Реална стойност или AI блясък: как да решите в кой AI за ecommerce си струва да инвестирате

Преди десетилетие всяка SaaS услуга беше облачна. Облакът беше навсякъде. Днес короната е у „AI“. Всяка услуга има функции, които използват AI в различна степен. Някои из основи променят начина, по който бизнесът печели пари. Други са просто технологии на десетилетия с ново лъскаво име. Как да различите едните от другите?

Именно този въпрос беше в центъра на заключителния панел на онлайн конференцията за ecommerce RARE 2026 – „AI в ecommerce: в кои технологии си струва да инвестирате за 2027 г.“. Три различни гледни точки на една сцена: консултант, който вижда презентацията на всеки доставчик, CTO, който създава AI продукти, и бизнес лидер, който инвестира в технологии в една от най-регулираните вертикали в Европа.

Участници в панела:

• Джорди ван Рейн, специалист по имейл маркетинг и MarTech консултант, основател на Email Vendor Selection
• Дмитро Муха, CTO в Claspo, платформа за оптимизация на конверсиите
• Дмитро Шаповалов, Chief Business Architect в Liki24, трансграничен маркетплейс за здравни продукти

Модератори на дискусията бяха Дмитро Кудренко, основател и CEO на Stripo, и Алекс Данченко, основател и COO на Yespo.

Модераторите въведоха едно правило от самото начало: несъгласявайте се на глас и обяснявайте защо. Участниците го приеха сериозно. По-долу сме групирали дебата в пет решения, пред които е изправен всеки ecommerce екип, когато планира бюджет за AI, а накрая ще намерите чеклист, който да преминете преди следващото демо с доставчик.

Основни изводи

1. Етикетът AI не ви казва нищо за даден инструмент. Оценявайте го по бизнес ефекта и по това колко надеждно повтаря дадена задача.
2. Запазете експертизата в областта, правилата за данните и защитните механизми в компанията. Моделите наемайте.
3. Преди да експериментирате с AI, се уверете, че основното ви предложение работи.
4. Скоростта се отплаща само когато знаете посоката. В противен случай AI просто изгаря бюджета ви по-бързо.

Не гледайте етикета AI, а какво стои зад него

Джорди започна с нестандартна позиция. Днес доставчиците слагат етикета „AI“ на почти всичко, включително на обикновени правила и маркетингова автоматизация, и според него това е добре: шумът подтиква хората да научат повече за областта. Все пак той беше категоричен, че етикетът няма да ви помогне да изберете инструмент. Да наречеш оптимизацията на времето за изпращане „AI“ е, меко казано, спорно.

Дмитро Шаповалов се съгласи и отиде по-далеч:

Дмитро Шаповалов, Chief Business Architect в Liki24

 

„От гледна точка на бизнеса не ме интересува какъв етикет слага доставчикът на инструмента – AI или автоматизация. Интересува ме само бизнес ефектът. Преди десет години беше абсолютно същото с автоматизацията на CRM.“

Дмитро Муха погледна на въпроса през историята. Когато фабриките за първи път заменили парните машини с електродвигатели в съществуващите си заводи, производителността почти не се променила. Според икономическия историк Пол Дейвид производителността в преработващата промишленост в САЩ рязко нараснала едва през 20-те години на ХХ век, около четири десетилетия след комерсиализацията на електричеството, когато фабриките били преустроени около новия източник на енергия.

Дмитро Муха, CTO в Claspo

 

„Когато фабриките включили електричеството в старите си заводи, това не помогнало. Отнело около 40 години, докато ефектът се прояви в статистиката за производителността. С AI сме точно в този момент: едва започнахме да преустройваме всичко около него.“

Дмитро Шаповалов възрази срещу идеята за мащабно преустройство. Никой не преустройва фабриката наведнъж. Добавяте малки части, проверявате дали всяка работи и преминавате към следващата. За него открит остава въпросът за надеждността: дали може да се разчита на AI агентите да изпълняват пълен цикъл на вземане на решения.

Зрелостта е различна в различните отдели

Модераторите представиха внедряването на AI в три нива. Отговорите на участниците показаха, че една компания може да бъде и на трите нива едновременно.

Логистиката в Liki24 остава на ниво 1, защото AI не може да договори по-добри тарифи с превозвачите или да раздвижи забавена пратка. Джорди добави съзнателно ниво 0: екипът му изобщо не използва AI в ревютата на софтуер, за да не звучат те като тези на всички останали.

Решение 1: Кой отговаря за AI във вашата компания

Дмитро Шаповалов разделя отговорността на две нива. Компанията отговаря за правилата: кои инструменти са разрешени, как се защитават данните и кои решения AI никога не бива да взема. Liki24 работи на регулиран пазар, затова AI никога не може да предлага лечение или да предлага без рецепта лекарства, отпускани по лекарско предписание. За него компанията отговаря за правилата, а отделите – за бизнес резултатите, и те решават как AI да им помогне да ги постигнат. 

Джорди добави етап, който е първи в по-малко зрелите компании: междуфункционална работна група. Тя отговаря за AI програмата, насърчава внедряването в екипите, след което предава работата на отделите и се разпуска. Той е прилагал такъв модел с екип по data science в голяма верига за стоки за дома и ремонт. Предупреди също, че правилата работят само ако отговарят на реалното поведение на хората:

Джорди ван Рейн, основател на Email Vendor Selection

 

„Можете да въведете правила, но те трябва да са близки до реалността. Хората ще ви кажат: ‚Разбира се, използваме само одобрения инструмент‘ или ‚Не, не използваме ChatGPT‘. А междувременно го използват на телефоните си.“

Дмитро Муха начерта границата между това какво да притежавате и какво да наемате:

Дмитро Муха, CTO в Claspo

 

„Най-важната част е мозъкът на проекта: вашите знания в областта, вашата експертиза, вашият достъп до данни. Това трябва да притежавате изцяло. Що се отнася до моделите, най-продуктивният подход е да разчитате на доставчици като OpenAI или Anthropic.“

В Claspo този „мозък“ е под формата на skills, изградени върху други skills и свързани в автоматизирани работни процеси. Когато двама души изпълняват един и същ работен процес, те получават един и същ процес, което улеснява стандартизирането и мащабирането на работата.

Използвайте собствен AI агент с CDP

Плъгинът на Yespo свързва Claude и OpenAI Codex с вашия акаунт в Yespo чрез MCP. Опишете задачата на обикновен език, прегледайте предложените действия и оставете агента да работи с вашите шаблони, контакти, работни процеси и анализи. Агентът действа само в рамките на правата на потребителя, който го е свързал, а готовите skills покриват редактиране на имейли, одити на доставяемостта и анализ на кампаниите. 

Покажете ми как да свържа своя AI агент →

Решение 2: Кои данни остават вътре

Дмитро Шаповалов сортира данните по чувствителност. В държавите, в които Liki24 работи с рецепти, клиентите могат да ги качват в маркетплейса и тези данни остават вътре без изключения. Данните, използвани за оптимизиране на бизнеса, са друго: анализът на фунията или цените на конкурентите, които захранват ценовия модел на Liki24, могат да се подават към външни инструменти без проблем.

Той добави въпрос, който стои преди всяко решение за данните: защо изобщо ви е нужен този модел? За Liki24 отговорът винаги е най-бързият начин за решаване на конкретен бизнес проблем. Изграждането на инструмент само защото технологията съществува не е основание.

Алекс Данченко задълбочи дебата. Той разказа за изказване на ръководител на голяма маркетингова платформа, чийто екип дал на модел достъп до всички вътрешни API в изолирана среда. Помолили го да оптимизира кампании за онбординг или реактивиране, оставили го сам да избира кои API да извиква и дори го попитали какви данни и API му липсват. Муха призна, че пулсът му се ускорил само докато слушал. В multi-tenant платформа модел без ограничения може да открие трик за конверсия на сайта на един бранд и да го използва за друг.

Дмитро Муха, CTO в Claspo

 

„Разбира се, AI може да има достъп до всички API. Но първо трябва да изградим защитни механизми и да анонимизираме данните. Едва тогава AI трябва да взема решения.“

Правилото на Джорди: ограничавайте всички данни, които не са нужни за задачата. Не знаете къде е слабото място, докато не се натъкнете на него. Личните данни са регулирани, а дори метаданните, например кой на кого е писал и кога, могат да бъдат ценни в неподходящ контекст. Вероятността от изтичане може да е малка, но последствията са огромни.

Алекс затвори темата от гледната точка на доставчика. Данните за клиентите, съхранявани в CDP, принадлежат на клиентите на платформата и Yespo не ги използва между акаунтите, въпреки че AI с удоволствие би копирал най-успешната кампания от един бранд към друг.

AI препоръки, които спазват вашите правила за съответствие. Liki24 използва AI препоръките на Yespo в една от най-регулираните ecommerce вертикали. Лекарствата по рецепта и чувствителните категории са изключени от блоковете с препоръки, а екипът на Liki24 е добавил свои връзки между категориите върху модела. 

Искам да видя как Liki24 го е настроил →

Решение 3: Да изградите или да купите и какво да питате доставчиците

Джорди отказа да отговори със „зависи“. Ако добри инструменти вече вършат работата, не преоткривайте колелото. Изграждайте само когато AI е в основата на това, с което се занимава компанията ви. Ако е второстепенна функция, купувайте. Единственото изключение, за което той се пошегува, е CTO, който обича да създава неща – тогава зависи от това колко акции притежава този CTO.

Купуването означава проверка, а участниците назоваха два въпроса, които доставчиците обикновено избягват.

Сигурност. Според Джорди повечето AI доставчици или избягват неудобните въпроси за сигурността по време на демото, или просто отговарят „да“. Ако не можете да проверите отговора, той струва малко. Агентите за търсене на потенциални клиенти, обогатяване на данни и скрейпинг са в най-сивата зона. Инструментите за имейл и CRM се проверяват по-лесно. При корпоративни покупки специализираните компании за тестване и сертификатите за сигурност ще ви кажат повече от всяка комисия за избор.

Надеждност. Дмитро Шаповалов посочи τ-bench – бенчмарк на Sierra, който тества AI агенти в симулирани задачи по обслужване на клиенти в ритейла. GPT-4o е изпълнил около 61% от задачите от първия опит. Когато е трябвало да изпълни успешно една и съща задача в осем от осем опита, резултатът му е спаднал до около 25%. Бенчмаркът е от средата на 2024 г. и оттогава моделите са се подобрили, но именно за разликата между еднократния успех и постоянното представяне трябва да пита купувачът.

Дмитро Шаповалов, Chief Business Architect в Liki24

 

„Ако знам, че надеждността на AI агента пада до 20–30%, когато повтаря една и съща задача, бизнес въпросът е прост: какви задачи да му делегирам?“

Джорди преформулира въпроса като въпрос за полезността. Агент, който успешно се справя с 25% от задачите по обслужване на клиенти, все пак може да си струва. В медицинска среда – не. Той предупреди също, че AI инструментите са SaaS продукти, работещи с модели, които се променят. Това, което тествате днес, утре може да се държи различно, затова тестването трябва да е непрекъснато.

Решение 4: Как ще измервате какво променя AI

Дмитро Муха дойде на панела с отрезвяваща цифра. Мета-анализ на над 6700 ecommerce експеримента, проведени на платформата Qubit, установява, че 90% от тях са променили приходите с по-малко от 1,2% – в положителна или отрицателна посока. AI прави експериментите по-евтини, но това не увеличава вероятността те да имат значение.

Неговата диагноза: хората обичат да провеждат експерименти и още повече обичат да нарушават правилата на статистиката. Надничат в резултатите, преди тестът да е приключил, и го спират в момента, в който за първи път достигне нивото на доверие. Неговото решение е строга система. Определете хипотезата и критериите за приемане предварително, изградете малки метрики, които се събират в една North Star метрика, и записвайте какво ви е научил всеки експеримент.

Дмитро Муха, CTO в Claspo

 

„За всяка метрика ви трябват два критерия: подобрение и вреда, защото винаги става дума за компромис. Тези правила трябва да са детерминистични, а хората или моделите трябва да вземат решения само въз основа на тях.“

След това модераторите зададоха на участниците въпрос от публиката: ако разполагате с история на покупките, поведение на сайта и данни от имейлите, кои сценарии за AI трябва да тествате първо?

• Дмитро Муха смята, че AI системите вече могат сами да проектират и провеждат експерименти, ако имат правила, експертиза в областта и защитни механизми, а хората контролират какво виждат клиентите. Claspo изгражда екип от агенти за това. В един клиентски проект агентите установиха, че половината от трафика на сайта попада на страница на изчерпан продукт. Никой от екипа не го беше забелязал.
• Джорди препоръчва да тествате „близо до огъня“, тоест възможно най-близо до основния KPI за приходите: next best product, next best offer, cross-sell и upsell и welcome поредицата.
• Дмитро Шаповалов не се съгласи и с двамата. Евтините експерименти създават повече шум и по-малко резултати. Преди пет години всеки тест струваше реални ресурси, така че екипите мислеха по-внимателно кои да проведат.

Дмитро Шаповалов, Chief Business Architect в Liki24

 

„Преди да се хвърлите в AI експерименти, проверете основното си предложение и product-market fit. Ако там нещо не е наред, първо го поправете. Едва след това преминавайте към маркетинга, експериментите и хубавите инструменти.“

Неговият пример: AI персонализацията в маркетинговите кампании на Liki24, изградена с Yespo, показа страхотни резултати. Обикновен експеримент с прага за безплатна доставка, проведен паралелно, също донесе силен бизнес ефект.

„Прекалено скучно!“ – пошегува се Джорди, но в крайна сметка се съгласи. Основите са на първо място, но екипът се нуждае и от малко „пари за учене“ за проучвателни проекти, защото експериментирането работи като пинбол машина: опитвате нещо на едно място, а научавате нещо на друго. Дмитро Кудренко добави предупреждение за метрики, които изглеждат добре, но не носят пари. Една система за препоръки, която е виждал, продавала купища нискомаржинални батерии, а друга – предимно чорапи. Цифрите растели, а бизнесът почти не усещал разлика.

Непрекъснато A/B тестване с човек в цикъла.

Блокът One from Many тества набор от варианти на съобщение в работен процес на Yespo. Той започва с изпращане на варианти на случаен принцип, след това се насочва към тези с по-висок CTR и автоматично изключва вариантите, които постоянно губят. Когато е включена опцията Auto-optimize variants, AI създава чернови на нови варианти, които екипът ви преглежда, преди да бъдат добавени в набора. 

Покажете ми как работи One from Many →

Решение 5: Скорост или резултати

Дмитро Кудренко помоли участниците да изберат един от трите начина, по които ecommerce екипите внедряват AI: по-бързо производство, повече дейности (например персонализация в мащаб) или подобряване на показател за ефективност. Отговорът „зависи“ беше забранен.

Джорди избра скоростта. Ако екипът ви отделя много време за създаване на маркетингови материали и кампании, първо съкратете това време. Така настоящите ви служители получават глътка въздух, а и обикновено това се внедрява най-лесно.

Дмитро Шаповалов избра резултатите и разказа поучителна история. В един проект екип използвал генеративен AI за рекламни криейтиви в Meta. Преди това можели да създадат от 5 до 10 криейтива. С AI създали стотици и започнали да ги тестват. След това направили сметките: цената за привличане на клиент била твърде висока, а LTV не можело да я покрие. Два-три експеримента щели да бъдат достатъчни, за да се види това.

Дмитро Шаповалов, Chief Business Architect в Liki24

 

„Ако ускорите в грешна посока, просто ще загубите парите си. Не ви трябва скорост, ако тя ви води в грешна посока.“

Дмитро Кудренко го нарече проблемът с кокошката и яйцето: скоростта освобождава време за работа по стратегията, но ви трябва стратегия, за да знаете какво си струва да ускорите.

Дмитро Муха също застана на страната на резултатите, с едно допълнение. Инвестирайте в собствените си умения и инструменти, независимо кой доставчик използвате, защото средата се променя твърде бързо, за да чакате. И планирайте мащаба: AI вече не е просто асистент. Агентите могат да работят в цикли и да итерират цели работни процеси.

Чеклист за инвестиции в AI

Заключителният съвет на Джорди е добро въведение към списъка. Екипите често бързат да купят CRM, ESP или друга голяма система, без да разграничат какво им е нужно от това, което би било хубаво да имат, и едва след това разбират, че изборът е бил погрешен.

Джорди ван Рейн, основател на Email Vendor Selection

 

„Опознайте ядрото на инструментите, които използвате и ще използвате. Почешете ги леко с нокът и разберете кое е AI блясък – нещата около ядрото, които всъщност не ви трябват.“

Преди да одобрите следващата си инвестиция в AI, задайте си следните въпроси:

1. Какъв бизнес ефект ще има този инструмент, освен етикета AI? Ако доставчикът не може да назове метриката, която инструментът подобрява, възприемайте етикета като маркетинг.
2. Кой отговаря за правилата и кой – за резултатите? Компанията определя политиките за инструментите, сигурността и решенията, които AI никога не бива да взема. Отделите отговарят за резултатите. Уверете се, че правилата отговарят на това как хората реално работят, иначе ще получите shadow AI.
3. До какви данни ще има достъп инструментът и нужни ли са му всичките? Пазете чувствителните данни вътре, анонимизирайте това, което излиза навън, и ограничавайте всичко, което не е необходимо за задачата.
4. AI ли е в основата на бизнеса ви? Ако не, купувайте, вместо да изграждате. И в двата случая притежавайте експертизата си в областта и наемайте модела.
5. Може ли доставчикът да докаже твърденията си за сигурност и надеждност? Поискайте сертификати и независимо тестване. Попитайте дали агентът може да изпълнява една и съща задача последователно в много опити.
6. Определили ли сте подобрение и вреда за всяка метрика, преди да започне тестът? Задайте критериите за приемане предварително, не спирайте теста в момента, в който за първи път изглежда значим, и проверявайте маржа заедно с обема.
7. Тествали ли сте основното си предложение? Цените, праговете за доставка и product-market fit могат да повлияят на бизнеса повече от която и да е AI функция.
8. Знаете ли посоката, преди да ускорите? Изчислете unit economics на няколко експеримента, преди AI да ги умножи по сто.

Участниците не бяха съгласни за всичко, но общата позиция беше очевидна. Джорди ван Рейн го формулира най-добре: днес стратегията е повече за това какво решавате да не правите. AI дава на креативния маркетолог нещо ново за създаване всяка сутрин, така че изборът е трудната част. Той очаква също все повече маркетолози да си направят акаунти в GitHub, да пишат малко Python и да пускат „грозен софтуер, който работи“.

Алекс Данченко закри конференцията с прогноза. AI ще издигне начинаещите маркетолози и слабите кампании до нова норма, която е далеч над днешната. Това, което ще ви изведе над тази нова норма, е човешкото разбиране защо клиентите се връщат.

Записите на всички сесии са достъпни на сайта на RARE 2026. 

Special Request Inline