маркета». Как технология повлияет на продавцов и маркетплейсы, разбирались «Известия».

Генеративный ИИ способен создавать персонализированные рекомендации по продуктам, разрабатывать уникальные маркетинговые компании и даже чат-ботов. При этом, согласно данным G2 Crowd и Heinz Marketing, как минимум 71% B2B-покупателей изучают отзывы, пока выбирают товар или услугу. Менеджер практики «Стратегия продаж и маркетинга» компании «Рексофт Консалтинг» Иван Аксенов отмечает, что технологии ИИ помогают определить тональность отзывов (покупатель доволен в целом или раздражен). Затем уже из отрицательных отзывов отдельно выделяются основные темы, над которыми надо работать ритейлеру.

Усредненную механику работы сервисов анализа отзывов описал «Известиям» директор по развитию бизнеса направления e-commerce в ГК «Корус Консалтинг» Вячеслав Коган. Сначала ИИ аккумулирует отзывы, оценки, комментарии и текстовые обзоры с маркетплейса и обрабатывает их, чтобы удалить лишние символы, привести к общему формату, разделить на отдельные предложения, слова, фразы. Затем с помощью машинного обучения, нейронных сетей или статистических методов анализируется тональность. Извлекаются наиболее часто встречающиеся ключевые фразы и слова, чтобы выделить основные темы обсуждений в отзывах. Наконец, ИИ группирует данные по темам обсуждений и продуктам, на основе этих полученных и обработанных данных сеть создает краткие тексты-выводы.

Таким образом, технология в режиме реального времени позволяет собирать тысячи отзывов на товары и анализировать их с помощью GPT-моделей. Для Napoleon IT процесс анализа занимает чуть больше 20 минут. Пропускная способность сервиса — 1 млрд отзывов в сутки. Технология предоставляет определенную статистику из различных типов отзывов. Одновременно сервис занимается сортировкой и выбирает только реальные оценки клиентов.

Анализируя огромные объемы данных, интеллектуальная технология может генерировать новые идеи и стратегии для отдельных клиентов. Использование генеративного ИИ в клиентском опыте может трансформировать целые отрасли и изменить взаимодействие с брендами.

— Очевидно, AI-система отзывов призвана облегчить жизнь пользователям. Теперь вместо чтения и анализа десятков отдельных отзывов от разных покупателей товара можно изучить просто их краткую выжимку, что должно помочь процессу принятия решения о покупке, — заявил эксперт центра искусственного интеллекта «СКБ Контур» Дмитрий Иванков. — С другой стороны, это, конечно, должно позитивно повлиять и на сами маркетплейсы: пользователи будут тратить меньше времени на изучение товаров и быстрее совершать покупки, что, полагаю, увеличит в итоге объемы продаж.

Сервисы анализа отзывов — это существенная часть систем ORM (Online Reputation Manаgement), которые широко используются в рамках онлайн-продаж как в B2C, так и в B2B-сегменте. При этом Вячеслав Коган отмечает, что отзывы нужно не только собирать и обобщать, но и реагировать на них — особенно если они отрицательные.

В настоящее время ИИ — это не только экспертные системы, нейросети и машинное обучение, но и технология естественного языка. Роль последнего постоянно возрастает. В декабре 2018 года сообщалось, что за четыре года российский рынок ИИ вырастет в 40 раз. Помимо этого, динамика мирового рынка выглядит довольно впечатляюще. В 2024 году, по оценкам J.P. Morgan и McKinsey, вклад ИИ в мировой ВВП достигнет $750 млрд, а уже в 2030 году будет превышать $15,7 трлн.

— Сейчас активно внедряются инструменты ИИ для работы с отзывами как на платформах маркетплейсов, так и среди продавцов, — комментирует спикер СЕО-сервиса «Точка Маркетплейсы» Константин Канивец. — Маркетплейсам такие инструменты позволяют наиболее точно оценить качество товаров, услуг и самих отзывов. А поставщикам — улучшить качество ответа на отзывы, причем для небольших поставщиков это еще и возможность сэкономить на услугах копирайтера.

О генеративной системе на маркетплейсах высказался Максим Оганов, главный исполнительный директор и основатель Oganov.Digital. По его мнению, данные системы анализа отзывов пользуются популярностью в различных индустриях и среди производителей, маркетплейсов и ритейлеров. Они широко используются в интернет-торговле, туризме, ресторанном бизнесе и других отраслях, где отзывы пользователей имеют важное значение для принятия решений.

Интеллектуальный анализ может помогать в обнаружении проблем снижения продаж на российском рынке. AI-система elDinero Reviews проанализировала отзывы покупателей на маркетплейсах и выявила причину неактивной покупательской способности товара, после чего поставщик смог ее устранить. Другим случаем использования интеллектуальной системы стало создание новой коллекции в рамках AI Generative Product Hackathon. Благодаря elDinero Reviews удалось проанализировать отзывы покупателей прошлых коллекций и сделать выводы о предпочтении клиентов. Таким образом, генеративная модель составила рекомендации для новой линейки одежды.

— Napoleon IT первые в России начали использовать и внедрять технологию интеллектуального анализа и суммирования отзывов на маркетплейсах elDinero Reviews, и уже сейчас компания получает положительные отзывы от производителей товаров и крупнейших ритейлеров, — поясняет сооснователь Napoleon IT Руслан Ахтямов.

Дмитрий Иванков из «СКБ Контур» объясняет, что продавцы видят обычные отзывы и реагируют на них. Здесь ситуация не должна отличаться. Тем более что эта информация будет в открытом доступе на странице товара — непонятно, зачем ее специально скрывать от продавца.

Следовательно, выжимка отзывов поможет продавцу (как и покупателю) сформировать мнение о товаре и исправить недочеты.

Российские производители воспринимают интеллектуальную систему анализа отзывов неоднозначно. Некоторые компании активно внедряют подобные технологии для улучшения производимой продукции и продаж. Однако большинство предпринимателей утверждают о неподготовленности публики к использованию генеративных сетей.

Например, представители компании AMS Software полагают, что нейросети трудно определить общую тональность страницы, на которой есть несколько нейтральных, негативных и пара положительных отзывов. Только живой человек может качественно оценить смыслы и контекст, заложенные в отзыве. Поэтому компания не использует для анализа тональности нейросети, а проверяет содержание страниц вручную. Кроме того, согласно мнению AMS Software, среднему бизнесу нет необходимости в использовании подобной системы.

Противоположной точкой зрения поделился Дмитрий Иванков. Он считает, что использование интеллектуальной системы анализа не должно быть большой проблемой, а наоборот. Ведь суммаризация отзывов не означает их полную замену. У пользователей всё равно останется доступ к оригинальным сообщениям о товарах.

На международном уровне подобная технология помогла брендам выявить проблемы с товаром. Так, платформа Amazon с весны 2023 года начала тестирование функции в приложении для обобщения оценок клиентов определенных продуктов. Текст, созданный искусственным интеллектом, включает в себя комбинацию положительных и отрицательных оценок. Кроме того, в конце каждой характеристики указывается отказ от ответственности за то, что отзыв «создан искусственным интеллектом на основе оценок клиентов».

Однако встроенный в маркетплейс алгоритм не всегда может отличить настоящие отзывы от фейковых, ведь ИИ используется и для того, чтобы генерировать искусственные отзывы и обзоры, отмечает Вячеслав Коган. В настоящее время проблему решают разработчики.

Компания Amazon является не единственным примером применения интеллектуальной аналитики отзывов. Максим Оганов добавил, что подобные технологии встречаются в различных отраслях и секторах, включая интернет-торговлю, гостиничный бизнес, автомобильную индустрию, финансовые услуги и другие.

Сейчас на российском рынке происходит активная интеграция генеративных сетей в различных областях. elDinero Reviews и похожие программы, такие как YandexGPT, ChatGPT и Midjourney, используют систему интеллектуального анализа для обработки отзывов. Примеры из международной практики доказывают, что подобные инструменты аналитики помогают оперативно обнаружить и отреагировать на проблемы с товарами.

Бренд Vilet занимается разработкой спортивной коллекции одежды при помощи генеративных сетей и аналитики отзывов и трендов. Кроме того, магазин MAAG создает новую коллекцию одежды с использованием принтов и изображений, сгенерированных нейросетями. DUB также проводит анализ конкурентов, который основан на веб-запросах и реальном спросе пользователей. Система интеллектуального анализа рассчитана на разработку успешной стратегии развития брендов на территории России.