03.06.2025 Экспертиза, Искусственный интеллектИскусственный интеллект в ритейле всё чаще ошибается: рекомендует уже купленное, сбивается на случайные клики, не угадывает контекст. Рассмотрим, почему это происходит — и как с этим работать. В обзоре ниже — разбор уязвимостей, реальных сценариев и новых подходов к персонализации. Почему персонализация в ритейле буксует Чтобы персонализировать предложения, ритейл-компании собирают данные из разных источников: банковские транзакции, мобильные устройства, телеком-сервисы, поведение покупателей в онлайне и офлайне. Однако даже при таком объёме информации создать точный и устойчивый пользовательский профиль оказывается непросто. Во-первых, люди не всегда готовы делиться личными данными. Во-вторых, существуют законодательные ограничения — например, 152-ФЗ «О персональных данных», который ограничивает доступ к чувствительной информации. В итоге алгоритмы часто опираются на неполные, случайные или устаревшие данные. Это приводит к распространённым ошибкам: ИИ предлагает товар, который пользователь уже купил, или делает выводы на основе разового клика. Добавим к этому внутренние особенности бизнеса — неполная аналитика ассортимента, плохо обработанные истории заказов — и становится понятно, почему даже самые современные алгоритмы могут буксовать. Персонализация остаётся заявленной, но не всегда реализованной на практике. ИИ-агенты в персонализации: как работают новые механизмы Будущее персонализации связано с ИИ-агентами — цифровыми помощниками, которые не просто анализируют общие ...
читать далее.
