ИИ-агенты в e-commerce: аналитика по полям карточек в Shopify Sidekick, протокол MCP в BigCommerce и прогноз Ozon на 2036 годТематическая сводка · дайджест за 22 ноября
Сюрреалистический натюрморт с каменными блоками каталога, цифровыми карточками товаров и портом MCP
Тематическая сводка3 раздела≈ 4 мин

ИИ-агенты в e-commerce: аналитика по полям карточек в Shopify Sidekick, протокол MCP в BigCommerce и прогноз Ozon на 2036 год

Когда выводишь новый товар на маркетплейс, обычно хочется сразу влить бюджет в студийную съёмку и инфографику, а поля с характеристиками добить в последнюю ночь перед поставкой. Кажется, что покупатель всё равно выбирает глазами, зачем тратить время на скучные строчки? На практике эта привычка начинает дорого обходиться. Три свежих сигнала из США и России показывают, как нейросети уже работают с каталогами: для аналитики и автоподбора машине нужны чистые структурированные поля, цены и остатки, а красивую обложку она просто пролистнёт.

Shopify Sidekick: разбивка выручки по пользовательским полям карточек

В карточках интернет-магазинов и маркетплейсов рядом с базовой ценой и названием живут пользовательские поля (metafields) и составные объекты (metaobjects). Туда продавец складывает детали под свою нишу — например, тип ткани, материал подошвы, коллекцию или поставщика.

Раньше, чтобы понять, какой материал приносит основную кассу, приходилось выгружать таблицу в Excel и вручную сводить столбцы. С 17 ноября 2026 года встроенный ИИ-помощник Shopify Sidekick снимает эту рутину. Достаточно спросить обычными словами: «Покажи общие продажи по тканям за прошлый квартал». В ответ сервис выводит разбивку выручки по значениям поля «ткань» прямо рядом с метриками продаж.

Сработает это при одном условии: в админке Shopify для нужного поля заранее должна быть включена опция «Filter or group data in Analytics» (фильтрация и группировка в аналитике). Если поле заполняли через раз, ассистенту нечего считать. Поддерживаются ходовые типы данных для товаров, вариантов, клиентов и заказов: текст, числа, ссылки на товары, URL, даты, цвета, логические флаги и списки текстов или чисел. Часть сложных типов и отчётов пока не поддерживается. Сам Shopify не публиковал замеров точности ответов Sidekick и цифр о влиянии функции на рост продаж, но логика ясна: порядок в атрибутах экономит часы на ручной аналитике.

BigCommerce Storefront MCP: прямой доступ ИИ-помощников к каталогу и корзине

Если Shopify пустил нейросеть в отчёты продавца, то BigCommerce открыл ей дверь прямо на витрину. Раньше ИИ-ассистенты добывали данные с сайтов магазинов вслепую — парсили HTML-код и путались в баннерах и всплывающих окнах. Теперь в разделе Early Access появился Storefront MCP. MCP (Model Context Protocol) — это открытый стандарт, через который помощники вроде ChatGPT или Claude подключаются к каталогу напрямую. Вместо того чтобы бродить по тёмному складу с фонариком и разбирать бирки на коробках, ассистент подходит к окошку выдачи и общается с базой на чётком языке команд.

Владелец магазина включает функцию в панели управления (Settings → API and MCP). Развёртывание занимает до 10 минут, после чего платформа поднимает управляемый адрес https://<store-url>/api/mcp поверх Streamable HTTP (отдельно от административного Management MCP). Ассистенту доступны четыре инструмента: поиск товаров и вариантов (Search products), чтение характеристик и цен (Get product details), управление корзиной (Manage cart) и выдача ссылки на оплату (Create checkout).

На практике всё просто. Покупатель пишет помощнику, что ему нужны трекинговые ботинки для похода в горы на выходные. ИИ через MCP подбирает модели (например, пару за $129.00), уточняет детали, кидает вариант в корзину и возвращает защищённую ссылку Proceed to checkout — саму оплату человек завершает на сайте магазина. Пока в базовом B2C-сценарии действует только гостевой режим: помощник не видит историю прошлых заказов и персональные скидки (раздельные права и синхронизация сессий есть лишь для авторизованных клиентов в B2B Edition).

Опрос Ozon: 60% россиян считают реалистичными покупки через ИИ-агентов к 2036 году

Может показаться, что западные витрины на Shopify и BigCommerce далеко, а на WB и Ozon ещё долго будут решать яркие стикеры на фото. Свежий опрос Ozon ко Дню платформенной экономики (итоги опроса) быстро сбивает эту уверенность. Точный размер выборки компания не раскрыла, но цифры показательные: 60% россиян считают реальным, что к 2036 году ИИ-агенты будут сами подбирать и заказывать повседневные товары, а человеку останется только нажать «подтвердить».

Ждать десять лет готовы не все. Уже сейчас 61% респондентов согласны доверить ИИ покупки без подтверждения каждой операции. Правда, 56% из них поставили бы жёсткий лимит, например до 3 000 ₽ на заказ, а 71% всех опрошенных назвали главным условием защиту от мошенников. По возрастам разрыв заметен сразу: молодёжь от 18 до 29 лет чаще допускает лимиты выше 10 000 ₽ или без потолка, а среди аудитории от 46 до 61 года 45% против списаний без подтверждения, хотя 60% тоже не прочь отдать рутинные заказы ИИ в будущем.

Вывод для ближайшей ревизии карточек предельно простой. Когда за покупателя ищет алгоритм, он сравнивает сухие факты: характеристики, цену, рейтинг, отзывы и сроки доставки. На сочный градиент и плашку «100% хлопок» на третьем слайде инфографики агент даже не посмотрит — он полезет в поле «Состав». Если там пусто или стоит отписка «текстиль», карточка пролетит мимо подборки ещё до того, как человек увидит ссылку на оплату.

Хочу подробный разборГолоса помогают выбрать, что разобрать подробно. За этот материал 0 голосов.
Источники · 6