AI API для маркетплейсов решает сразу несколько критичных задач: генерацию описаний товаров, улучшение поиска, персонализацию рекомендаций и автоматическую модерацию. Рассмотрим каждое применение с примерами и расчётами стоимости.
Автогенерация описаний товаров
Типичная проблема маркетплейса: у 40–60% товаров нет качественного описания. Продавцы загружают товар с минимальной информацией, что снижает конверсию и SEO.
AI решает это автоматически: на вход — название товара, категория, характеристики; на выходе — SEO-оптимизированное описание.
from openai import OpenAI
client = OpenAI(
base_url="https://api.modelswitch.ru/v1",
api_key="msk_ваш_ключ"
)
def generate_description(product: dict) -> str:
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[{
"role": "system",
"content": "Напиши продающее описание товара для маркетплейса. 150-200 слов, SEO-оптимизированное."
}, {
"role": "user",
"content": f"Товар: {product['name']}\nКатегория: {product['category']}\nХарактеристики: {product['specs']}"
}],
max_tokens=500
)
return response.choices[0].message.contentСтоимость: ~0.3 руб. за описание на GPT-4o-mini. Для 50 000 товаров — ~15 000 руб. Для сравнения: копирайтер возьмёт 200–500 руб. за описание, то есть 10–25 млн руб. за тот же объём.
Семантический поиск
Классический поиск на маркетплейсе работает по ключевым словам. Но пользователь пишет «красное платье на свадьбу подруги», а в каталоге — «Платье вечернее бордовое, артикул XYZ». Семантический поиск через embeddings решает эту проблему.
Алгоритм:
- Создайте embeddings для всех товаров через
/v1/embeddings - Сохраните их в векторную базу (pgvector, Qdrant, Pinecone)
- При поиске пользователя создайте embedding запроса
- Найдите ближайшие товары по cosine similarity
Стоимость: $0.02 за 1M токенов (модель text-embedding-3-small). Индексация 100 000 товаров — ~$0.50. Поисковый запрос — менее $0.001.
Персонализированные рекомендации
AI анализирует историю просмотров, покупок и корзину пользователя, чтобы предложить релевантные товары. Два подхода:
Подход 1: Embedding-based. Используйте embeddings купленных товаров для поиска похожих. Работает быстро (vector similarity) и стоит доли копейки за запрос.
Подход 2: LLM-based. Отправляйте историю пользователя в GPT-4o-mini с инструкцией выбрать 5 рекомендаций из каталога. Более гибкий подход, но дороже ($0.01–0.05 за запрос).
Результат: персонализированные рекомендации увеличивают средний чек на 15–25% и повышают retention на 10–20%.
Модерация контента
Маркетплейс должен контролировать контент, загружаемый продавцами: описания, фотографии, отзывы. AI помогает автоматизировать модерацию:
- Проверка описаний — обнаружение запрещённых товаров, недопустимых claims, контактной информации
- Анализ отзывов — выявление фейковых отзывов, спама, оскорблений
- Классификация товаров — автоматическое определение категории по описанию и фото
Стоимость модерации через AI: ~0.1 руб. за единицу контента. Ручная модерация: 5–15 руб. за единицу.
ModelSwitch предоставляет доступ ко всем необходимым моделям через единый API: GPT-4o-mini для генерации описаний, text-embedding для поиска, GPT-4o для сложной модерации. Один ключ, один формат, оплата в рублях с документами для бухгалтерии.