AI-консультант з підбору покриття для підлоги
Ми створили AI-консультанта для виробника покриттів для підлоги, який не просто відповідає на питання — він веде покупця до правильного продукту, попереджає про типові помилки та рахує повний бюджет. Без участі менеджера.
- Клієнт
- Виробник покриттів для підлоги
- Локація
- Україна
- Термін
- 3 тижні
- AI Модель
- OpenAI
// Проблема
Що відбувається, коли продукт складний, а менеджер один
Підлогові покриття — це не просто «хочу дерево або плитку». Клієнт приходить із десятками питань: чи підходить матеріал для теплої підлоги, яка товщина зносостійкого шару для коридору, чи можна ламінат у кухню, скільки купити з запасом, як порахувати повний бюджет.
Кваліфікований менеджер витрачав кілька хвилин на кожен такий діалог. І це при тому, що 80% питань — однакові. Щодня. По колу.
Покупці самі робили хибний вибір — замовляли ламінат у кухню, масив на теплу підлогу, плитку R9 у душову. Результат — повернення, негативні відгуки, репутаційні втрати.
Каталог великий. Наявність різна по регіонах. Менеджер мав перевіряти щоразу: чи є товар, яка актуальна ціна, які терміни. А якщо запит прийшов на вихідних чи вночі — відповіді не було взагалі.
// Рішення
Що ми побудували за 3 тижні
AI-консультант — це не один чатбот, а два модулі з єдиним принципом роботи: зрозуміти задачу клієнта, а не просто відповісти на запит.
Експертні відповіді на запитання
Покупець може запитати будь-що: різниця між SPC та WPC, чи можна ламінат по діагоналі, яку затирку обрати для душової. Якщо питання несе ризик типової помилки — консультант попереджає в першому реченні.
Підбір продукту
Структуроване дерево рішень: 2-4 питання — і покупець отримує конкретний продукт з артикулом, ціною, поясненням чому саме цей та розрахунком вартості всього проєкту.
Розумна ескалація до менеджера
Якщо рівень впевненості нижче порогу — чесно каже «передам менеджеру» та передає весь контекст розмови: що вже з'ясовано, яке приміщення, який бюджет, де знаходиться клієнт.
// Чому не звичайний бот
Ми розглядали звичайний чатбот. І відмовились.
Перший інстинкт — налаштувати FAQ-бот. Завантажити питання та відповіді, навчити на каталозі, запустити. Ми зробили прототип і протестували його. Він відповідав правильно приблизно в 60% випадків. Але проблема була не в точності відповідей.
Бот відповідає на питання. Консультант вирішує проблему.
Покупець питає: «Який ламінат підходить для кухні?» Бот видає список ламінатів. Консультант зупиняє і пояснює: ламінат у кухню — помилка незалежно від класу та виробника. Пар від плити та бризки від мийки знищать будь-який ламінат за 2-3 роки.
Бот не пам'ятає контекст. Консультант веде розмову.
Людина сказала «є тепла підлога» у другому повідомленні, а в шостому питає про клей — і бот дає стандартну відповідь про С1, не пам'ятаючи теплу підлогу. Консультант тримає весь контекст.
Бот показує ціну за метр. Консультант рахує повний бюджет.
Покупець бачить ціну 640 грн/м² і думає «нормально». Але не врахував підкладку, клей, монтаж, плінтуси та 10% запасу. Реальна сума виходить в 1.8 разів більше. Консультант рахує одразу: матеріал, підкладка, монтаж, плінтуси. Порядково.
Бот не знає де залишки. Консультант — знає.
Стандартний бот рекомендує те, що є в каталозі — і не перевіряє наявність на регіональному складі. Ми побудували 4-рівневий геолокаційний фільтр. Покупець у Харкові ніколи не отримає рекомендацію товару з варшавського складу.
Бот не знає своїх меж. Консультант ескалює.
Якщо бот не знає відповіді — він або мовчить, або вигадує. Наш консультант оцінює свою впевненість для кожного запиту. Якщо нижче порогу — чесно каже «передам менеджеру» та передає весь контекст розмови.
// Як це працює зсередини
Технічний стек та архітектура
LLM: OpenAI
Потужна робота з українськомовним контентом та складними технічними поясненнями. Temperature 0.3 — відповіді передбачувані та точні.
Vector DB: Qdrant
Self-hosted — дані залишаються в Україні. Підтримує метадані country[] та risk_flags[] прямо в індексі, дозволяючи геофільтрацію на рівні пошуку.
Product map: JSON в Git
Детерміністична логіка без LLM в основі підбору. Будь-яка зміна каталогу — pull request, а не перенавчання. Версіонування з коробки.
Confidence scoring
Score < 0.70 → позначка невпевненості у відповіді. Score < 0.50 → автоматична ескалація до менеджера з повним контекстом сесії.
Одна мова, один регіон
Українська мова, один регіон. Без зайвої складності. Принцип Concept Agency: краще вузько і надійно, ніж широко і зламано.
// Технології
Технологічний стек
Кожна технологія обрана з причиною — це показує зрілість архітектурного рішення.
Чому OpenAI?
OpenAI обрано за потужну роботу з українськомовним контентом та складними технічними поясненнями. Temperature 0.3 забезпечує передбачувані та точні відповіді без зайвої «креативності».
// Ключові можливості
Що вміє консультант
Доступність 24/7
Обробляє консультації цілодобово — менеджер потрібен лише для складних технічних випадків.
Захист від помилок покупця
Попереджає про типові помилки в першому реченні — до того, як людина встигла зробити хибний вибір.
Повний розрахунок бюджету
Матеріал, підкладка, монтаж, плінтуси — порядково, з поясненням кожної позиції. Без сюрпризів на фініші.
4-рівнева геолокація
IP-детекція, RAG-фільтр, гілки дерева рішень по регіонах, перевірка складу — покупець бачить лише доступні товари.
Детерміністичний підбір
LLM не вгадує яку підлогу рекомендувати — вона пояснює вже готову рекомендацію людською мовою.
Розумна ескалація
При низькій впевненості передає менеджеру повний контекст: що з'ясовано, яке приміщення, бюджет, регіон.
// Результати
Що змінилось після запуску
| Показник | До | Після |
|---|---|---|
| Час підбору продукту | Кілька хвилин з менеджером | Секунди з AI |
| Покриття поза робочим часом | 0% — менеджер недоступний | 100% — консультант 24/7 |
| Частка ескалацій | 100% запитів до менеджера | ~17% — лише складні випадки |
| Помилки в рекомендаціях | Залежить від досвіду менеджера | Детерміністична логіка — виключені |
| Час від запиту до пропозиції | Кілька годин (email) | До 2 хвилин (авто-відповідь) |
Менеджери перестали витрачати більшу частину дня на повторювані консультації. Покупці отримують відповідь у будь-який час — і якісну відповідь. Не «дивіться на сайті», а конкретний продукт з поясненням чому саме він, та повний бюджет порядково. Кількість помилкових замовлень та повернень через «неправильний підбір» впала.
Готові почати?
Швидкий аудит щоб визначити де зараз ви втрачаєте час і гроші і чи зможе AI це вирішити
