Внедрять ИИ в fashion-ритейле стало привычно, непривычно другое: мало кто видит от него эффект в финансах. По исследованию McKinsey и EuroCommerce (июнь 2026 года) восемь из десяти опрошенных руководителей европейского ритейла не могут пока определить вклад ИИ в EBITDA. Я думаю, дело чаще в связях между инструментами, чем в самих инструментах. Разберу это на примере одной фотографии товара.
Что показывает исследование McKinsey и EuroCommerce
Исследование вышло 10 июня 2026 года и оценивает потенциал ИИ в европейском ритейле в €240–320 млрд за пять лет. При этом восемь из десяти опрошенных руководителей считают, что определять влияние ИИ на EBITDA ещё рано. Опросили 36 руководителей, поэтому цифры стоит читать как ориентир, а не как статистику рынка.
Одна цифра из того же исследования объясняет разрыв. Расходы на ИИ, капитальные и операционные, обычно составляют от 1,5 до 5% выручки, а на коммерческие задачи (цены, промоакции, ассортимент, переговоры с поставщиками) вложения направляют только 15% ритейлеров. Деньги идут туда, где ИИ виден покупателю, а решения, от которых зависит маржа, остаются на втором плане.
Россия выглядит похоже. По исследованию Data Insight «Перспективы агентной коммерции в России» (21 августа 2026 года) трафик из ИИ-систем начал расти в 2025 году, но заказы для ритейла в среднем пока единичные. О том, как ИИ-ассистенты приводят покупателей в магазин, мы писали в статье про Yandex Commerce Protocol.
Почему отдельные инструменты не складываются
Как правило, в интернет-магазине одежды набор такой: описания карточек, виджет размера, примерка, рекомендации, чат поддержки и аналитика. Все они работают с одним и тем же товаром, но каждый получает его из каталога заново и собирает вокруг себя свои данные. Новая коллекция проходит столько подключений, сколько у магазина сервисов, и запуск тормозит самый медленный из них.
Отчёты при этом лежат в разных кабинетах, и сложить их в одну картину — отдельный проект. Вопрос «какой инструмент что изменил» остаётся без ответа, а без ответа на него эффект в EBITDA не показать.
Фото товара как общая основа
Общая основа для нескольких ИИ-функций в магазине одежды — сам товар: его фотографии, категория и размерная сетка. Если эти данные загружены один раз, из них получаются и примерка, и подсказка размера, и образ, а все три функции опираются на одно описание вещи.
У нас это устроено так. Каталог мы забираем из выгрузки магазина или с сайта, заводить товары вручную магазину не нужно. Размерные сетки загружаются один раз при подключении. Из этого каталога работают три функции. Примерка и подсказка размера уже в виджете. Чат-стилист войдёт в октябрьское обновление виджета 2026 года, и подключение с ним можно заказать уже сейчас.
| Функция | Что берёт из каталога | Что получает покупатель |
|---|---|---|
| Виртуальная примерка | фотографии товара, категория | себя в вещи, до пяти слоёв одежды в одном образе |
| Подсказка размера | размерная сетка магазина и замеры изделия | размер и пояснение, как вещь сядет |
| Чат-стилист (октябрьское обновление виджета) | каталог магазина | образ из товаров магазина под повод |
Статистика показывает, сколько было примерок, какие товары мерили чаще и что после примерки клали в корзину, так что путь от примерки до корзины виден в данных самого виджета.
Как выглядит связка на примере новой коллекции
Разница становится видна, когда выходит новая коллекция. Схема условная: три функции у трёх поставщиков против общей основы.
| Что происходит с новой коллекцией | Три отдельных инструмента | Общая основа |
|---|---|---|
| Каталог | загружается три раза, в трёх форматах | загружается один раз |
| Размерные сетки | заводятся в каждом инструменте отдельно | заводятся один раз |
| Проверка результата | три проверки у трёх поставщиков | один порог качества |
| Отчёты | три кабинета | одна статистика |
| Если что-то не сработало | непонятно, у кого искать | понятно, где смотреть |
Чем больше в магазине инструментов, тем сильнее растёт разрыв между колонками. Поэтому связность я считаю свойством, которое проверяют до покупки, а не после.
Что входит в виджет, а что мы делаем под заказ
Основной продукт — онлайн-виджет на сайте магазина: примерка, подсказка размера и, с октябрьским обновлением, чат-стилист. Офлайн-панели в магазинах и примерку по QR в примерочных мы делаем под заказ: формат, срок и стоимость обсуждаем под задачу магазина до договора. Заменять фотосъёмку каталога и генерировать контент для площадок мы не беремся: примерка работает по фотографиям, которые у магазина уже есть.
Пять вопросов любому ИИ-поставщику
Связность инфраструктуры проверяется пятью вопросами до подписания договора. Ответы показывают, как поставщик справляется с каталогом, новой коллекцией и сбоем, и это важнее списка его функций.
- Сколько раз надо загружать каталог, если у вас уже есть другие ИИ-решения? Ответ «один раз, вот способ» лучше ответа «мы интегрируемся с каждым».
- Есть ли общий кабинет и общая статистика? Отчёты в разных местах значат, что эффект придётся собирать вручную.
- Кто проверяет качество результата до того, как его увидит покупатель? Порог качества и отбраковка плохих кадров должны быть частью сервиса. Мы, например, держим порог по совпадению лица и кадр ниже него не показываем.
- Что видит покупатель, если сервис не ответил? Пустой экран и обычная карточка товара — два разных способа потерять продажу.
- Через сколько новая коллекция доступна во всех функциях сразу? Если ответ измеряется неделями, дроп с примеркой невозможен.
Как понять, что система связана
Показатели связности считаются на данных, которые у магазина уже есть: время запуска новой коллекции, охват каталога, число выгрузок и выручка на посетителя. Тревожные признаки собраны в таблице.
| Метрика | Что показывает | Тревожный признак |
|---|---|---|
| Время от появления новой коллекции до её работы во всех ИИ-функциях | скорость запуска | дни и недели ручной работы |
| Доля артикулов, охваченных всеми функциями | полноту покрытия | часть каталога живёт вне ИИ-инструментов |
| Число контрактов и выгрузок каталога | сложность системы | каждое решение требует своей выгрузки |
| Выручка на посетителя | общий итог, а не «успех» отдельного инструмента | метрики отдельных инструментов растут, выручка нет |
Выручку на посетителя я ставлю выше остальных показателей: инструмент, у которого своя метрика растёт, а выручка на посетителя стоит на месте, оптимизирует самого себя.
Как считать вложения
Оценивать ИИ-сервис только по цене неудобно: важнее, сколько бизнеса он поддерживает, то есть сколько артикулов, сколько точек касания с покупателем, сколько решений в день он упрощает. Сервис дороже, но охватывающий каталог целиком и подключённый к общей статистике, может выйти дешевле трёх дешёвых, не связанных между собой.
Порядок, который я бы выбрал: один сквозной сценарий (карточка товара, примерка, размер, корзина), проверка на нескольких десятках артикулов, измерение по выручке на посетителя и только потом следующая функция. Как измерять, разобрано в статье «Окупаемость виртуальной примерки: как посчитать».
Вопросы и ответы
Что такое ИИ-инфраструктура для интернет-магазина одежды? Это общая основа, на которой работает сразу несколько ИИ-функций: единый каталог товаров, единая размерная сетка, общее хранилище данных и общий контроль качества результата. Без неё каждый сервис получает данные отдельно, и бренд не видит, какой инструмент что изменил.
Сколько ритейлеров получают финансовый эффект от ИИ? По исследованию McKinsey и EuroCommerce от июня 2026 года, восемь из десяти опрошенных руководителей европейского ритейла считают, что определять влияние ИИ на EBITDA пока рано. Опрос охватил 36 руководителей, поэтому цифра служит ориентиром, а не статистикой рынка.
Нужно ли брать все ИИ-решения у одного поставщика? Нет. Важнее, чтобы решения не заставляли загружать каталог заново, отдавали данные в общую статистику и не мешали друг другу на странице товара. Систему можно собрать из нескольких поставщиков, если каталог и отчёты у них общие, и нельзя, если у каждого своя выгрузка.
С чего начать бренду, который уже купил несколько ИИ-инструментов? С одного сквозного сценария: карточка товара, примерка, размер, корзина. Проверьте его на нескольких десятках артикулов и сравните выручку на посетителя у тех, кто им пользовался, и тех, кто нет. Следующие функции подключайте только после этого.
Чем примерка связана с подбором образов? Примерка отвечает на вопрос, как вещь смотрится на покупателе, чат-стилист отвечает на вопрос, с чем её носить. Обе функции работают по каталогу магазина, и вместе они закрывают путь от выбора вещи до готового образа. Чат-стилист войдёт в октябрьское обновление виджета 2026 года, и подключение с ним можно заказать уже сейчас.
Есть ли у MakeMeLook офлайн-панели и примерка по QR? Делаем под заказ. Основной продукт онлайн, а для торгового зала мы собираем решение под задачу магазина. Формат, срок и стоимость обсуждаем до договора.
Если у вас уже есть несколько ИИ-инструментов и вы хотите добавить примерку, не удваивая выгрузки, пришлите ссылку на каталог: соберём примерку на ваших вещах и покажем, как она сочетается с тем, что уже работает.
Источники
- EuroCommerce, «European retailers face a €240–320 billion AI opportunity as agentic commerce reshapes the industry», 10 июня 2026 года.
- McKinsey и EuroCommerce, «Rewiring retail in Europe: The AI imperative», июнь 2026 года.
- Data Insight, «Перспективы агентной коммерции в России, 2026», 21 августа 2026 года.
