К нам пришла одна из крупнейших российских сетей парфюмерии и косметики. С простым, в общем-то, запросом: «где у AI в нашей индустрии реальный рычаг, а где — дорогая демо-игрушка для презентаций совету директоров». 14 октября 2025 мы презентовали клиенту развёрнутое предложение по входу в проект. Рассказываем, что в нём.
Сразу спойлер: ничего из этого мы не предлагаем как «волшебную AI-кнопку». Это связанная система из четырёх слоёв, и работает она именно как система — каждый следующий слой питается данными предыдущего. Дальше — по порядку.
Что у beauty-ритейла болит
Картина по индустрии понятная. Конкуренция за внимание зашкаливает, аромат и текстуру через экран не пощупаешь, клиент хочет персонализации «как будто его знают лично», а маржу при этом никто отменять не собирается. AI здесь интересен не тем, что про него все говорят, а тем, что он одновременно режет себестоимость операций и поднимает конверсию — если, конечно, выбрать правильные сценарии.
Поэтому мы зашли в задачу скучно и прагматично: посмотрели, какие AI-сценарии уже окупились у Sephora, No7 и Olay, какие из них реально запустить за квартал, и какой эффект на выручку с LTV это даст в горизонте года. Без фантастики.
SEO больше не про статьи. Теперь это конвейер
Фундамент предложения — AI-движок для SEO. Постановка простая, объёмы — нет: грузим миллион+ поисковых запросов, AI кластеризует и сегментирует, дальше автоматически рождаются десятки тысяч узких посадочных страниц. «Помада для тёмной кожи». «Тональник, не текущий в жару». «Духи с дорогим шлейфом». На каждую — релевантный товар, FAQ и подобранные отзывы. Параллельно отдельный модуль рулит h1, title, description, перелинковкой и микроразметкой.
AI даёт малой команде делать то, на что раньше нужна была огромная.
Сюда же — генеративные описания товара на нескольких языках, AI-аналитика поведения поисковых ботов и людей, и мониторинг присутствия в ChatGPT и аналогах. Да, теперь это тоже SEO.
Помогаем выбрать из тысяч SKU
Второй слой — про момент, когда клиент завис над витриной из тысяч SKU и не понимает, что взять. Мы предложили четыре связанных инструмента: AI-консультанта по уходу за кожей (он смотрит селфи и собирает программу ухода), AR-примерку макияжа в реальном времени, AI-парфюмерного стилиста (подбор аромата по настроению или фотографии) и сквозного чат-бота, который держит в голове наличие и маржинальность — и предлагает не то, «что красиво», а то, что реально доступно и выгодно продать.
Это не теория. No7 Beauty Company после запуска AI-консультанта получили рост конверсии в 3,6 раза и AOV +48%. Sephora Virtual Artist — покупки в три раза чаще и минус 30% возвратов. Мы заложили адаптацию этих практик под российскую аудиторию и существующую инфраструктуру клиента, без переписывания платформы с нуля.
После покупки — самое интересное
Третий слой включается, когда клиент уже у нас в базе. AI смотрит на историю покупок, просмотры и отзывы — и нарезает аудиторию на микро-сегменты, в которых рассылка перестаёт быть «у нас скидки». Купил шампунь для окрашенных — получи целевое письмо про совместимую маску. McKinsey считает, что такая логика поднимает конверсию рассылок до 40%. Мы склонны верить.
Отдельный модуль читает тысячи отзывов на сайте и в соцсетях — ловит слабые места конкретных SKU, ранние сигналы трендов («clean beauty», «glass skin») и в фоне ускоряет модерацию. Дальше эти инсайты возвращаются в категорийный менеджмент и закупки — то есть в реальные деньги, а не в красивую дашборд-картинку.
Прогноз спроса — там, где раньше гадали
Четвёртый блок — операционка. AI-прогнозирование спроса учитывает не только историю продаж и сезонность, но и активность инфлюенсеров, вирусные TikTok-ролики и даже погоду в регионах. Sephora с похожей системой сократила дефицит на 30% и затраты на хранение на 20%. Для сети с тысячами SKU и десятками складов экономика такого модуля считается на коленке за один вечер — и она зелёная.
Не набор фич, а замкнутый контур
Главное во всей стратегии — это не сумма AI-функций, а то, как они кормят друг друга. Инструменты выбора и привлечения собирают данные о клиенте. Данные питают персонализацию и прогноз спроса. Персонализация поднимает LTV и AOV, прогноз спроса режет стокауты. Накопленные данные делают модели точнее. Каждая следующая итерация работает лучше предыдущей — без линейного роста команды.
С чего начинать
Клиенту мы рекомендовали не «большой AI» с фанфарами, а скучный, но рабочий пилот: запуск персонального AI-консультанта по уходу за кожей на двух-трёх ключевых брендах, горизонт 3–6 месяцев, и параллельное масштабирование SEO+AI. На выходе — измеримый результат в квартале и спокойная база для решения по дальнейшим внедрениям.
Если у вас в компании сейчас та же дилемма — где AI реально двинет выручку, а где это очередной слайд про инновации — заходите. Соберём такую же стратегическую сессию под ваш бизнес и покажем, что из этого имеет смысл делать у вас.
