ИИ-агент для маркетплейсов: отзывы и вопросы

Отзывы на маркетплейсе — работа, которая никогда не заканчивается и никогда не выглядит важной. Сто карточек, у каждой поток вопросов и оценок, и каждый неотвеченный отзыв виден следующему покупателю. При этом девять из десяти обращений повторяют друг друга дословно.

Это почти идеальная задача для автоматизации: объём большой, разнообразие маленькое, источник правды известен.

Три канала внутри одного магазина

Первое, что стоит понять: на маркетплейсе обращения приходят не одним потоком. Вопрос под товаром, отзыв и чат с покупателем — технически разные каналы, и настраиваются они отдельно.

Для каждого типа можно отдельно решить, отвечает агент или нет: есть флаги «Ответы на отзывы» и «Ответы в чаты», а на Ozon — ещё и разделение отзывов с текстом и отзывов, где покупатель оставил только фото.

На Wildberries есть техническая тонкость на входе: токен нужно выпустить с категориями «Контент» и «Вопросы и отзывы», причём именно персональный или сервисный. С базовым токеном подключение выдаёт ошибку.

Откуда агент берёт ответ

Последний пункт стоит включить с самого начала. Молчание агента там, где он не уверен, стоит вам одного ручного ответа. Придуманный состав ткани стоит возврата и плохого отзыва.

Порог сходства: единственная ручка, которую придётся крутить

Когда агент ищет ответ в таблице «вопрос — ответ», он сравнивает обращение покупателя с заготовленными вопросами и считает степень совпадения. Порог сходства задаёт, с какого уровня совпадение считается найденным.

• Ближе к 0 — агент находит ответ почти всегда, но совпадение может быть приблизительным: на вопрос про длину рукава прилетит ответ про длину изделия.
• Ближе к 100% — агент требует почти дословного совпадения и чаще не находит ничего.
• 50% — рекомендуемое значение, с которого стоит начинать.

Настраивать его вслепую бессмысленно. Правильный порядок: оставить 50%, включить уведомления о ненайденных ответах и неделю смотреть, чего именно агент не находит. Обычно выясняется, что дело в формулировках: покупатели спрашивают другими словами, чем написано в таблице.

Отбор по артикулам: начинать лучше не со всего ассортимента

У каждой площадки есть флаг отбора по списку артикулов: перечисляете артикулы через запятую, и агент отвечает только по ним. Пустой список означает работу по всем товарам сразу.

Это простой способ запуститься без риска. Берёте десять карточек с самым плотным потоком вопросов, включаете агента только на них и читаете ответы неделю. Если отвечает хорошо — список расширяется. Если нет — вы правите базу на десяти товарах, а не разгребаете последствия на тысяче.

Отдельное поле «Дополнительные инструкции для ответа на вопрос или отзыв» задаёт тон: как отвечать на негатив, обязательно ли благодарить, упоминать ли бренд. Для отзывов это важнее, чем для вопросов, — негативный отзыв читают в первую очередь, и шаблонное «спасибо за обратную связь» под ним выглядит хуже молчания.

Сколько это стоит и что экономит

Диалог обходится примерно в 15 ₽ — оплата идёт по токенам, тысяча токенов стоит 1 ₽. Для маркетплейса один «диалог» чаще всего означает один вопрос и один ответ, то есть расход близок к нижней границе.

Настоящая экономия здесь, впрочем, не в рублях за ответ. Она в скорости: вопрос под карточкой, оставшийся без ответа сутки, работает против конверсии всё это время, а покупатель, который его задал, за сутки успевает купить у соседа.

С чего начать

Выгрузите историю своих ответов и запустите автогенерацию базы. Это даст вам не гипотезу о том, что спрашивают покупатели, а список того, что они спрашивали на самом деле.

Дальше работа сводится к редактуре: убрать ответы, которые устарели, дописать те, где сотрудник отвечал наспех, и включить агента на десяти артикулах. Как устроена база знаний целиком — в отдельном разборе, а если вы параллельно ведёте свой магазин, полезен будет разбор чат-бота для интернет-магазина.

Частые вопросы