ИИ для магазина стройматериалов: расчёт материалов и подбор аналогов в чате

Какие вопросы задают в магазине стройматериалов

Если выписать вопросы покупателей за неделю — в чате, по телефону, в зале, — получится примерно такой список:

1. Сколько нужно ламината, плитки, гипсокартона, утеплителя на мою комнату?
2. Сколько мешков штукатурки или клея на такую площадь?
3. Есть ли в наличии и сколько стоит?
4. Нет нужного цвета или марки — что можно взять вместо?
5. Подойдёт ли этот клей для этой плитки, этот грунт под эту краску?
6. Сколько стоит доставка и когда привезёте?

Продавец отвечает на эти вопросы десятки раз в день. Половина ответов — арифметика и поиск по каталогу. Это именно та работа, которую ИИ делает хорошо при правильных данных.

Продвижение магазина в поиске — структура каталога, фильтры, запросы с ценой — мы разбирали отдельно в статье продвижение сайта строительных материалов. Здесь — про работу с покупателем и каталогом с помощью ИИ.

Сценарий 1. Калькулятор материалов в чате

Обычный калькулятор на сайте просит заполнить поля. Ассистент в чате понимает фразу «комната 4 на 3,5, потолок 2,7, окно и дверь, хочу поклеить флизелиновые обои». Он уточнит недостающее и посчитает.

Как это устроено правильно:

• в карточках товаров есть расход по данным производителя: метров в рулоне, кг на м² при слое 1 мм, м² в упаковке;
• в ассистенте прописаны правила расчёта: запас на подрезку для разных способов укладки, вычет проёмов, округление до целой упаковки;
• арифметику делает код или калькулятор, к которому обращается модель. Сама модель понимает вопрос, собирает размеры и объясняет результат.

Если в карточках нет расхода, ассистент начнёт брать «типовые» цифры из общих знаний. Для обоев это терпимо, для смесей — нет: у разных производителей расход отличается. Поэтому первый шаг внедрения — заполнить расход в карточках. Нейросеть подключают потом.

Есть и бонус, который владельцы магазинов замечают не сразу. Покупатель, которому ассистент посчитал количество, чаще оформляет заказ сразу на всё: материал, расходники, инструмент. Расчёт превращается в готовую корзину, и ассистент может предложить то, что обычно забывают: грунт под штукатурку, подложку под ламинат, крестики для плитки, саморезы под профиль. Это та же допродажа, которую делает опытный продавец в зале, только в чате и без очереди.

Сценарий 2. Подбор аналогов

Покупатель просит конкретную марку, её нет. Продавец с опытом сразу предложит замену. Новый продавец скажет «нет» и потеряет продажу.

Ассистент подбирает аналог по характеристикам: назначение, основание, класс прочности, размер, морозостойкость, совместимость с другими материалами. Затем фильтрует по наличию и объясняет разницу: «Эта смесь того же назначения, слой до 30 мм вместо 50, дешевле на 40 ₽ за мешок, есть 120 мешков на складе».

Риск здесь один, и серьёзный: неверный аналог. Плиточный клей для внутренних работ вместо уличного или грунт, несовместимый с краской, — это жалоба, возврат и испорченный ремонт. Поэтому:

1. Подбор идёт только по заполненным характеристикам, без «похоже по названию».
2. Если характеристика не заполнена, ассистент говорит «уточните у продавца».
3. Для критичных категорий (смеси, клеи, кровля, гидроизоляция) ассистент предлагает аналог, но финально подтверждает продавец.

Сценарий 3. Наличие, цена и доставка

Это самый частый вопрос и самый простой для ИИ, если есть связь с учётной системой. Ассистент получает остатки и цены из 1С или складской программы и отвечает: есть / нет / под заказ, сколько стоит, когда можно привезти.

Важно, как часто обновляются остатки. Если раз в сутки, а склад отгружает весь день, ассистент будет обещать товар, которого уже нет. Нужно либо обновление в реальном времени, либо формулировка «по данным на 9:00 в наличии 40 шт., уточним при оформлении». Как связывают ИИ с 1С, разбирали в статье ИИ и 1С.

Если на этом месте вы прикинули, сколько звонков и чатов в день уходит на «есть ли в наличии» и «сколько брать», это можно посчитать на ваших цифрах.

Сценарий 4. Описания товаров для каталога

В каталоге магазина стройматериалов тысячи позиций, и у большинства описание — это строка из прайса поставщика. Нейросеть может написать нормальные описания: назначение, где применять, чем отличается, с чем сочетается, расход.

Правила, которые защищают от ошибок:

• нейросеть пишет только по паспорту товара, инструкции производителя и характеристикам из карточки;
• цифры (расход, прочность, время высыхания, класс) берутся только из источника;
• описание проверяет человек хотя бы выборочно, а в критичных категориях — полностью.

Информация о товаре должна быть достоверной — это требование закона «О защите прав потребителей». Выдуманная морозостойкость в описании — основание для претензии покупателя. Больше приёмов — в статье нейросеть для описания товаров.

Сценарий 5. Обучение продавцов

В строительной рознице продавцы меняются часто, а знание ассортимента копится годами. Новичок первые недели постоянно бегает к старшему: «А что брать под тёплый пол?», «Чем этот профиль отличается от того?».

Внутренний ИИ-ассистент для сотрудников отвечает на такие вопросы по базе знаний: инструкции производителей, ваши памятки, ответы опытных продавцов. Он не заменяет наставника, но снимает с него поток мелких вопросов. Как собрать такую базу, разбирали в статье база знаний для чат-бота.

Опт и бригады: заявки списком и по фото

У магазина стройматериалов есть клиенты, которые приносят сразу список: прорабы, бригады, небольшие строительные компании. Список приходит как фото рукописной сметы, скриншот таблицы или голосовое сообщение на две минуты. Менеджер полчаса переносит его в счёт, сверяя каждую позицию с каталогом.

ИИ здесь закрывает самую нудную часть:

1. Распознаёт список с фото или расшифровывает голосовое.
2. Сопоставляет каждую строку с позициями каталога: «гипс 30 кг 10 шт» превращается в конкретный артикул штукатурки.
3. Отмечает строки, где совпадение неоднозначное, и предлагает 2–3 варианта.
4. Проверяет наличие и показывает, чего нет и какие есть аналоги.
5. Собирает черновик счёта с оптовыми ценами клиента.

Менеджер проверяет отмеченные строки и отправляет счёт. Вместо получаса — 5–10 минут. Для бригад, которые заказывают каждую неделю, скорость счёта часто важнее разницы в цене: кто первым прислал счёт и подтвердил наличие, тот и получил заказ.

Здесь особенно важно не давать модели «додумывать». Если в списке написано «клей 25», а у вас три клея по 25 кг для разных задач, правильный ответ — уточнить, а не выбрать самый дорогой или самый ходовой. Распознавание документов и рукописного текста подробнее разобрано в статье распознавание документов нейросетью.

Где ИИ в стройматериалах ошибается

Последний пункт часто недооценивают. Покупатель спрашивает «можно ли класть плитку на свежую стяжку через три дня», и модель охотно отвечает. Если ответ неверный, отвечать будете вы. Безопаснее, когда ассистент ссылается на инструкцию производителя или передаёт вопрос специалисту.

Условный пример: магазин отделочных материалов

Пример условный, не кейс студии. Магазин в городе на 300 000 жителей, сайт с каталогом, 2 продавца в чатах и на телефоне, 120 обращений в день.

Если ассистент закрывает хотя бы 60% первых четырёх групп, это около 58 обращений в день. При 3–4 минутах на каждое продавцы получают 3–4 часа в день на крупные заказы и покупателей в зале. Сколько это в деньгах, зависит от того, сколько крупных заказов сейчас теряется из-за занятости продавцов. Это первое, что стоит посчитать до внедрения.

Отдельно посчитайте вечер и выходные. Ремонт делают по вечерам и в субботу, и вопросы «сколько брать» приходят именно тогда, когда продавцы уже ушли. Ассистент, который отвечает в это время и оформляет заказ на утро, приносит продажи, которые раньше уходили к магазину с круглосуточным чатом.

С чего начать внедрение

1. Проверьте карточки. Расход, размеры, назначение, совместимость. Без этого ассистент будет угадывать.
2. Выберите один сценарий. Обычно начинают с наличия и расчёта: они дают самый большой поток.
3. Подключите данные. Каталог, остатки, цены, зоны доставки. Ассистент отвечает только по ним.
4. Пропишите границы. Что ассистент делает сам, что передаёт продавцу, что не обсуждает вообще.
5. Протестируйте на прошлых вопросах. Возьмите 100 реальных обращений из чатов и проверьте ответы.
6. Запустите в одном канале. Чат на сайте или мессенджер, с понятной кнопкой «позвать продавца».
7. Через месяц посчитайте. Сколько обращений закрыл ассистент, сколько передал, сколько ошибок нашли.

Стоимость модели по API для такого объёма обычно небольшая, ориентиры — в тарифах Yandex AI Studio. Основные затраты — на подготовку данных и интеграцию с учётной системой. Общий взгляд на ИИ в онлайн-торговле — в статье ИИ для интернет-магазина.

Если хотите понять, с какого сценария начать в вашем магазине и готовы ли для этого данные, оставьте контакты. Посмотрим каталог и обращения покупателей.