В 2026 году проблемы локальных брендов одежды перестали быть внутренним разговором индустрии. О закрытии или риске закрытия уже заявили несколько заметных российских марок. Причины у многих схожие: растущая налоговая и операционная нагрузка, снижение спроса, дорогая логистика, аренда, производство и необходимость быстрее возвращать деньги в оборот. Кирилл Пегов, сооснователь и CTO Looksy — сервиса виртуальной примерки для брендов одежды, рассказывает, какие ИИ-инструменты помогают брендам одежды снижать затраты, повышать конверсию и удерживать рентабельность в условиях роста операционных расходов и сокращения спроса.
Рынок сжимается, конкуренция растет
В 2025 году категория одежды и обуви вошла в период более рационального потребления. Покупатели стали реже посещать офлайн-магазины и осторожнее относиться к новым покупкам, а оборот во многом поддерживался за счет роста среднего чека. По данным Т-Банка, среднее число покупок на одного активного клиента сократилось с 16 до 11 за три года — решение о покупке становится менее импульсивным, а путь к нему длиннее.
Параллельно дорожает привлечение аудитории. По данным E-Promo Group, только за третий квартал 2024 года стоимость клика в небрендовых поисковых кампаниях в Яндексе выросла на 44,4% год к году. Трудности с привлечением новых клиентов отмечают 72% брендов, а стоимость привлечения одного премиального покупателя, по данным Lamoda, может достигать 15 тысяч рублей.
В этой ситуации логика работы с продажами меняется принципиально. Недостаточно привести пользователя на сайт — нужно быстрее снять его сомнения, точнее показать ценность продукта и повысить вероятность покупки без дополнительных затрат на трафик.
«Сегодня главный вопрос уже не в том, стоит ли внедрять ИИ, а в том, где он действительно создает бизнес-эффект: помогает повысить конверсию, сократить затраты или ускорить вывод новых товаров на рынок», — говорит управляющий директор Commeta Анастасия Назарова.
Контент без съемки и копирайтера
Одна из самых понятных зон экономии — производство контента. Раньше описание товара для сайта, маркетплейса, соцсетей и email-рассылки — это четыре разные задачи. Сейчас грамотно написанный промпт решает это за несколько минут. Крупные маркетплейсы уже используют языковые модели для автоматического создания карточек товаров: описания, заголовки, атрибуты и изображения генерируются без участия редактора, что ускоряет вывод ассортимента и поддерживает единый тон коммуникации.
По данным Fashion Factory School, 68% fashion-компаний в России уже создают контент с помощью ИИ, 52% сообщили о сокращении затрат на съемки. Ретушь, генерация фонов, адаптация визуалов под разные форматы — часть этих задач закрывается быстрее и дешевле с помощью генеративных инструментов. По словам основателя бренда мужской одежды Outsaida Евгения Дюжакина, для молодых брендов классический продакшн часто оказывается недоступным: с появлением ИИ даже нишевые компании получили возможность создавать визуал профессионального уровня без традиционных съемок, и аудитория воспринимает такой контент наравне с классическим.
«По оценкам Commeta, в среднем бренды экономят на создании фотоконтента около 40%. Если раньше для каждой новой коллекции требовалась отдельная съемка, то сейчас часть визуалов создается с помощью генеративных моделей. Запуск 100 SKU, который раньше занимал несколько недель, сегодня благодаря ИИ-генерации и шаблонам укладывается в несколько дней», — говорит управляющий директор Commeta Анастасия Назарова.
Покупатель сомневается и уходит
По данным Baymard Institute, около 70% пользователей покидают корзину до завершения покупки. За этой цифрой — цепочка внутренних сомнений, особенно характерных для одежды: человек не может потрогать ткань, не понимает, как вещь сядет именно на нем, не уверен в размере. Он открывает карточку, смотрит фото, добавляет товар в корзину — и откладывает решение.
В этом одно из структурных преимуществ маркетплейсов перед собственными сайтами брендов. На Wildberries, Ozon и Lamoda покупатель видит сотни фотоотзывов, понимает логистику, знает условия возврата и доверяет самому сценарию покупки. Для небольшого бренда выход на маркетплейс не всегда возможен или выгоден: комиссии, конкуренция внутри площадки и потеря прямого контакта с покупателем делают этот канал слишком дорогим. Вопрос стоит иначе — как сделать собственный сайт достаточно убедительным, чтобы покупатель не уходил.
ИИ в точке принятия решения
Максимальный эффект ИИ-инструменты дают именно в момент, когда товар уже выбран, а покупка еще не завершена. Здесь возникают последние сомнения, которые чаще всего и срывают заказ.
ИИ-ассистент закрывает их в реальном времени: отвечает на вопрос о размере, показывает таблицу замеров, подтягивает отзывы покупателей с похожими параметрами, уточняет условия доставки или напоминает про промокод. Крупные российские маркетплейсы уже движутся в этом направлении — встраивают подобные подсказки прямо в карточку товара, не выводя пользователя из интерфейса покупки. «Яндекс» анонсировал агента низкой цены в нейросети Алиса AI: пользователь поручает ему поиск выгодных предложений, агент проверяет все — от маркетплейсов до локальных сайтов — и показывает релевантные варианты прямо в чате.
По оценкам McKinsey, к 2030 году продажи через подобные агентные модели могут достичь $3-5 трлн в мире. Аналитики МТС прогнозируют, что к тому же сроку до 90% цифровых действий будет выполняться через ИИ-агентов. Для брендов это означает одно: покупатель будущего будет взаимодействовать не с сайтом напрямую, а через цифрового посредника — и те, кто уже умеет работать с персонализацией и данными, окажутся в выигрышной позиции.
Виртуальная примерка работает по схожей логике, но закрывает самое главное сомнение — как вещь выглядит именно на этом человеке. Покупатель загружает фото и видит себя в выбранной вещи до оформления заказа.
«Когда мы принимали решение о внедрении виртуальной примерочной, то хотели дать клиентам интересный сервис и повод возвращаться на наш сайт. Нам важно было дарить им эмоции от покупки и примерки, как если бы это было в офлайн-магазине. Когда человек может увидеть вещь на себе еще до оформления заказа, он чувствует себя увереннее и принимает решение спокойнее», — говорит Михаил Карташов, директор по электронной коммерции Glenfield.
Дополнительный эффект — сокращение возвратов. Оборот «возвратного потребления» в России оценивается примерно в триллион рублей, а стоимость обратной логистики на одну единицу товара составляет от 300 до 1500 рублей. Когда покупатель заранее видит, как вещь сидит на нем, он реже ошибается с выбором.
Персонализация как драйвер продаж
Доля онлайна в российском fashion-ритейле достигла 60% к концу 2025 года, однако количество приобретенных вещей сократилось на 6,5% — покупатель стал избирательнее. Задача бренда в этих условиях — не просто показать товар, а попасть в нужного человека в нужный момент с нужным предложением.
Крупные платформы уже получают измеримый результат от персонализации. В Ozon алгоритмы анализируют около 50 млн релевантных товаров для пользователей в секунду — с учетом цены, рейтинга, скидок и истории покупок. Благодаря усилению персонализации доля оборота от рекомендаций выросла на 60% за последний год — с 7 до 11% от всего оборота платформы. На «Авито» около 40% сделок совершается после взаимодействия пользователя с рекомендациями; алгоритмы обрабатывают до 50 млрд поведенческих событий в день. Для fashion-брендов, которые продают через собственный сайт, логика та же: покупатель, которому показывают релевантный товар с учетом его истории и поведения на сайте, конвертируется значительно лучше.
Автоматизация поддержки
По мере роста числа заказов нагрузка на команду поддержки тоже увеличивается. Часть этой работы сегодня могут взять на себя ИИ-ассистенты: они отвечают на типовые вопросы о составе ткани, размерах, сроках доставки и условиях возврата, позволяя сотрудникам сосредоточиться на более сложных и нестандартных обращениях.
Российский e-commerce бренд Happywear внедрил ИИ для обработки 180 000 отзывов в месяц: модель определяет тональность сообщений, формирует персонализированные ответы и передает критичные сигналы в отдел качества. После внедрения операционные затраты сократились на 55%. В 12 Storeez генеративный ИИ ежедневно анализирует тысячи отзывов в режиме реального времени: если несколько покупателей сообщают об одной и той же проблеме с товаром, команда узнает об этом сразу. В результате необходимость в ручной обработке отзывов была практически полностью устранена.
Ассортимент, основанный на данных
Рост оборотов все чаще сопровождается увеличением издержек — комиссий, стоимости привлечения трафика, логистики и возвратов. Рынок растет быстрее, чем прибыльность большинства игроков. Ошибка в ассортименте в этих условиях — уже не просто нераспроданный остаток, а замороженные деньги, вынужденные распродажи и удар по позиционированию.
ИИ-аналитика помогает работать с данными точнее: видеть, какие модели действительно продаются, понимать паттерны возвратов, прогнозировать спрос до запуска дропа. По оценке McKinsey, внедрение LLM может принести глобальному ритейлу 240–390 млрд долларов дополнительной ценности, увеличив среднюю маржу на 1,2–1,9%. Небольшие партии, предзаказы и гибкое производство работают значительно лучше, когда под ними есть не интуиция одного человека, а данные по всей воронке: что смотрели, что примеряли, что добавляли в корзину и что в итоге купили.
Технология как условие работы
Еще несколько лет назад ИИ-инструменты воспринимались как экспериментальный слой поверх основных процессов. Сегодня для fashion-рынка это уже не вопрос инноваций. По данным Fashion Factory School, 75% представителей российских fashion-компаний считают ИИ стратегически важным, для 44% он стал основой развития бизнеса.
«При этом ИИ не заменяет специалистов — меняется их роль: меньше времени уходит на рутинные операции, больше на контроль качества и развитие бренда. Полностью автоматизировать стратегическое управление пока не получается: постановка целей, оценка результатов и понимание позиционирования по-прежнему требуют участия человека», — отмечает управляющий директор Commeta Анастасия Назарова.
Конкурентное преимущество получат не те бренды, которые просто внедрили нейросеть для генерации текстов, а те, кто сумел встроить технологию в ключевые бизнес-процессы — от создания контента до управления ассортиментом и работы с покупателем в точке принятия решения.