Кейсы агентной коммерции, которые уже работают в России

Пример номер один: наушники Дропс от Яндекса. В июне 2026 года устройство впервые продавалось не на маркетплейсе и не в интернет магазине, а эксклюзивно в переписке с Алисой AI. С 9 по 15 июня купить их можно было только там: пользователь узнавал о возможностях, выбирал модель, оформлял и оплачивал заказ, никуда не переходя. Результат: 5000 наушников раскуплены за первые часы, а всего оформлено более 15 тысяч заказов на сумму свыше 135 млн рублей. Это один из самых ярких примеров, доказывающих, что канал работает на реальном спросе, а не только в теории.

Пример номер два: экосистема ИИ инструментов Г(ии)д по стилю от Lamoda. На старте в январе технология виртуальной примерки охватывала 165 тысяч товаров, сейчас, уже 87% ассортимента одежды, около 430 тысяч позиций. Спустя три месяца после запуска количество виртуальных примерок превысило миллион, а среднее время генерации изображения сократилось примерно до восьми секунд.

В Lamoda в этом году мы запустили экосистему ИИ-инструментов «Г(ии)д по стилю», каждый из которых помогает решать конкретные задачи пользователя. Наша задача — усилить модную экспертизу Lamoda
в цифровом формате и создать помощника, который понимает контекст покупателя: что уже есть в его гардеробе, как его можно дополнить или обновить, какие образы подходят для разных случаев и дополняют персональный стиль пользователя.
Мы оцениваем эффект не только через классические e-commerce-метрики, но и через то, как меняется поведение пользователей и насколько точнее они могут принимать решения при покупке. Следующий этап — масштабирование технологии онлайн-примерки и работа с цифровыми аватарами, построенными на базе параметров фигуры пользователя.

Татьяна Умряева, управляющий директор по продукту и данным Lamoda

Подробнее в отчете “Перспективы агентной коммерции в России” 

😀 Data Insight в Max | Telegram | VK | Рассылка

Checkout перестаёт быть отдельной страницей. Он превращается в невидимый слой, встроенный в мобильное приложение, AI-агента, магазин или платёжную систему.

#кейсывритейле

Debenhams Group и PayPal: покупка внутри AI-интерфейса
Debenhams Group вместе с PayPal и AI fashion-платформой Hey Savi запустили в Великобритании agentic commerce-платформу с встроенным checkout.

Пользователь описывает, что хочет купить, получает подборку товаров и может оформить заказ, не покидая приложение Hey Savi. PayPal отвечает за платёжный слой, актуальные цены, наличие товаров и завершение транзакции.

В модель подключён Debenhams Group, включая Debenhams, Karen Millen, boohoo и PrettyLittleThing.

💡 Что полезно:
- checkout находится внутри внешнего AI-приложения;
- ритейлеру не обязательно владеть первой точкой контакта;
- платёжный сервис становится частью shopping journey;
- поиск, рекомендации и оплата объединяются в одном интерфейсе.
📍 Рынок: Великобритания
📅 Дата: 2 июня 2026
🔗 Источник: PayPal Newsroom

ChatGPT: checkout не всегда остаётся внутри AI
В 2026 году AI-shopping развивается не только по модели «полностью купить внутри чатбота».

OpenAI обновила shopping experience в ChatGPT: пользователи получают визуальную выдачу, сравнение товаров и рекомендации, а покупка может завершаться уже в приложении или на сайте самого ритейлера.

К product discovery через ChatGPT подключились Target, Sephora, Nordstrom, Lowe’s, Best Buy, The Home Depot и Wayfair.

Walmart развивает отдельное приложение внутри ChatGPT, которое связывает аккаунт пользователя, loyalty-механику и Walmart Payments.

💡 Что полезно:
- AI может контролировать выбор товара, но не обязательно сам checkout;
- платёж и программа лояльности остаются у ритейлера;
- retailer app внутри ChatGPT позволяет сохранить связь с брендом;
- для бизнеса это компромисс между новым AI-трафиком и контролем над клиентом.
📍 Рынок: США
📅 Дата: март 2026
🔗 Источник: OpenAI

😀 Data Insight в Max | Telegram | VK | Рассылка

Покупателю уже недостаточно понравиться. Теперь нужно понравиться AI

Исследование CX Network выделяет четыре изменения, которые важны для e-commerce.

1. Покупателя нужно находить до того, как он пришел на сайт
Рост клиентской базы назвали одной из трех главных стратегических целей 60% участников исследования. При этом понятие discoverability меняется. Бренды начинают конкурировать не только за внимание человека, но и за то, чтобы их товары и контент находили поисковые системы, AI-сервисы и цифровые агенты. Поэтому авторы рекомендуют работать не только с SEO, но и с AEO и GEO, то есть оптимизировать контент под ответы и рекомендации генеративных систем.

2. Карточка товара становится контентом для машин
Если AI начинает участвовать в выборе товара, ему нужны структурированные и понятные данные о продукте. Описание, характеристики, изображения, отзывы и условия покупки должны быть пригодны не только для человека, но и для машинной обработки. Это постепенно превращает качество product content в часть конкурентоспособности магазина.

3. AI уже дает e-commerce вполне прикладной эффект
Онлайн-магазин Fun.com использовал генеративный AI, чтобы создавать изображения товаров с моделями другого пола. За первый месяц компания сделала новые изображения примерно для 150 товаров, не увеличивая объем работы команды. При этом исследование отдельно предупреждает о рисках: неудачное использование AI в рекламе уже вызывало негативную реакцию потребителей у крупных брендов.

4. CX становится функцией продаж
39% участников называют рост продаж одной из трех главных стратегических целей CX. Это важный сдвиг: customer experience все меньше сводится к поддержке после покупки. Речь идет обо всем пути клиента, от обнаружения товара и выбора до покупки и повторного заказа. Интерактивные и shoppable-форматы сокращают путь от контента к покупке.

Для e-commerce главный вывод простой: клиентский опыт начинает формироваться еще до визита на сайт. Магазину приходится одновременно быть понятным человеку, поисковой системе и AI-агенту. При этом AI пока не стал стандартом: 32% участников исследования вообще не используют генеративный AI. Рынок находится на ранней стадии перехода.


The State of CX in 2026, CX Horizons

😀 Data Insight в Max | Telegram | VK | Рассылка

80% пользователей уходят за 3 дня. Вот что с этим делают крупные продукты.

Amplitude выпустил практический гайд по удержанию пользователей. Разобрали свои кейсы (частично анонимизированные) и вывели рабочий фреймворк.

Главная проблема
Средний юзер устанавливает 40+ приложений, но пользуется регулярно только 9-10. 80% новых пользователей отваливаются в первые 3 дня после установки. Привлечение без удержания не работает: это «дырявое ведро».

Фреймворк: три типа пользователей
1. New — новые пользователи
Задача: довести до первого «aha-момента» как можно быстрее.
- Определить критическое событие продукта (то самое действие, после которого пользователь остаётся)
- Сократить путь до этого события в онбординге
- Убрать лишние шаги регистрации и настройки
- Замерять retention на Day 1, Day 7, Day 30 отдельно от общей метрики
- Тестировать разные версии первого экрана/потока

2. Current — активные пользователи
Задача: превратить рядовых пользователей в постоянных (power users).
- Выделить сегменты по частоте критического события
- Найти поведенческие паттерны, которые коррелируют с долгим удержанием (как 7 друзей за 10 дней у Facebook)
- Строить фичи и уведомления под конкретный сегмент, а не под всех сразу
- Следить за retention curve: если кривая не выходит на плато, есть системная проблема
- Разделять «производителей» (тех, кто создаёт контент/ценность) и «потребителей»

3. Resurrected — реактивированные пользователи
Задача: вернуть «спящих» и не дать снова уйти.
- Проанализировать, почему конкретно эти пользователи ушли (не гадать, а смотреть на поведение перед оттоком)
- Спроектировать «пустые состояния» (экраны, в которых еще нет истории покупок, поиска, сообщений, заказов и т.д.) так, чтобы вернувшийся сразу видел ценность
- Использовать точечные триггеры возврата (не спам-рассылки, а персонализированные)
- Отслеживать, за счёт чего произошла реактивация, и повторять этот механизм
- Замерять retention реактивированных отдельно от новых, это разные аудитории с разным поведением

Кейс 1. Сервис доставки еды
Компания разбила пользователей по частоте «критического события» (заказа) и выделила сегмент «продюсеров» — тех, кто делает мало заказов, но именно они определяют жизнеспособность бизнеса. Под них перестроили продуктовые приоритеты.

Кейс 2. Приложение для медитации
Через анализ конверсии выяснили: если пользователь бронирует хотя бы одно занятие в первую неделю, вероятность удержания резко растёт. Это стало ключевой метрикой на старте.

Кейс 3. Retention по странам
В Индии удержание на 7-й день оказалось на 9,6% выше, чем в других регионах. Разбор причин показал разницу в пользовательском опыте, которую можно закрыть локализацией.

Кейс 4. Facebook (классика)
Пользователи, добавившие 7 друзей за 10 дней, удерживались значительно чаще остальных. Метрика стала точкой роста продукта на годы вперёд.

Кейс 5. Words with Friends (Zynga).
У пользователей, долго не заходивших в игру, не было активных партий с друзьями. Когда они возвращались, видеть было нечего — типичный пустой экран, из-за которого люди снова уходили. Решение: команда стала отправлять push-уведомления друзьям неактивного игрока с предложением пригласить его в новую партию. Когда человек возвращался, его уже ждало приглашение — и вероятность повторного вовлечения резко росла.

Вывод
Retention не лечится маркетинговыми хаками (push, email-рассылки, реклама). Работает только системный анализ поведения на каждом этапе жизненного цикла пользователя и точечные изменения продукта под конкретный сегмент.

"Mastering User Retention Playbook" (Amplitude, Product Analytics Playbook Vol. 1)

😀 Data Insight в Max | Telegram | VK | Рассылка

Full-Funnel Digital Intelligence Playbook от Sensor Tower показывает, как анализировать цифровую конкурентную среду не по одному показателю, а по всей воронке: мобильные приложения; веб-трафик; рекламные размещения; аудитории; retail media и активность рядом с покупкой.

1. Digital-first бренды растут быстрее
В 2025 году лидеры по трафику и росту:
- IL Makiage: 13 млн визитов на сайт, рост на 34%;
- NYX: 6 млн визитов, рост на 40%;
- E.l.f. Beauty: 12 млн визитов, снижение на 8%;
- Glossier: 11 млн визитов, рост на 11%;
- Tarte Cosmetics: 6 млн визитов, рост на 11%.

Legacy-бренды показали более умеренную динамику:
- Estée Lauder: 5 млн визитов, рост на 1%;
- Lancôme: 4 млн визитов, рост на 14%;
- Maybelline: 4 млн визитов, рост на 13%;
- Clinique: 5 млн визитов, рост на 13%.

Вывод: новые игроки могут расти быстрее традиционных брендов даже при меньшем масштабе.

2. NYX и Estée Lauder работают с разными сегментами.
NYX привлекает более молодую и гендерно сбалансированную аудиторию. Estée Lauder работает с более взрослой и преимущественно женской аудиторией

Оба бренда ориентируются на модников/трендсеттеров, но привлекают разные группы.
NYX:
- 57% женщин, 43% мужчин;
- 40% аудитории в возрасте 18–24 года;
- 39% в возрасте 25–34 года;
- Модники +150% в сравнении со средним;
- TikTok 2,15x, Instagram 1,20x к общей популяции.

Estée Lauder:
- 75% женщин, 25% мужчин;
- 19% аудитории в возрасте 18–24 года;
- 38% в возрасте 25–34 года;
- Модники +234% к среднему;
- Facebook 2,39x к среднему.

3. Медиамикс соответствует аудитории
Различия в аудитории отражаются в структуре рекламных расходов.

NYX в 2025 году:
- 76% бюджета в социальные платформы;
- TikTok 16% от общего spend;
общие рекламные расходы 41 млн долларов.

- 39% бюджета в streaming video через OTT и YouTube;
- общие рекламные расходы 3 млн долларов.

NYX делает ставку на TikTok, Instagram, Snapchat и Pinterest. Estée Lauder концентрируется на OTT и YouTube. Креативы также отличаются. NYX использует трендовые форматы и creator-led контент. Estée Lauder опирается на celebrity-креативы, клинические claims и прямые ссылки на ритейлеров.


4. Retail media стратегии сильно различаются
Бренды по-разному распределяют бюджеты между retail media networks.

L’Oréal Paris:
- 62% в Amazon Ads;
- 14% в Sephora Media Network;
- 17% в UB Media by Ulta Beauty;
- 4% в Roundel by Target;
- 1% в Walmart Connect;
- 2% в другие сети.

Maybelline:
- 48% в Amazon Ads;
- 11% в Sephora;
- 19% в Ulta Beauty;
- 18% в Target;
- 1% в Walmart Connect;
- 1% в Walgreens Advertising Group;
- 1% в другие сети.

Rare Beauty:
- 97% в Sephora Media Network;
- 3% в другие сети.

Haus Laboratories:
- 100% в Sephora Media Network.

e.l.f. Cosmetics:
- 42% в Amazon Ads;
- 7% в Sephora;
- 8% в Ulta Beauty;
- 29% в Target;
- 12% в Walmart Connect;
- 1% в Walgreens;
- 1% в другие сети.

Clinique:
- 26% в Amazon Ads;
- 43% в Sephora;
- 6% в Ulta Beauty;
- 21% в Target;
- 4% в другие сети.

Объем retail media-расходов в 2025 году:
- L’Oréal Paris: 10,8 млн долларов;
- Maybelline: 10,5 млн долларов;
- Rare Beauty: 7 млн долларов;
- e.l.f. Cosmetics: 6,7 млн долларов;
- Haus Laboratories: 4,6 млн долларов;
- Clinique: 4,2 млн долларов

Что использовать в анализе косметики для оценки брендов и конкурентов:
- смотреть на рост веб-трафика, а не только на абсолютный объем визитов;
- сопоставлять аудиторию рекламы с текущими клиентами бренда;
- анализировать медиамикс через призму целевой персоны;
- оценивать концентрацию retail media-бюджетов по каналам;
- учитывать, что один бренд может работать преимущественно через Amazon, другой через Sephora, третий через широкую сеть ритейлеров.

Sensor Tower Full Funnel Digital Intelligence Playbook

😀 Data Insight в Max | Telegram | VK | Рассылка