Кейс — E-commerce · Поддержка клиентов
ИИ на первой линии поддержки интернет-магазина — 80% обращений без оператора
Опубликовано: 2026-07-17
обращений в поддержку закрывает бот без участия оператора
80% — обращений в поддержку закрывает бот без участия оператора
Контекст и масштаб проекта
Клиент — интернет-магазин среднего размера: несколько тысяч заказов в месяц, три основных канала обращений — виджет на сайте, WhatsApp и Telegram. Поддержку вела штатная команда операторов посменно, а пиковая нагрузка приходилась на вечера и выходные — время, когда чаще всего спрашивают про статус заказа и наличие товара. До внедрения ИИ вся первая линия обрабатывалась вручную, без ботов и скриптовых автоответчиков.
Проблема
Больше половины обращений в поддержку сводились к одному и тому же: где заказ, есть ли товар в наличии, какие способы оплаты и доставки, как оформить возврат. Операторы тратили на эти вопросы основное рабочее время, а сложные случаи — жалобы, нестандартные запросы — стояли в той же общей очереди и ждали дольше, чем должны были. В пиковые часы среднее время ответа доходило до 20–30 минут. Часть клиентов, не дождавшись ответа на вопрос перед покупкой («будет ли нужный размер», «когда реально привезут»), просто уходила без заказа. Ночью и в выходные поддержка не работала вообще — а именно в эти часы приходила заметная доля обращений, и они просто остывали до утра.
Решение
Внедрили ИИ-бота на RAG — с базой знаний магазина внутри: каталог товаров с характеристиками и наличием, условия доставки и оплаты, политика возврата и обмена, ответы на частые вопросы. Бот подключён к CRM/1С через API — может посмотреть статус конкретного заказа по номеру или телефону, а не отвечать общими фразами. Работает в трёх точках контакта — виджет на сайте, WhatsApp, Telegram — с единой базой знаний и одним тоном ответов. Обращения, которые бот не может закрыть уверенно — жалобы, спорные ситуации, нестандартные запросы, — распознаются и передаются оператору вместе с историей диалога: человек не начинает разговор с клиентом с нуля.
Ход внедрения
Внедрение заняло около 5 недель. Первые 1–2 недели ушли на сбор базы знаний: выгрузили каталог, FAQ, скрипты операторов, правила возврата и обмена, подключили API CRM/1С для проверки статуса заказов. Следующие две недели — пилот на одном канале, виджете на сайте: смотрели, на каких вопросах бот ошибается или уходит от ответа, дообучали базу знаний реальными диалогами клиентов. На старте пилота бот закрывал около 60% обращений — часть вопросов по нестандартным товарам и акциям он ещё не мог обработать. После дообучения и подключения WhatsApp и Telegram показатель вырос до 80%, и на этом уровне держится в штатном режиме.
Как работает система — шаг за шагом
1. Клиент пишет в чат на сайте, WhatsApp или Telegram — бот отвечает за секунды, без очереди и без привязки к рабочим часам.
2. Бот определяет тип обращения: вопрос по каталогу, статус заказа, доставка и оплата, возврат или жалоба. Если нужен статус конкретного заказа — запрашивает номер или телефон и подтягивает данные из CRM/1С по API.
3. Формирует ответ на основе базы знаний магазина — характеристики товара, наличие, сроки доставки, условия возврата — и при уместности предлагает похожие или сопутствующие позиции.
4. Обращения, которые бот не может закрыть уверенно — жалобы, спорные возвраты, нестандартные условия, — передаются оператору вместе с полной историей переписки.
Откуда взялся результат
80% закрытых обращений — это в первую очередь типовые вопросы: статус заказа, наличие товара, условия доставки и оплаты, простые возвраты по стандартным правилам. Именно на них раньше уходило основное время операторов. +18% к конверсии в заказ сложились из двух эффектов: мгновенный ответ на вопросы перед покупкой — клиент не уходит «подумать» и не остывает, пока ждёт оператора, — и круглосуточная доступность: обращения, которые раньше терялись ночью и в выходные, теперь получают ответ сразу. Освободившиеся от рутины операторы стали быстрее закрывать оставшиеся 20% — те обращения, где действительно нужен человек.
Техническая реализация
ChatGPT-4o — генерация ответов в тоне магазина и обработка свободных формулировок вопроса. RAG на базе знаний магазина — поиск по каталогу, FAQ, условиям доставки и возврата, чтобы бот отвечал по актуальным данным, а не додумывал. Интеграция с CRM/1С по API — получение статуса заказа, остатков на складе и истории обращений клиента. Единый бэкенд для трёх каналов — сайта, WhatsApp и Telegram — с одной базой знаний и одинаковыми правилами эскалации к оператору для всех точек контакта.
Результаты
Вопросы о внедрении
Бот заменяет операторов поддержки?
Нет. Бот закрывает типовые обращения — статус заказа, наличие, доставку, простые возвраты. Жалобы, спорные ситуации и нестандартные запросы бот распознаёт и передаёт оператору вместе с историей диалога — операторы остаются, просто работают со сложными задачами вместо рутины.
Как бот узнаёт статус конкретного заказа?
Через API-интеграцию с CRM/1С магазина. Клиент называет номер заказа или телефон, бот запрашивает актуальный статус в системе и отвечает по реальным данным, а не по шаблону.
Что если бот не знает ответ?
Если вопрос выходит за рамки базы знаний или бот не уверен в ответе, он не гадает — передаёт диалог оператору с контекстом переписки. Ошибочный ответ клиенту хуже, чем честная эскалация к человеку.
Сколько заняло внедрение и сколько это стоит?
От первой встречи до полного запуска на всех каналах — около 5 недель, включая двухнедельный пилот на одном канале. Стоимость зависит от размера каталога и числа интеграций — CRM, мессенджеры — и обсуждается индивидуально на демо.
Подойдёт ли это небольшому магазину с парой заказов в день?
Не факт. Эффект строится на устойчивом потоке однотипных вопросов — если обращений в поддержку немного, автоматизация первой линии может не окупиться так быстро, как в этом кейсе. На консультации мы честно оцениваем, есть ли смысл при вашем объёме.
Хотите похожий результат? Посмотрите тарифы или оставьте заявку — разберём вашу задачу на бесплатной консультации.
Обсудим ваш проект?
Оставьте заявку — свяжемся в течение дня
Ограничения решения — что важно учесть
Решение не универсально. Во-первых, оно работает на потоке: если в поддержку пишут 10–20 человек в день, а не сотни, экономика может не сойтись так быстро — эффект в кейсе считался на устойчивом потоке обращений из нескольких каналов. Во-вторых, качество ответов бота напрямую зависит от каталога и базы знаний: если карточки товаров неполные или CRM не синхронизирована с сайтом, бот будет ошибаться или уходить в эскалацию чаще, чем хотелось бы, — первые недели пилота как раз уходят на то, чтобы это выявить и починить. В-третьих, спорные и эмоционально заряженные обращения — жалобы, конфликтные возвраты, нестандартные просьбы — по-прежнему закрывает человек: бот квалифицирует такие случаи и передаёт оператору, а не пытается решить их сам. Отдать ИИ весь цикл поддержки, включая конфликтные ситуации, сегодня не работает лучше, чем связка «бот на типовых вопросах + оператор на сложных».