Как автоматизировать поддержку (в ecommerce, а вообще где угодно) с AI - опыт стартап-консультанта
Пошаговая инструкция, что делали:
1. Провели аудит всех процессов Разложили все процессы в e-commerce: логистика, поддержка, финансы, инвентаризация, производство и т.д.
2. Начали автоматизацию с «безопасных» зон Вместо хайпа и «взрыва» — начали с низко-важных, но частых задач, например логистических тикетов (где меньше рисков накосячить).
Это дало время на эксперименты — они могли тестить ИИ без боли для клиентов.
3. Прототипировали AI-агента как MVP Создали первого ИИ-агента, который действовал по бизнес-правилам:
- Если заказ не доставлен — открываем тикет.
- Если прошло X дней — предлагаем возврат или скидку.
Всё на основе триггеров и порогов.
4. Расширяли покрытие — от логистики до всей поддержки Когда убедились, что всё работает, расширили задачи AI-агента:
- Обучили его отвечать на более сложные запросы.
- Подключили справочную информацию о продукте.
- Настроили самообучение на основе предыдущих тикетов.
5. Добились автоматического решения 70–85% тикетов AI сам решал 70% запросов, потом стало 85%. Пользователи были довольны, потому что получали быстрые и понятные ответы.
6. Для сложных случаев — 3-уровневая поддержка Внедрили систему:
- Level 1 — простой бот.
- Level 2 — обученный ИИ.
- Level 3 — человек (если ничего не помогло).
7. Сделали микросервисы и semantic data pipeline Чтобы всё было гибко и масштабируемо:
- Микросервисы для каждой фичи.
- Semantic ETL — сбор и обработка данных из всех систем (через DBT и API).
- Всё подключено к единой системе принятия решений.
8. Определили ICP (ideal customer profile) и начали расти Когда автоматизация начала работать, они:
- Приостановили маркетинг.
- Подняли цену.
- Смотрели, кто остаётся — нашли своего идеального клиента.
