Как мы разработали первый в России ИИ-помощник по подбору напольных покрытий

Для интернет-магазина ParketSibir.store я разработал специализированного ИИ-консультанта, который помогает посетителям подбирать напольные покрытия непосредственно из актуального каталога WooCommerce.

Общий бюджет разработки и последующей доработки проекта составил 250 000 рублей.

На момент запуска это был первый известный нам российский ИИ-помощник, созданный именно для подбора напольных покрытий по ассортименту интернет-магазина. Речь идет не об универсальном чат-боте, а о полноценной системе, учитывающей материал, помещение, характеристики, наличие, цену за квадратный метр и площадь упаковки.

Задача проекта

Выбор напольного покрытия требует сравнения большого количества параметров. Покупателю необходимо учитывать:

• тип помещения;
• материал покрытия;
• цвет и дизайн;
• толщину;
• класс износостойкости;
• влагостойкость;
• совместимость с теплым полом;
• стоимость квадратного метра;
• площадь упаковки;
• наличие товара.

Самостоятельный просмотр сотен карточек занимает много времени, а обычный чат-бот не знает актуального ассортимента магазина и может рекомендовать несуществующие позиции.

Поэтому главной задачей было создать ИИ-помощника, который работает только с реальными товарами ParketSibir.store и не придумывает цены или характеристики.

Это не просто подключение нейросети к сайту

В основе решения лежит отдельный плагин для WordPress и WooCommerce — Parket Sibir AI Assistant.

Архитектура работает в два этапа. Сначала плагин программно анализирует запрос покупателя и выбирает наиболее подходящие товары. После этого компактный список кандидатов передается языковой модели для сравнения и подготовки понятного ответа.

Такой подход имеет несколько преимуществ:

• нейросеть не получает весь каталог при каждом обращении;
• сокращается стоимость API-запросов;
• ускоряется формирование ответа;
• уменьшается вероятность выдуманных рекомендаций;
• покупатель получает ссылки только на существующие товары.

По умолчанию система индексирует до 3 000 товаров, а через настройки лимит можно увеличить до 5 000. В нейросеть передаются не тысячи позиций, а только 12 наиболее релевантных кандидатов. Количество кандидатов также можно менять в панели управления.

Автоматическая работа с каталогом WooCommerce

Плагин самостоятельно получает из WooCommerce следующую информацию:

• название и артикул товара;
• тип покрытия;
• полное и краткое описание;
• категории, метки и бренд;
• характеристики и атрибуты;
• текущую и обычную цену;
• диапазон цен вариативного товара;
• статус и количество товара на складе;
• рейтинг и количество продаж;
• изображение и ссылку на карточку;
• площадь покрытия в упаковке.

Все цены в рамках проекта интерпретируются как цены за один квадратный метр.

Площадь упаковки определяется по дополнительным полям или характеристикам товара. Плагин распознает разные варианты названий этого параметра: «площадь упаковки», «площадь в пачке», «м² в коробке» и другие формулировки.

Каталог сохраняется в серверном кэше на четыре часа. При изменении товара, цены, остатка, вариации, категории или характеристики кэш автоматически сбрасывается. Администратор также может вручную пересобрать каталог из панели WooCommerce.

Предварительный отбор товаров без участия нейросети

Перед обращением к ИИ плагин выполняет собственный поиск и ранжирование товаров.

Текст запроса нормализуется: система приводит слова к нижнему регистру, учитывает разные варианты написания, удаляет лишние символы и использует упрощенную обработку словоформ.

Также предусмотрены отраслевые синонимы. Например, система связывает между собой запросы:

• «кварц-винил», SPC, LVT и ПВХ;
• «елочка» и Chevron;
• «теплый пол» и «подогрев»;
• «пробковое покрытие» и Cork;
• запросы для кухни или ванной с характеристиками влагостойкости;
• покрытия для помещений с домашними животными с прочностью и устойчивостью к царапинам.

Совпадения оцениваются с разным весом. Наибольший приоритет имеют артикул, название, категория и характеристики. Описание получает меньший вес, поскольку оно часто содержит общий рекламный текст.

Дополнительно учитываются:

• заданный бюджет;
• наличие товара;
• рейтинг;
• количество продаж;
• признак рекомендуемого товара.

Плагин распознает формулировки «до 3 000 рублей за м²», «не дороже», «максимум» и «бюджет до». Товары, которые превышают ограничение, получают пониженный рейтинг еще до отправки данных нейросети.

Строгие правила для ИИ-консультанта

Важной частью проекта стала не только программная разработка, но и подготовка подробной системы инструкций для языковой модели.

ИИ разрешено использовать только информацию из переданного каталога. Он не должен придумывать свойства, наличие, сертификаты, гарантии или страну производства.

Помощник разделяет требования покупателя на обязательные и желательные. Например, условие «ламинат толщиной строго 8 мм и не дороже 2 500 рублей за м²» должно выполняться полностью. Если точных совпадений нет, система сообщает об этом, а не заполняет выдачу неподходящими товарами.

Отдельно прописаны правила интерпретации характеристик:

• влагостойкость не приравнивается к водостойкости;
• совместимость с теплым полом должна быть явно указана;
• общая толщина не смешивается с толщиной защитного слоя;
• значения 8 мм и 8,5 мм считаются разными;
• отсутствие характеристики не подтверждает ее наличие;
• типы напольных покрытий нельзя произвольно подменять друг другом.

В проект также добавлены индивидуальные бизнес-правила. Например, при подборе ламината сопоставимые товары Quick-Step и My Step получают повышенный приоритет, но только после проверки обязательных требований покупателя.

За один ответ помощник рекомендует не более пяти позиций. Идентификаторы товаров дополнительно проверяются на сервере, поэтому в интерфейс не может попасть карточка, которой не было среди отобранных кандидатов.

Расчет количества упаковок и стоимости

ИИ-помощник умеет рассчитывать требуемое количество напольного покрытия, но использует только фактические данные покупателя и каталога.

Расчет выполняется последовательно:

$$S_{\text{required}}=S_{\text{room}}\times(1+r/100)$$

$$N=\left\lceil\frac{S_{\text{required}}}{S_{\text{pack}}}\right\rceil$$

$$C=N\times S_{\text{pack}}\times P_{m^2}$$

Здесь $S_{\text{room}}$ — площадь помещения, $r$ — запас в процентах, $S_{\text{pack}}$ — площадь упаковки, $N$ — количество упаковок, а $P_{m^2}$ — цена квадратного метра.

Помощнику запрещено самостоятельно придумывать процент запаса или площадь упаковки. Если данных недостаточно, он задает один наиболее важный уточняющий вопрос.

Интерфейс для посетителей и администратора

Плагин поддерживает два варианта размещения:

• плавающий виджет, автоматически доступный на страницах сайта;
• встроенный блок, который можно установить в нужном разделе через шорткод.

Для интеграции с Divi предусмотрены шорткоды:

[flooring_ai_assistant mode="inline"]

[parket_ai_assistant mode="inline"]

Посетитель получает обычный диалоговый интерфейс, быстрые кнопки для популярных запросов и карточки рекомендованных товаров. В карточке отображаются изображение, название, артикул, цена за м², наличие, площадь упаковки, основные характеристики и ссылка на товар.

Интерфейс адаптирован для смартфонов, поддерживает управление с клавиатуры и учитывает базовые требования доступности.

В административной панели можно изменить:

• API-адрес и используемую модель;
• название и приветствие помощника;
• лимит индексируемых товаров;
• количество кандидатов;
• ограничение запросов;
• режим автоматического показа виджета.

Безопасность и контроль расходов

API-ключ хранится на сервере и не передается в браузер посетителя. При необходимости его можно вынести в константу WordPress.

В плагине реализованы:

• очистка пользовательских сообщений и данных каталога;
• проверка адреса AI-сервиса;
• безопасная отправка серверных запросов;
• валидация идентификаторов рекомендованных товаров;
• безопасная обработка ссылок;
• защита от вывода HTML-кода из ответа модели;
• ограничение количества обращений с одного IP;
• обработка ошибок и тайм-аутов;
• запрет кэширования ответов диалога.

По умолчанию посетитель может отправить не более 25 запросов за 10 минут. Значение настраивается администратором. Это защищает API от автоматических обращений и неконтролируемых расходов.

Что вошло в бюджет 250 000 рублей

Бюджет разработки и доработки ИИ-помощника для ParketSibir.store составил 250 000 рублей.

В эту сумму вошли:

• анализ сценариев подбора напольных покрытий;
• проектирование архитектуры;
• разработка WordPress-плагина;
• интеграция с WooCommerce;
• индексация и нормализация каталога;
• алгоритм предварительного поиска и ранжирования;
• распознавание бюджетных ограничений и синонимов;
• настройка правил работы языковой модели;
• разработка адаптивного виджета;
• серверная защита API;
• тестирование и последующая доработка логики.

Основная стоимость такого решения — не «подключение нейросети». Наибольшего объема работы требуют интеграция с реальным каталогом, отбор товаров, отраслевые правила, защита от недостоверных ответов и тестирование разных покупательских сценариев.

Текущие расходы на обращения к AI API зависят от количества диалогов и тарифов выбранного провайдера и рассчитываются отдельно от бюджета разработки.

Что получает интернет-магазин

ИИ-помощник ParketSibir.store создан как инструмент первичной консультации и навигации по ассортименту. Он помогает покупателю сформулировать требования, отобрать несколько подходящих позиций и перейти к их карточкам.

Для бизнеса такое решение потенциально позволяет:

• консультировать посетителей круглосуточно;
• сократить количество повторяющихся вопросов менеджерам;
• быстрее приводить покупателя к подходящим товарам;
• повышать глубину просмотра каталога;
• персонализировать рекомендации;
• работать с большим ассортиментом без ручной подготовки ответов;
• сохранять единые правила консультации.

При этом помощник не позиционируется как полная замена менеджера. Если в каталоге отсутствуют важные характеристики или покупателю требуется дополнительная техническая консультация, диалог должен быть продолжен специалистом магазина.

Итоги проекта

Разработка Parket Sibir AI Assistant показала, что эффективный ИИ-консультант для интернет-магазина — это не универсальное окно чата. Он должен быть связан с актуальным каталогом, понимать специфику товаров, учитывать обязательные требования покупателя и подтверждать каждую рекомендацию реальными данными.

Именно такая архитектура была реализована для ParketSibir.store в рамках бюджета 250 000 рублей.

Если вашему интернет-магазину нужен ИИ-помощник, работающий с ассортиментом, ценами и индивидуальными правилами бизнеса, подобное решение можно адаптировать под другую товарную категорию и структуру каталога WooCommerce.