RWB (объединенная компания Wildberries & Russ) запускает тест ИИ-фильтров для отзывов — инструмент, который автоматически группирует пользовательские комментарии по темам и позволяет быстро находить мнения о конкретных характеристиках товара. Модель на основе ML анализирует текст отзывов, выделяет ключевые темы и формирует нейтральные фильтры вроде «Размер», «Запах», «Цвет», «Вкус», объединяя в одном фильтре и позитивные, и негативные оценки.
Отдельно важно, что фильтры строятся на базе свежих отзывов за последние два года, а список тем динамический: новые отзывы ежедневно прогоняются через модель, и фильтры могут меняться раз в сутки. Функция уже доступна большинству пользователей мобильного приложения в разделе «Оценки и отзывы», позже появится и на сайте.
Ключевое отличие этого решения от привычных «сортировок» — оно отвечает на реальную боль маркетплейсов: при большом объеме UGC покупатель тонет в сотнях однотипных сообщений и в итоге принимает решение по цене или рейтингу, не разобравшись в нюансах. ИИ-фильтры переводят отзывы из «шумовой ленты» в навигацию по фактам: как ведет себя размерная сетка, пахнет ли материал, соответствует ли цвет фото, насколько громкая фурнитура и т.д. Это повышает качество выбора и снижает долю разочарований — а значит, потенциально и возвратов.
Ключевая цитата, объясняющая продуктовую логику, прозвучала от руководителя направления «Отзывы, вопросы и рейтинг товара» Полины Овчинниковой:
«Искусственный интеллект помогает нам систематизировать большое количество отзывов на товары и ускорить рутинные процессы для пользователей. Теперь вместо того, чтобы вручную изучать десятки или даже сотни комментариев, ИИ мгновенно их сгруппирует и отфильтрует. Это позволяет пользователям быстро узнать именно о тех характеристиках товара, которые им важны, экономя время и делая выбор более осознанным», — прокомментировала руководитель направления «Отзывы, вопросы и рейтинг товара» Полина Овчинникова.
Для продавцов это двойной эффект. С одной стороны, «плохие» темы (например, нестабильный размер или стойкий запах) станут видны быстрее — фильтры делают проблемные паттерны более заметными. С другой — честные товары выигрывают: покупатель быстрее находит подтверждение нужных параметров и меньше сомневается. В итоге конкуренция смещается от «накрутки впечатления» к управлению качеством и контентом: корректные карточки, точные фото, понятные таблицы размеров, ответы на вопросы.
В логистике и ВЭД косвенный эффект тоже есть. Чем точнее ожидания покупателя, тем ниже нагрузка на обратную логистику (возвраты/обмены), меньше «пиление» партий по складам и меньше затрат на сортировку возвратного потока. Для маркетплейса это особенно важно на фоне роста затрат на last mile и складскую обработку: ИИ-инструменты начинают работать как технология снижения операционных издержек через улучшение качества выбора, а не только как «фича для интерфейса».
Контекстно это продолжение линии Wildberries на внедрение ИИ-инструментов: ранее компания тестировала нейросетевой пересказ отзывов («Важное из отзывов»), чтобы ускорить чтение длинных веток комментариев.
