Карточка товара за пару кликов. Как ИИ ускоряет создание продуктового контента и снижает его стоимость

CNews вместе со СберТехом разобрался, что из себя представляет PIM-система и на реальных примерах рассказал, как внедренный в PIM-систему ИИ увеличивает ее ценность для бизнеса, помогает эффективнее управлять товарным контентом и экономить на его производстве.

Рынок e-commerce в России продолжает расти. Согласно исследованию «Яков и партнеры», с 2019 по 2024 годы его объем увеличился примерно в 7,5 раза — с 1,7 до 12,6 трлн руб. А к 2030 году он может вырасти еще в 2,6 раза в базовом сценарии и достигнуть 32,3 трлн руб. Чтобы успевать за такими темпами развития, участники рынка активно внедряют технологии, помогающие им сохранять конкурентоспособность. Успешные компании идут по пути цифровизации и автоматизации рабочих процессов, а также улучшают свои результаты благодаря инструментам на базе GenAI (от англ. Generative Artificial Intelligence — генеративный искусственный интеллект).

Наиболее сильный эффект от использования генеративного ИИ в нашей стране ощущается в банковском секторе и розничной торговле, в том числе в e-commerce. Компании, уже внедрившие GenAI в различные процессы, говорят о повышении эффективности бизнеса. Получаемая выгода зависит от типа задачи и сценария использования ИИ, но в среднем, по результатам опроса Gartner, компании отмечают рост выручки на 15,8%, снижение издержек на 15,2% и повышение производительности на 22,6%.

Однако цифровая трансформация в ритейле имеет свои особенности. Для полноценной работы продавцы и производители могут использовать множество различных онлайн-сервисов, отвечающих за обработку заказов, аналитику, управление финансами, логистику, автоматизацию склада, ведение сайта, реализацию программ лояльности, создание контента о товарах. Необходимость интеграции всех этих систем друг с другом повышает порог входа в e-commerceдля тех ритейлеров, которые хотят продавать самостоятельно, а не через маркетплейсы, и усложняет масштабирование бизнеса. В связи с этим возникает острая потребность в инструменте, помогающем объединять данные о товарах, обогащать их информацией из разных источников, без лишних затрат создавать продуктовый контент и затем быстро его распространять по каналам продаж.

Внедренный в PIM-систему ИИ увеличивает ее ценность для бизнеса

С решением этих задач помогает PIM-система (от англ. Product Information Management — управление информацией о товарах), которая позволяет аккумулировать всю необходимую для работы информацию в едином продуктовом каталоге. В статье разбираемся, что из себя представляет этот инструмент и на реальных примерах рассказываем, как внедренный в PIM-систему ИИ увеличивает ее ценность для бизнеса, помогает эффективнее управлять товарным контентом и экономить на его производстве.

Что такое PIM-система и каким компаниям нужна

PIM-система предназначена для централизованного управления обширным продуктовым каталогом и хранения данных о товарах. Она позволяет собирать информацию о продуктах в одном месте, предоставляет возможность различным подразделениям компании — от маркетинга до отдела электронной коммерции — взаимодействовать с единой карточкой товара и своевременно передавать актуальные данные на сайт и маркетплейсы, в различные каналы продаж и системы, такие как CRM (от англ. Customer Relationship Management — управление взаимоотношениями с клиентами) и ERP (от англ. Enterprise Resource Planning — планирование ресурсов предприятия).

Благодаря PIM-решениям можно автоматизировать работу с продуктовой информацией — хранение, заполнение и обогащение карточек товаров, валидацию, разбивку на логические группы, — и за счет этого значительно повысить эффективность отдела маркетинга и контент-менеджмента и сократить время вывода продуктов на онлайн-витрину. По данным «СберТеха», разработчика одной из российских PIM-систем, подобные решения помогают:

• почти в пять раз снизить расходы на управление контентом,

• почти втрое уменьшить время на сбор и обновление данных,

• вдвое ускорить создание контента для продуктовых каталогов за счет использования искусственного интеллекта.

Этот инструмент полезен компаниям с большим каталогом, особенно, если его объем растет. В первую очередь, PIM-системы пользуются спросом в ритейле и e-commerce, также применяются в страховании, промышленности, логистике и других сферах.

Но на российском рынке есть и опыт применения подобных решений в банковской отрасли. «Сбер», например, внедрил систему Platform V Product 360, которая позволяет розничному бизнесу структурировать данные каталога по вкладам, потребительским и автокредитам, ипотекам, переводам, платежам, дебетовым и кредитным картам и многим другим продуктам. В этой PIM-системе, разработанной «СберТехом», есть low-code и no-code инструменты, упрощающие интеграцию данных из каталогов компании с внешними ресурсами и системами.

Пример интерфейса PIM-системы (Platform V Product 360)

Рынок PIM-систем в России

Российский рынок PIM-систем только формируется. В целом к таким решениям можно отнести около 20 продуктов отечественных вендоров, из них в Реестре российского ПО на сегодняшний день зарегистрировано менее 10. И только некоторые из них предназначены для работы в масштабных ИТ-системах корпоративного уровня. Упомянутая выше Platform V Product 360, используемая «Сбером», заявлена разработчиком как решение с высоким уровнем надежности и кибербезопасности (отказоустойчивость платформы составляет 99,99%), а также, согласно РРПО, относится к сфере искусственного интеллекта.

ИИ в PIM-системах: 6 сценариев, как он помогает бизнесу

Рассмотрим, как интегрированный в PIM-систему искусственный интеллект делает управление данными эффективным и превращает его в конкурентное преимущество.

Создание визуального контента

Искусственный интеллект может выполнять множество функций по созданию изображений для карточек товаров. Например, он за секунды справится с обработкой картинок — откадрирует, отретуширует, скомбинирует с другими, заменит фон. Таким образом эти задачи можно решить автоматически, без глубокого погружения в них дизайнеров.

Более того, ИИ способен самостоятельно генерировать картинки с нуля по текстовому описанию. Это сильно облегчает создание изображений для продуктовых карточек и в разы снижает стоимость данного процесса. Если традиционная фотосъемка требует специального оборудования, привлечения моделей и персонала, то искусственный интеллект делает все сам и гораздо быстрее. Нужен только сотрудник, который проконтролирует соответствие сгенерированной картинки ожиданиям и стандартам компании.

Работа с текстами

PIM-системы с ИИ помогают мгновенно создавать уникальные тексты, адаптированные под разные рынки и аудитории. Можно обогатить описания продуктов с учетом множества нюансов: добавить эмоций, чтобы увеличить вовлеченность и отклик потребителей, или приспособить к требованиям конкретной страны и ее регуляторов, например, добавить необходимые инструкции к медицинским товарам.

Автоматическая генерация текстов позволяет избежать неточностей в контенте и ощутимо снизить трудозатраты команды на работу с ним. ИИ в один клик делает качественный перевод описания товара на разные языки, а также оптимизирует текст для улучшенной поисковой выдачи (SEO), что позволяет повысить охваты целевых групп.

В «Сбере» в создании продуктового контента участвуют интегрированные в PIM-систему Platform V Product 360 нейросети GigaChat и Kandinsky. Они умеют генерировать релевантные описания и изображения для товарных карточек по текстовому запросу и предоставляют пользователю варианты решений на выбор.

Пример генерации описаний для товарных карточек по текстовому запросу

Рекомендательная классификация товаров

Искусственный интеллект отлично подходит для обработки больших объемов данных, что позволяет эффективно его использовать в PIM-системах. ИИ-ассистент может предлагать новые варианты классификации товаров или рекомендовать, как улучшить уже существующую, чтобы упростить работу с каталогом, усовершенствовать SEO-оптимизацию продуктовых карточек, ускорить вывод новых продуктов в продажу.

Помощь в модерации контента

ИИ в PIM-системе помогает выполнять множество рутинных задач: выявлять ошибки, искать некорректные и неполные данные, контролировать качество контента. Такой функционал крайне полезен с точки зрения подготовки товарных карточек для каналов продаж. Большинство российских маркетплейсов и интернет-магазинов имеют свои требования к загружаемому продавцами контенту. ИИ-ассистент может проверять описания продуктов, выявлять несоответствия заданному формату и уведомлять о них контент-менеджеров. Это позволит сотрудникам быстрее дорабатывать карточки товаров и ускорит публикацию контента на площадках.

Разработка маркетинговых материалов

ИИ умеет создавать уникальные маркетинговые материалы для клиентов на основе хранящейся в PIM-системе информации о товарах. Например, можно разработать буклет, презентацию или баннер, содержащие фотографии продукта, его характеристики и актуальные данные о наличии. И опять же это экономит ресурсы маркетинговой команды.

Формирование персональных предложений для клиентов

Искусственный интеллект анализирует имеющиеся в PIM-системах данные о продуктах компании и о том, какие из них можно рекомендовать конечным покупателям. На основе этой информации ИИ может сформировать индивидуальное предложение для того или иного клиента с подборкой подходящих ему товаров. Это способствует повышению лояльности, увеличению конверсии и среднего чека.

Последний сценарий успешно реализован в «Сбере». В PIM-системе хранится информация о более чем 7 тыс. банковских продуктов и 100 тыс. B2C-продуктов. Инструмент выявляет клиентов, у которых оформлены не все релевантные им продукты, и формирует персональные рекомендации, тем самым улучшая потребительский опыт.

Будущее PIM-систем: ИИ-агенты и генерация, дополненная поиском, для улучшенного клиентского опыта

Аналитики отмечают, что ИИ-рынок движется в сторону агентного подхода, который предполагает использование в бизнес-процессах автономных ИИ-агентов, мультиагентных систем и агентов пользовательского интерфейса. Они могут без участия человека работать с большим количеством различных данных, самостоятельно извлекать их из бизнес-систем, анализировать и принимать решения. Это позволяет агентам решать сложные и многоуровневые задачи, например, на основе данных из систем аналитики выявлять тенденции спроса и составлять прогнозы продаж, которые могут лечь в основу маркетинговой стратегии и управления закупками.

В PIM-системе ИИ-агенты могут выполнять задачи контент-менеджера: по техническому фото дополнять характеристиками карточку товара или создавать ее с нуля по текстовому описанию. Также они предоставляют возможность так называемого неточного поиска в большом каталоге продуктов, что позволяет находить информацию, даже если в запросе пользователя есть ошибки, опечатки или используются синонимы и разные вариации написания слов.

Одно из направлений развития PIM-систем — внедрение метода RAG (от англ. Retrieval-Augmented Generation — генерация, дополненная поиском), который делает работу с контентом еще более гибкой. Сам по себе этот подход помогает улучшить работу языковых моделей для пользователей: искать в открытых источниках дополнительную информацию и давать более полные ответы на запросы. В контексте PIM-систем RAG позволяет обращаться к доверенным источникам и базам знаний компании, чтобы составлять более точные, достоверные и полезные для аудитории описания продуктов, расширять их специализированными данными из профильной документации или заготовленных ответов техподдержки.

В более сложных сценариях ИИ будет не только комбинировать данные из самой PIM-системы с правилами ценообразования из ERP и изображениями из DAM (от англ. Digital Asset Management — управление цифровыми активами, такими как изображения, видео, документы, аудиофайлы), но и с помощью RAG дополнять их более релевантной для конкретной целевой группы информацией, учитывая при этом принятые в компании стандарты и бизнес-логику.

Генерация, дополненная поиском, может заметно упростить работу с партнерами, в частности, снизить нагрузку на сотрудников при подготовке запросов поставщикам. Используя RAG, PIM-система быстро найдет во внутренних источниках информацию о складских запасах, доступных спецификациях товара, наличии различных модификаций и аксессуаров, а затем автоматически сформирует точный и актуальный запрос на новую поставку.

Метод также позволит, например, динамически обновлять характеристики продуктов — автоматически отслеживать появление новых данных в первоисточниках и оперативно их вносить в карточки товаров. Кроме того, RAG может быть полезен для улучшения позиционирования продуктов на основе потребностей и ожиданий целевой аудитории. Путем извлечения информации из соцсетей и блогов PIM-система будет находить мнения пользователей, определять важные для потребителей свойства и особенности товаров и дополнять ими продуктовую информацию. Все это позволит создавать еще более качественный контент, вызывающий у клиентов желание покупать.