Новая модель конкуренции на рынке электронной коммерции связана с распространением так называемой «agentic commerce» (агентная коммерция), что обозначает не косметическое изменение интерфейсов покупки, а смену самой единицы принятия решения. Прежде выбор товара оставался за человеком, вооружённым поисковой строкой и лентой рекомендаций. Теперь эту функцию всё активнее берёт на себя автономный ИИ-агент, действующий от имени пользователя и совершающий полный цикл операций от анализа предложений до оплаты заказа. Делает это он без постоянного визуального контроля со стороны владельца кошелька.
Доцент кафедры логистики Финансового университета при Правительстве РФ Эльканова Е.А. отмечает, что борьба за внимание покупателя постепенно переходит в борьбу за доверие алгоритма, который выступает фильтром между продавцом и конечным потребителем. Следовательно, вся выстроенная десятилетиями инфраструктура визуального мерчандайзинга, ярких карточек товара и эмоционального дизайна лендингов теряет прежнюю силу воздействия. Машина оценивает товар по иным, куда более сухим критериям, в том числе цене, характеристикам, отзывам, скорости доставки.
Первыми под управление ИИ переходят покупки повторяющиеся и рутинные. К ним бытовая химия, продукты питания, расходные материалы, товары для регулярного пополнения запасов. В этих категориях выбор носит преимущественно рациональный характер, риск ошибки минимален, а экономия времени пользователя максимальна. Сложные же покупки, требующие эмоционального вовлечения, примерки, тактильного опыта (одежда, мебель, электроника премиум-сегмента) ещё долго останутся под контролем человека.
Возникает справедливый вопрос о том, как наиболее эффективно внедрить данную модель в компании. Профессор кафедры логистики Финансового университета при Правительстве РФ Капустина Н.В. отмечает, что собственный ИИ-агент требует серьёзных инвестиций в технологии и данные. Гораздо выгоднее оптимизировать присутствие в рекомендациях уже существующих крупных агентских платформ. Издержки на вхождение в чужую экосистему несопоставимо ниже затрат на разработку и обучение собственной модели. Выигрыш от контроля над алгоритмом получают лишь немногие крупнейшие маркетплейсы, способные себе это позволить.
Потребители же обеспокоены тем, что существует вероятность того, что нейросеть может подменять привычные товары на аналоги из более дорогого сегмента или добавлять сопутствующие позиции под предлогом «вам должно понравиться». Она отнюдь не гипотетическая и вытекает из самой идеи монетизации агента, подчеркивает доцент кафедры логистики Финансового университета при Правительстве РФ Эльканова Е.А. Разработчик платформы получает комиссию от продавца за приоритетное размещение. Заинтересованность в честной рекомендации неизбежно вступает в конфликт с коммерческой выгодой платформы. Без прозрачного регулирования подобных механик пользователь рискует оказаться в положении человека, доверившего свой кошелёк советнику с двойной лояльностью.
Расходы конечного пользователя с появлением нового посредника могут вырасти. Каждый дополнительный слой в цепочке распределения товара от производителя через маркетплейс к владельцу ИИ-агента требует своей маржи. Рынок уже демонстрирует данные симптомы. Комиссии маркетплейсов заметно поднялись за последний год, также как и ставки на рекламное продвижение. Продавцы вынуждены закладывать растущую долю оборота в продвижение товаров, что неизбежно переносится в конечную цену.
Профессор кафедры логистики Финансового университета при Правительстве РФ Капустина Н.В. подчеркивает, что стоимость привлечения клиента для продавца при переходе решения к алгоритму меняется качественно. Вместо конкуренции за эмоции покупателя через рекламные бюджеты возникает конкуренция за попадание в узкий список машинных рекомендаций. Стоимость такого попадания способна оказаться даже выше классической рекламы. Число «мест» в выдаче агента ограничено сильнее, чем в бесконечной ленте маркетплейса.
Оптимизация карточек товара под требования ИИ-агентов становится новым аналогом поисковой оптимизации. Адресатом теперь выступает не человек и не поисковый робот, а модель, оценивающая структурированность данных, полноту характеристик и машиночитаемость описания. Подавляющее большинство товарных страниц на рынке пока не соответствует этим стандартам, что открывает продавцам, освоившим такую оптимизацию раньше конкурентов, заметное преимущество.
Факторы попадания товара в рекомендации складываются из сочетания цены, скорости доставки, рейтинга и полноты отзывов, соответствия запросу пользователя, а также коммерческих договорённостей между продавцом и владельцем платформы. Следовательно, конкуренция среди продавцов остаётся далеко не прозрачной отмечает доцент кафедры логистики Финансового университета при Правительстве РФ Эльканова Е.А.
Влиять на частоту появления своих товаров в ленте ИИ-рекомендаций продавцы смогут прежде всего через технические и договорные инструменты, доступные далеко не каждому игроку рынка. Большую экономическую власть в такой модели закономерно получает владелец ИИ-агента. Именно он контролирует последний шаг принятия решения о покупке. Производитель, продавец и даже маркетплейс в его отсутствие рискуют превратиться в поставщиков сырого товарного контента для чужой платформы, лишённых прямого контакта с потребителем.
Рынку, если несколько крупных ИИ-платформ действительно возьмут на себя определение значительной части покупательского спроса, придётся пересмотреть правила антимонопольного регулирования, требования к прозрачности алгоритмов ранжирования и механизмы защиты потребителя от скрытого манипулирования выбором.
Профессор кафедры логистики Финансового университета при Правительстве РФ Капустина Н.В. акцентирует внимание, что прежняя модель конкуренции за витрину уступает место конкуренции за доступ к чужому алгоритму. Вместе с ней меняется и сама архитектура экономической власти на рынке электронной коммерции.