Wildberries перестраивает поиск под AI: что делать продавцам в 2026

В течение последних месяцев Wildberries последовательно перестраивает поиск: вес «классической» текстовой релевантности снижается, на первый план выходит семантика и понимание намерения покупателя. По публикациям на Хабре и в Forbes WB рассказывает о мультимодальном AI-поиске и AI-ассистенте; на конференциях вроде Data Fusion 2026 — о связке CLIP-подобных моделей с LLM. Запрос вида «что подарить маме на день рождения 50 лет» уже возвращает релевантные подарочные наборы, косметику и ювелирку — без точного совпадения слов в карточках. Продавцам придётся переписывать карточки под natural language, иначе органический трафик просядет.

Что изменилось технически

Старый поиск Wildberries работал по классической схеме BM25 с весами по категориям и буст-факторам: продажи за 30 дней, рейтинг, цена, остатки. Совпадение слов в названии и описании было критично. По публикациям WB, вес чисто текстовой релевантности постепенно снижается (с ~20% до 5–10%), а сам поиск становится многослойным.

Семантическая модель

Карточки и запросы переводятся в векторы embedding-моделями, и поиск идёт по косинусной близости. Это значит, что «термокружка с лазерной гравировкой» и «персональная кружка-термос с надписью» теперь рядом в выдаче. WB рассказывает о мультимодальной связке (CLIP-подобные модели для изображений + LLM для текста).

LLM для разбора намерений

Поверх семантики работает LLM, которая помогает определять тип запроса (товарный, исследовательский, brand-навигация), скрытые параметры (пол, возраст, бюджет), сезонность. Если запрос «что подарить маме на 50 лет», система достраивает фильтры: подарочный сегмент, разумный диапазон чека, возрастная категория. По духу это близко к тому, как Google перестроил поиск после внедрения BERT в 2019 году.

Что меняется в поведении пользователей

По публикациям самой WB и материалам отраслевой прессы, ключевые наблюдения от внедрения AI-поиска такие:

• Релевантность топ-10 заметно растёт — асессорские оценки становятся выше.
• CTR карточек в топ-выдаче и конверсия в корзину подрастают за счёт более «точных» намерений.
• Доля «пустых» запросов (без значимой выдачи) падает.
• Сами пользователи начинают формулировать запросы развёрнуто, естественным языком — длина запроса и доля «вопросительных» формулировок растут.

Главный практический вывод: пользователи переходят к развёрнутым запросам, и карточки, заполненные точными SEO-ключами «в столбик», теряют позиции относительно карточек с человеческим описанием.

Что меняется для продавцов

До майских изменений на WB работала стратегия «забить заголовок ключами»: «Платье женское вечернее длинное чёрное лето 2026 размер 42 44 46». В новой выдаче такие тексты теряют позиции — модель видит спам и понижает релевантность.

Новые принципы оптимизации карточек

1. Описывать товар как человек. Вместо «Платье вечернее чёрное длинное» — «Длинное чёрное вечернее платье с открытой спиной из шёлковой вискозы. Подойдёт на выпускной, свадьбу гостя или корпоратив».
2. Перечислять use cases. Поиск ищет совпадения с намерениями: «что надеть на свадьбу гостя», «платье на день рождения подруги».
3. Указывать ситуации и аудиторию. Пол, возраст, повод, сезон — это сигналы для LLM-слоя.
4. Не дублировать ключи. Старое правило «ключ должен быть в названии, описании и характеристиках» теперь работает против карточки.
5. Использовать синонимы и разговорные формы. «Кружка-термос» и «термокружка» теперь обрабатываются одинаково — нет смысла впихивать оба варианта.

Подробный практический разбор оптимизации карточек на WB и Ozon мы делали в гайде по нейросетям для маркетплейсов.

Что делать прямо сейчас: воркфлоу обновления

Шаг 1. Выгрузите топ-50 карточек по обороту через WB Seller API. Это те, где терять трафик дороже всего.

Шаг 2. Прогоните описания через GigaChat MAX или YandexGPT 5 с промптом: «Перепиши описание товара под семантический поиск Wildberries. Опиши use cases, аудиторию и поводы использования. Длина 400–600 знаков, без перечисления ключей подряд».

Шаг 3. Обновите карточки через API или личный кабинет. WB пересчитывает эмбеддинги примерно раз в 48 часов.

Шаг 4. Через 5–7 дней снимите метрики в WB Партнёрах: CTR карточки, позиция по основным запросам, конверсия. Если просадка больше 15% — откатывайте изменения.

Типичный сценарий: как меняются описания

Покажем разницу на гипотетическом, но типовом примере — магазин органической косметики, который переписывает описания топовых SKU под семантический поиск.

• Было: «Крем для лица увлажняющий 50 мл».
• Стало: «Увлажняющий крем для сухой кожи с гиалуроновой кислотой и пантенолом. Подходит для зимнего ухода, чувствительной кожи после 30 лет».

К этому обычно добавляют описание аудитории и use case в первые 200 символов и убирают дублирующие ключи из характеристик. По наблюдениям продавцов, после такой переработки топовых SKU позиции в семантической выдаче улучшаются, а трафик из поиска растёт — конкретный эффект зависит от категории, цены и качества фотографий.

Как меняется конкуренция

Wildberries — не первый. У Ozon свой семантический поиск с осени 2025 года, но у WB больше LLM-слой и интеграция с историей покупок. Avito также запустил AI-агента для продавцов, который сам обновляет описания под алгоритм.

Маркетплейсы сейчас переходят в ту же фазу, в которой Google был в 2015–2019: ручная SEO-оптимизация теряет вес, на первый план выходит реальное соответствие контента намерению. Продавцам, привыкшим к «правильным ключам в правильных полях», придётся менять подход.

FAQ

Нужно ли срочно переписывать все карточки?

Нет. Начните с топ-50 по обороту и топ-20 «падающих» (где позиции уже снизились). Остальные обновляйте постепенно: модель эмбеддингов работает со всеми карточками, но больше всего страдают те, что заточены под старые ключевые слова.

Влияет ли новый поиск на платную рекламу?

Не напрямую. Рекламные карточки в выдаче размечаются отдельно, но релевантность всё равно учитывается: нерелевантная реклама получает меньше показов и стоит дороже.

Что делать с длинным хвостом ключевых слов?

Длинный хвост теперь работает «сам собой» через семантику — если описание содержит контекст, модель найдёт совпадения по сотням схожих формулировок. Отдельные карточки под каждое уточнение больше не нужны.

Можно ли увидеть, как WB понимает запросы?

Прямого инструмента «покажи логику AI-ранжирования» нет, но в кабинете WB Партнёры есть аналитика поиска — список запросов, по которым показывается ваша карточка, и связанных формулировок. По этим данным видно, какие намерения система ассоциирует с вашим товаром.

Изменился ли API для продавцов?

Нет, эндпоинты те же. Изменилась только логика ранжирования на стороне WB. Никаких новых полей в карточке заполнять не нужно — система сама извлечёт сущности из описания.

Что произойдёт с карточками с минимальным описанием?

Они проиграют. Если в описании 50 символов и одно фото, модели не из чего извлекать намерения. Минимум — 400 символов осмысленного описания и 5+ фото.

Итог

• Wildberries последовательно перестраивает поиск под семантику и LLM-понимание намерений: вес чисто текстовой релевантности снижается, мультимодальный AI-поиск тестируется и постепенно выкатывается.
• По публикациям WB, релевантность топ-10 растёт, CTR карточек и конверсия подрастают, доля «пустых» запросов падает.
• Старая SEO-оптимизация «забить заголовок ключами» теперь работает в минус.
• Новый подход: описывать товар как человек, перечислять use cases, аудиторию, поводы использования.
• Начать переписывать стоит с топ-50 SKU по обороту, прогоняя описания через GigaChat MAX или YandexGPT.

Официальные публикации и примеры можно отслеживать в блоге Wildberries на Хабре и в материалах Forbes BrandVoice.