4 IT-решения для ритейла, которые реально работают на прибыль

Это не просто цифровые ценники — хотя само по себе это решение помогает сократить время на ручную работу. Цены в Walmart меняются автоматически с учётом спроса, конкуренции, остатков товара и времени суток.

Как это работает? Технология построена на трёх элементах. Во-первых, электронные ценники (Electronic Shelf Labels, ESL) с WiFi-подключением, которые могут обновляться по воздуху. Во-вторых, алгоритмы Dynamic Pricing, которые анализируют данные о спросе, ценах конкурентов и остатках товара. В-третьих, интеграция с WMS (система управления складом) и POS-терминалами. Ещё одна возможность ESL — функция Pick to Light, которая подсвечивает товары и помогает быстро собирать интернет-заказы.

Пилот электронных ценников прошёл в техасском магазине Walmart. Традиционная замена ценников занимала 2 дня. Сейчас весь процесс укладывается в 2 минуты. В 2026 году компания планирует внедрить ESL в 2 300 магазинах США.

Amazon внедрила динамическое ценообразование ещё более продвинутого уровня. Платформа анализирует спрос, наличие товара у конкурентов, сезонность и поведение пользователя.

Теперь Amazon обновляет цены на 2,5 миллиона товаров каждый день. Вечером дешевеют товары с коротким сроком годности, в выходной дорожают популярные товары. Если товар в избытке, система снижает цену, чтобы ускорить продажу, если в дефиците — цена растёт.

• Увеличение маржи.
• Контроль конкурентных позиций в реальном времени.
• Снижение убытков от просрочки благодаря своевременным скидкам вместо уценки.
• Минимизация ошибок в ценах.
• Ускорение сборки интернет-заказов благодаря функции Pick to Light.

В пилотном магазине в Стокгольме H&M сократил число товарных позиций примерно на 40%, убрал значительную часть мужской линейки и за счёт AI-подбора ассортимента улучшил продажи и снизил объём уценок.

Как это работает? Система состоит из нескольких слоёв. IoT-датчики на полках отслеживают остатки товара в реальном времени. Камеры Computer Vision фиксируют, когда полка пуста, чтобы сотрудники могли срочно пополнить товар. Machine Learning анализирует историю продаж с учётом сезонности и трендов.

Но главное — система анализирует внешние данные. В Instagram — какие вещи носят блогеры и какие публикации нравятся пользователям. В TikTok — какие тенденции набирают популярность. В блогах о моде и новостях — что будет в тренде через 3 месяца. По фотографиям папарацци система узнаёт, что носят знаменитости, и предсказывает, что станет популярным. Прежде эту работу выполняли специалисты, которые посещали модные показы и изучали фотографии знаменитостей. Прогнозы для каждого региона уникальные — ведь клиент в Нью-Йорке отличается от клиента в Стокгольме.

В результате H&M убрали с полок 40 % товарных позиций. До этого в магазинах накапливались избыточные запасы — около 4 миллиардов долларов ежегодно уходило в уценку. Теперь товар отвечает спросу, и уценок стало намного меньше.

Есть и другие примеры. Упомянутый выше Walmart с помощью AI создали цифровой двойник магазина. Здесь моделируют разные варианты раскладки товаров и предсказывают, какой даст максимум продаж. В компании говорят, что снизили расходы на логистику, потому что возят меньше товара, и хранят меньше ненужных остатков.

IKEA внедрила IoT-системы для энергосбережения: в двух крупнейших магазинах Испании (80 000 м²) новые системы кондиционирования с автоматизацией сократили энергопотребление HVAC на 25 %. Компания также пилотирует Energy Insights — мониторинг энергопотребления через умные устройства.

• Сокращение переизбытка товара, а значит, нет нужды в уценке.
• Соответствие спросу: каждый магазин получает товар, нужный клиентам.
• Улучшение опыта клиента: нужный товар всегда в наличии.
• Минимум дефицита.
• Экономия на операциях.

Это AI-агенты на базе больших языковых моделей (ChatGPT, Claude, Gemini и т.д.), дополненные RAG-системой, которая привлекает знания из внешних источников, чтобы давать точные и информативные ответы.

Как это работает? Система начинает с анализа клиента: история покупок, профиль, статус (постоянный клиент или новичок). Затем LLM генерирует ответ не из шаблонов, а понимая смысл вопроса. Если нужны точные данные (например, адрес магазина, параметры товара), RAG-система получает информацию из внутренних баз данных. Система способна решать около 70 % вопросов без участия человека. Оставшиеся 30 % — сложные случаи, которые требуют творчества или эмпатии — автоматически передаются менеджеру с полным контекстом разговора.

Система объединяет все каналы взаимодействия с клиентом — Telegram, WhatsApp, VK, Instagram, сайт. Можно начать диалог в одном канале и продолжить в другом — система помнит контекст.

В H&M внедрили AI-чатбот, который помогает с подбором стиля, размерами и заказами. По данным отраслевых кейсов, подобные решения повышают конверсию на 15-25 % и решают до 70 % запросов без человека.

В «МТС» внедрили интеллектуальный чат-бот для вопросов о тарифах, подключении, счёте. Система анализирует историю обращений клиента, его текущий тариф, платёжную историю. Вместо шаблонного ответа типа «У нас есть тариф А» клиент получает персонализированные рекомендации: «Учитывая вашу историю использования опций, вам подойдёт тариф X, который сэкономит вам Y рублей в месяц».

Чат-бот «ВТБ Онлайн» обработал более 50 млн запросов в 2024 году. Бот решает 75-85 % обращений клиентов, не привлекая операторов. По данным Markswebb Chatbot Rank 2025, это лучший чат-бот на рынке.

В «Альфа-Банке» используют технологию «нейросети для нейросетей» в процессах финансового скоринга. Одна нейросеть оценивает кредитные риски заёмщиков, а другая проверяет достоверность этих оценок и выявляет потенциальные ошибки. Это помогает банку принимать менее рискованные решения о выдаче кредитов, сокращая убытки от невозвратов.

О дарксторах много заговорили в период ограничений, связанных с пандемией. Это склады, закрытые для клиентов. Товары собирают сотрудники, доставляют курьеры. Количество SKU, как правило, больше, чем в обычном магазине, доставка возможна за 0,5–2 часа, а цены на 10–20 % ниже, чем в обычных магазинах. В РФ формат дарксторов используют многие крупные ритейлеры — «Пятёрочка», «Магнит», «Ашан»... В Китае сервис Alibaba Freshippo интегрирован в WeChat.

• Новый тип клиента (молодёжь, занятые люди).
• Дополнительный канал выручки.
• Снижение логистических издержек.

Live-shopping — прямой эфир (часто в соцсетях), во время которого можно сразу оформить покупку. Есть элементы интерактива — например, можно задать вопрос о товаре во время эфира. Продажи в прямом эфире популярны в Азии, особенно в Китае. Taobao Live, платформа для live-shopping Alibaba, в 2022 году генерировала 770 миллиардов юаней в год. К 2026 году рынок live-commerce в Китае дойдёт до 8,16 триллиона юаней. На китайскую Чёрную Пятницу (11.11) live-shopping был одним из главных драйверов. На JD Live заказы выросли в 3,8 раза. На западных рынках этот формат развивается медленнее, но TikTok Shop уже встроил покупку прямо из трансляции.

Результаты: рост показателей вовлечённости и конверсий.

Примеры:

• Gucci предлагает AR-примерку сумок через Snapchat.
• H&M тестирует AR-примерку одежды.
• IKEA ещё в 2017 году запустила приложение с 3D-мебелью в интерьере.
• Carrefour устраивает AR-туры по магазину.

На перечисленные эксперименты стоит смотреть как на тактические ходы в рамках единой стратегии. Каждый эксперимент комбинирует разные технологии, данные и AI для решения конкретной проблемы.

Walmart не просто установила электронные ценники — она связала их с динамическим ценообразованием и логистикой, чтобы максимизировать маржу.

H&M не просто анализирует продажи. Она анализирует внешние данные (соцсети, подиумы, новости), прогнозирует спрос за месяцы вперёд, и для каждого магазина отдельно подбирает ассортимент.

«Пятёрочка» не просто открыла дарксторы. Она изменила логистику, доставку и ценообразование, чтобы конкурировать с маркетплейсами по скорости обслуживания.

Каждое решение должно отвечать конкретной задаче бизнеса. Для внедрения нужны стратегия, качественные данные и готовность руководства к изменениям.