Кейс: интернет-магазин аксессуаров сократил саппорт на 60 процентов с AI

Интернет-магазин аксессуаров для смартфонов CaseUp из Екатеринбурга за три месяца перевёл 60% входящих обращений на AI-бота, сократил отдел поддержки с четырёх человек до двух и поднял среднюю оценку клиентов с 3,8 до 4,5. Расходы на внедрение окупились за четыре месяца. Ниже — что именно сделали, какие инструменты выбрали и какие ошибки совершили на старте.

Контекст: что было до внедрения

CaseUp продаёт чехлы, плёнки, зарядки и наушники через собственный сайт и Wildberries. Средний чек — 1 850 ₽, около 11 000 заказов в месяц, доля доставки в регионы — 65%. До внедрения в команде поддержки работали четыре оператора: трое в чатах на сайте и в WhatsApp, один — на телефоне.

Боль была не уникальной для e-commerce, но болезненной по цифрам:

• по 75–80 тикетов в день на каждого оператора;
• средняя скорость первого ответа в чате — 11–12 минут, в пиковые часы доходило до 25;
• 38% обращений — однотипные: «где мой заказ», «подходит ли чехол к модели X», «как вернуть»;
• средняя оценка в опросе после диалога — 3,8 из 5;
• два оператора выгорели и уволились в течение полугода.

Руководитель CaseUp Артём пробовал нанимать ещё двух людей, но это только увеличило фонд оплаты труда и не сняло проблему повторяющихся вопросов. К началу 2026 года стало ясно: либо автоматизация рутины, либо постоянная текучка.

Что сделали: инструменты и процесс

Стек выбрали с прицелом на работу в РФ без прокси. Основная модель — YandexGPT 5, она в этой нише уже даёт качество, сопоставимое с GPT-4-классом, и при этом стоит понятных денег по российскому договору. CRM — RetailCRM, она уже была в проде. Канал общения с клиентом не меняли: те же чат на сайте, WhatsApp Business API и форма в личном кабинете.

Шаги были такими:

1. Собрали базу знаний из 500 FAQ. Это заняло три недели: операторы выгружали свои топовые диалоги за последние шесть месяцев, маркетолог превращал их в структурированные ответы с примерами. Часть ответов — короткие, часть с картинками и ссылками на категории каталога.
2. Подключили YandexGPT 5 в режиме RAG — модель отвечает только по найденным фрагментам базы знаний, не «выдумывает». На каждый ответ — обязательная ссылка-источник внутри базы, чтобы операторы могли быстро поправить формулировку.
3. Интегрировали с RetailCRM. Бот видит статус заказа клиента, трек-номер и историю покупок. Это закрыло 18% обращений вида «где посылка» полностью без участия человека.
4. Сделали handoff на оператора в одно нажатие. Если бот не уверен (низкая релевантность поиска или клиент два раза переспрашивает), он сам пишет «передаю коллеге» и зовёт живого человека.

Подробнее про устройство таких систем — в материале AI-чат-боты на сайте в 2026 году и в обзорной статье про AI-поддержку клиентов.

Что зашло, что не зашло

Первая версия бота отвечала «правильно по фактам», но звучала сухо. Через две недели маркетолог Лена переписала промпт: добавила обращение по имени, эмодзи в подходящих местах, короткие фразы вместо длинных. После этого оценки начали расти.

Цифры после: три месяца спустя

Метрика	Было (декабрь 2025)	Стало (март 2026)
Среднее число тикетов в день	310	320
Доля закрытых AI без человека	0%	60%
Скорость первого ответа	11–12 минут	30 секунд
Оценка в опросе CSAT	3,8	4,5
Размер команды саппорта	4 человека	2 человека
Расходы на ФОТ саппорта в месяц	280 000 ₽	145 000 ₽

Артём отдельно отмечает: одного оператора не уволили, а перевели в продукт — он теперь курирует базу знаний и тестирует промпты. Второго не сократили, а отпустили по соглашению с компенсацией за два месяца.

Что не сработало

Чтобы быть честными, в кейсе есть тёмные моменты.

• Сложные жалобы AI портит. Если клиент пишет «вы прислали разбитый экран, я в шоке», бот пытался «утешить» — это бесило людей ещё сильнее. После пары негативных отзывов добавили эскалацию по эмоциональному тону: если в сообщении есть маркеры конфликта, сразу зовут человека.
• Возвраты остались на людях. YandexGPT отлично объясняет правила возврата, но оформить заявку и согласовать сумму — это всё ещё ручная работа. Пробовали автоматизировать через RetailCRM API, но запутались в крайних случаях (товар со скидкой, частичная замена, обмен).
• Wildberries не дали закрыть. На маркетплейсе свои чаты и свои правила, бот туда не попал. По договору с WB всё ещё отвечают операторы вручную.

Стоимость и ROI

Считаем честно, с учётом разовой разработки и текущих расходов.

Статья	Сумма
Разработка интеграции и базы знаний	80 000 ₽ разово
API YandexGPT 5 (320 000 диалогов в месяц)	24 000–28 000 ₽/мес
Хостинг бота и логирование	7 000 ₽/мес
Доработки промптов и базы	8 часов работы в месяц
Итого ежемесячно	~ 35 000 ₽

Экономия на ФОТ — 135 000 ₽ в месяц (двое операторов с налогами). За вычетом 35 000 на инфраструктуру чистая экономия — 100 000 ₽ в месяц. Разовые 80 000 ₽ окупились за четыре месяца, дальше — чистый плюс.

Дополнительно: рост оценки CSAT с 3,8 до 4,5 повлиял на конверсию в повторный заказ. По данным внутренней аналитики, retention 30-дневный вырос с 18% до 23%, это +200–250 заказов в месяц.

Частые вопросы

Можно ли запустить AI-саппорт без программистов?

Если объёмы маленькие (до 50 диалогов в день) — да, есть конструкторы типа SaleBot или BotHelp с готовыми интеграциями YandexGPT. Для CaseUp с их объёмом и кастомной CRM был нужен разработчик: интеграция с RetailCRM API заняла половину бюджета.

Не уведёт ли AI клиентов в негатив?

Уведёт, если оставить его без human-в-петле. У CaseUp каждый день один из двух оставшихся операторов читает 30 случайных диалогов бота и помечает плохие ответы. Это занимает 40 минут в день и держит качество.

Какую модель выбирать в РФ — YandexGPT, GigaChat или DeepSeek?

YandexGPT 5 — самый предсказуемый по русскому языку и интеграции по договору. GigaChat MAX даёт хороший результат на длинных контекстах, но стоит дороже. DeepSeek V3.5 — самый бюджетный, но требует разворачивать API через сторонние шлюзы. CaseUp выбрали YandexGPT именно за договор и юрлицо в РФ.

Сколько диалогов нужно в FAQ-базе?

Минимум — 80–100 самых частых сценариев. У CaseUp 500, но из них 90% обращений закрывают примерно 70 топовых ответов. Остальные 430 — длинный хвост редких вопросов про конкретные модели и регионы доставки.

Что если клиент задал вопрос на казахском или английском?

YandexGPT понимает запрос на любом из этих языков и отвечает на русском по умолчанию. Для CaseUp это не было критично — 99% клиентов пишут по-русски. В кейсе магазина одежды языковая многоканальность была важнее.

Можно ли подключить голосовой канал?

Можно, но дороже. Голосовые ассистенты на базе Whisper и YandexGPT обойдутся в 80–120 тысяч на разработку и 50–70 тысяч в месяц на API при объёмах CaseUp. Артём пока отложил — телефонный канал у них даёт только 8% обращений. Тема голоса — в нашем обзоре голосовых AI-ассистентов.

Что взять с собой

• AI-саппорт окупается там, где есть повторяющиеся вопросы и измеримая стоимость оператора. Без этих двух условий внедрение не имеет смысла.
• Начинать стоит с базы знаний, а не с модели. Хорошие 80 FAQ важнее «той самой» нейросети.
• Закладывайте 1,5–2 месяца на пилот: первый месяц — сбор данных, второй — переписывание промптов под живых клиентов.
• Не убирайте людей сразу. У CaseUp двое остались, и без них качество просело бы за неделю.
• Отдельную статью про экономику внедрения мы разбирали в подборке 10 кейсов внедрения ИИ в малом бизнесе, и редакция vc.ru в материале про обслуживание клиентов приводит похожие цифры по российским e-commerce.