AI-агент как стилист и примерочная: кейс сети магазинов одежды.

Две роли хорошего продавца.

Хороший продавец никогда не скажет «вот ваше платье, до свидания». Он скажет: «а вы видели этот ремень? Он из той же коллекции. А вот эта сумка — вообще идеально». И вы думаете: «а ведь правда подходит». Потому что продавец знает коллекцию, знает, что с чем сочетается, и чувствует момент, когда уместно предложить — не впарить, а именно предложить.

Тот же продавец закрывает и второй вопрос — размер. Глянет на клиента, спросит, что тот ищет, и скажет: «вот это берите в 44, а брюки — в 46, потому что крой такой». Стилист и примерочная в одном человеке.

Почему онлайн это теряет.

Теперь зайдите в любой интернет-магазин одежды и откройте карточку платья. Что под ней? Блок «похожие товары» — ещё десять таких же платьев. Или «другие покупали» — случайный набор без всякой логики стиля. А вместо совета с размером — таблица: S/M/L, 42/44/46, разбирайтесь сами. «Похожие товары» — это алгоритм. Стилист — это знание. И с обоими вопросами клиент остаётся один на один.

Часть первая: агент-стилист.

Мы научили AI-агента для сети из 30+ магазинов одежды быть именно стилистом, а не рекомендательным движком. Он не показывает абстрактное «популярное» — он работает с той вещью, которую клиент выбирает прямо сейчас.

• Знает, какие аксессуары подходят к конкретной вещи: сумки, ремни, украшения, шарфы.
• Понимает логику коллекции — вещи из одной линии сочетаются лучше всего.
• Чувствует момент: знает, когда предложение уместно, а когда лучше промолчать.
• Помнит о распродаже — если на подходящую позицию действует скидка, упомянет о ней.

Основа всегда — «дополнить образ», а не «купить ещё». Разница между «похожие товары» и «к этому платью подходит этот ремень из новой коллекции» — это разница между статистикой и экспертизой.

Часть вторая: примерочная, или почему размер — не цифра.

Самая частая причина возвратов в интернет-магазинах одежды — не «не понравилось» и не претензии к качеству. Размер не подошёл. Казалось бы, ничего сложного: есть же размерная сетка. Но один и тот же M в оверсайз-блузке и в приталенной сидит совершенно по-разному. А ещё верх может быть M, а низ — L, и это не «ошибка фигуры» — это нормально.

Опытный продавец всё это держит в голове, поэтому в магазине вопрос размера решается за минуту. Онлайн-покупатель же остаётся один на один с таблицей цифр. Агент воспроизводит логику продавца шаг за шагом:

• Сначала объясняет, как правильно снять мерки сантиметровой лентой, — с инструкцией, потому что большинство людей делает это неправильно.
• Учитывает тип кроя конкретной модели: оверсайз, приталенный, полуприталенный.
• Различает размер верха и низа — если клиент выбирает и блузку, и брюки, рекомендации будут разными.
• Сравнивает реальные мерки клиента с цифрами конкретной модели и называет оптимальный размер.

Это не «подставить числа в таблицу». Это экспертиза, которую продавец набирает годами и которую невозможно масштабировать на тридцать магазинов и ночную смену. В агенте она просто закодирована — и работает везде одновременно.

Что это даёт бизнесу.

Допродажа, которая звучит как совет стилиста, а не как «купите ещё что-нибудь». Подбор размера, который бьёт по самой частой причине возвратов. И экспертиза лучшего продавца, доступная круглосуточно на всю сеть — в каждом канале, включая ночную смену. Незакрытая допродажа и возвраты — две из тех дыр, через которые ритейл тихо теряет деньги.

Агент из этого кейса сделан под конкретную сеть — её коллекции, её крои, её размерные таблицы. Именно таких кастомных AI-агентов под процесс конкретного бизнеса — от допродажи до подбора по параметрам — строит наш смежный бренд Grow2.ai (grow2.ai). Одежда здесь лишь один из вариантов: та же механика работает везде, где есть «к этому подходит вот это».