AI, маркетплейси, Big Data і вибір між монолітом та Headless: ключові інсайти з доповідей і панелей Meet Magento Ukraine 2026 у Києві від команди Eltrino.
Якщо хтось досі сумнівається, чи є у Magento майбутнє. Попри війну й постійні повітряні тривоги, Meet Magento Ukraine 2026 зібрала в Києві понад 350 учасників і 28 спікерів. Люди прийшли поділитися власним досвідом, поспілкуватись, навчитись нового. Magento спільнота - головний рушій розвитку платформи, і очевидно, що запалу вистачить.
Цього року до звичних бізнес- і технічного треків додався третій - AI. Доповідей було багато, тож ми зібрали найцікавіші інсайти.
Панельна дискусія: Magento в еру Composable Commerce — моноліт, Headless чи гібрид?
Сергій Лисак (Eltrino, модератор), Василь Пастушенко (EPAM), Олександр Семчишин (Vaimo)
Коли хедлес технології для eCommerce тільки починали зʼявлятися, було багато маркетингових обіцянок. Здавалось хедлес мав стати рішення всіх проблем. Проте за кілька років ринок набрав достатньо досвіду, і вже можна впевнено говорити, що дійсно спрацювало, а що ні. Модерував панель CEO Eltrino Сергій Лисак, і досвід усіх трьох компаній виявився напрочуд схожим.
Які хедлес рішення виглядали дуже перспективними в теорії, але на практиці довели протилежне? Adobe PWA Studio - проєкти зіткнулися з великою кількістю проблем, з пошуком і SEO, бо якщо Google ще може парcити сайти, які є client-side rendering (CSR), а от інші боти - ні. Плюс власні технічні компоненти, які ніхто більше не використовував, маленька спільнота і необхідність дублювати кожен модуль. Коли Google зробив Core Web Vitals фактором ранжування, багато PWA-сайтів просіли в пошуку.
Vue Storefront приніс ті самі проблеми з оновленнями, які є в Magento. Готові компоненти в умовах реальних проектів вимагають дуже багато кастомізацій, зрештою від них майже нічого не залишається. Схожа ситуація з ScandiPWA, до запуску проєкту від нього лишалося приблизно пів коду, решта - кастом. Досвід Eltrino схожий. Ці технології не погані, але ціна входу, ціна підтримки й складність розвитку зрештою штовхають команди до власних рішень. А поява Hyvä вирішила проблему перфоменсу без переходу на headless.
Magento Open Source чи Adobe Commerce: чи є різниця для Headless? Ядро в обох однакове, тож технічно headless можна побудувати на будь-якій версії. Різниця в бюджетах і екосистемі. На Adobe Commerce headless будувати дещо легше, оскільки Adobe розвиває власний стек сервісів. На Open Source у 90% випадків бюджети обмежені, а з тисяч розширень на маркетплейсі headless нормально підтримують одиниці. Ви більше інвестуєте у фронтенд і отримуєте менше результату. Водночас Open Source не завжди означає маленький проєкт, і для деяких складних проєктів headless цілком виправданий.
Коли моноліт, а коли headless. Універсальної відповіді немає, є питання, на які треба чесно відповісти. Headless має сенс, коли магазин інтегрує зовнішні системи: PIM, CMS, сторонній пошук на кшталт Algolia, інструменти персоналізації і коли є бюджет на кілька команд, DevOps та архітектуру. Як орієнтир це компанії з виторгом від десятків мільйонів на рік. Моноліт кращий, коли потрібні швидкість запуску, гнучкість і готові розширення, а невелика власна команда.
І головне: моноліт не обмежує масштаб. Учасники навели приклади американського ритейлера з виторгом понад мільярд доларів на рік на темі Luma і проєкту Vaimo, де монолітна Magento обробляє 30–36 млн запитів на добу, з правильно налаштованим Varnish, Redis і збиранням JavaScript. Проте клієнти, які п'ять років тому інвестували в composable-архітектуру, зараз переосмислюють рішення: це виявилося дорого і складно в підтримці.
Щодо швидкості: з Hyvä хороші показники Core Web Vitals на моноліті цілком реальні. За даними HTTP Archive, 68% сайтів на Hyvä проходять усі три Core Web Vitals. Але і в моноліті, і в headless оцінку однаково легко зіпсувати. За цим треба стежити постійно.
Headless і SEO: де ховаються проблеми.
- В headless сторінка рендериться в браузері, SEO-теги можуть просто не дійти до ботів.
- Редиректи в Magento працюють з коробки, а в headless їх треба окремо реалізувати на фронтенді. Один із кейсів: кастомний тип URL, який у GraphQL замість редиректу віддавав 404.
- Canonical-теги: фільтри в категоріях і товари в кількох категоріях створюють плутанину, а падіння в пошуку помічають лише за кілька місяців.
- Google уміє виконувати JavaScript, а більшість LLM-ботів - ні, тож без серверного рендерингу ваш сайт для них майже порожній. Next.js і схожі рішення по суті повторюють те, що Magento робить «з коробки»: рендерить HTML на сервері й кешує його. Ймовірно, скоро знадобиться ще й окрема версія контенту, оптимізована для LLM. Для headless це означає команду на бекенді, команду на фронтенді і людину, яка розуміється на SSR, SEO та LLM-оптимізації одночасно. Таких людей мало, і вони дорогі.
Гібриди: Цікавий інсайт: майже кожен, хто працював із Magento 2, уже працював із гібридом. Стандартний one page чекаут побудований на REST API - це headless-острівець усередині моноліту. Інші приклади з практики учасників:
- Сайт на Luma + Adobe Experience Manager для контенту, бо маркетинговій команді не подобався Page Builder. Дорого в ліцензіях, але працює без проблем понад три роки.
- Конфігуратори товарів: меблі на замовлення, де найменший товар мав близько 100 варіантів, або каркасні будинки з набором на 6 500–7 000 товарів. Таку сторінку не витримає жоден стандартний шаблон, тож конфігуратор виносять окремо, а в кошик Magento повертається вже компактний результат.
- Мікросервіси для великого українського ритейлера електроніки. Проєкт Eltrino 2018–2019 років, ще до Hyvä: найбільш навантажені частини - сторінки товарів і категорій, поступово винесли в окремі мікросервіси. Вийшов «монолітний гібрид». Рішення було ризикованим і недешевим, але значно прискорило сайт і окупилося.
- Медіа на зовнішньому CDN-сервісі, який сам змінює розмір і обробляє зображення. Для каталогу з терабайтами фото це виявилося і швидше, і значно дешевше.
Що буде в 2027-му. Головний драйвер змін, звісно AI-агенти. Платформи вже готуються: підтримка MCP і нових протоколів для агентної комерції, контент, який LLM можуть прочитати й зрозуміти. Учасники також говорили про інтернет речей: електронні цінники, які оновлюються по Wi-Fi, і логічно, що вони синхронізуватимуться напряму з Magento.
Прогноз Сергія Лисака для Magento-екосистеми: найближчий рік більше дивитиметься в бік моноліту, а Hyvä збереже лідерство. Headless лишається важливим, нішевим і вартісним. Eltrino теж робить такі проєкти. Олександр Семчишин додав, що Hyvä зробила для Magento-спільноти дуже багато, допомігши зберегти екосистему відкритою.
Як Big Data допомагає ритейлу знаходити нових клієнтів
Сергій Бориславський, директор з цифрових продуктів та ШІ, Vodafone Ukraine
Скільки людей купують такі самі товари, як у вас, але у вашого конкурента? Мобільний оператор знає відповідь.
Три болі ритейлу. Про більшість відвідувачів сайту бізнес нічого не знає. Багато покинутих кошиків. А контроль якості в офлайн-точках близький до нуля: таємні покупці дорогі й не покривають усіх магазинів. Телеком-дані закривають кожну з цих проблем.
Що знає мобільний оператор. У Vodafone 17 млн клієнтів в Україні, детальні профілі є приблизно для 12 млн. Через мережу щодня проходить 4–5 петабайт даних: геолокація з базових станцій, як використовується мобільний інтернет, білінг, пристрої, дзвінки в кол-центр. Події проходять через близько 3 000 патернів поведінки майже в реальному часі.
Точність моделей Vodafone Analytics до 85%, стать визначається з упевненістю понад 90%, а вік у межах п'ятирічного діапазону. Модель прогнозує заміну телефона за три місяці до покупки і навіть бренд, на який людина перейде. І так, вона враховує, що iPhone не дорівнює високому статку: його цілком могли взяти в кредит.
Клієнти, яких ви не бачите. Трафік вашого сайту то лише частина вашого ринку. У категорії техномереж один із гравців міг би відкрити для себе 1,2 млн клієнтів, які купують ті самі товари в конкурентів. Власна аналітика цю аудиторію не покаже, а от дані оператора покажуть.
Де насправді живе ваша аудиторія. Vodafone щодня бачить, як люди рухаються містом: де живуть, працюють, де проходять повз. Місто ділиться на гексагони від 5 км до 100 м. Для кожного видно кількість людей, їхні соцдем-характеристики та інтереси: діти, таксі, кафе, банки, тощо.
Приклад: мережа хоче відкрити нову точку. Оператор будує теплову карту людей, які купують схожі товари, і на мапі «червоніють» райони, де точка має найбільше шансів на успіх. Відкриття магазину коштує дорого, але помилка з локацією в рази дорожче. Ті самі дані міста вже використовують для планування транспортних і евакуаційних маршрутів.
RCS: SMS нового покоління. RCS (Rich Communication Services) — стандарт, який розробила асоціація мобільних операторів GSMA на зміну SMS. Повідомлення приходить у звичайний застосунок «Повідомлення» на телефоні, без окремого месенджера. Але в ньому може бути логотип бренду, зображення, кнопки чи карусель товарів. Стандарт підтримують Android і, з 2024 року, iPhone.
Для бізнесу це канал за ціною SMS, але з можливостями месенджера і вищою конверсією: повідомлення не губиться в спамі чи окремій папці.
Ті самі аудиторні сегменти Vodafone уже тестує в банерній рекламі, Meta Ads і Telegram Ads. Перші результати: сегменти оператора дають нижчу вартість залучення і нижчий CPM.
Тригери, а не розсилки. Повідомлення можна надсилати у відповідь на конкретну дію: людина зайшла в ТРЦ, відкрила застосунок, шукає товар певної категорії. Кампанія для відвідувачів ТРЦ дала трохи більше 1% у чеках — повідомлення приходило за кілька хвилин після входу, лише тим, хто відповідав профілю. Магазин годинників отримав 23% ефективності таргетованої реклами.
Vodafone Pixel і покинуті кошики. Vodafone Pixel - це код на сайті, як пікселі рекламних платформ. Він розпізнає профіль відвідувача ще до логіну (поки лише для абонентів Vodafone, які заходять через мобільну мережу, а не Wi-Fi).
Це відкриває дві можливості:
- персоналізація з першого екрана: мамі з дітьми показати товари для неї, а не ігрові консолі.
- повернення кинутих кошиків через 5 хвилин, годину чи того ж дня, у будь-якому каналі: RCS, банери, Telegram Ads, Meta.
Технологія зараз у тестуванні, і Vodafone шукає великі сайти для безкоштовного пілоту.
А тепер уявіть комбінацію: людина покинула кошик онлайн, а наступного дня проходить повз ваш магазин. Повідомлення зі знижкою саме на той товар, в одну мить онлайн з офлайном стають однією воронкою.
AI, який слухає продавців. Vodafone записує й аналізує розмови кол-центру на власній платформі. Як результат, продажі зросли на 15–21%. Спрацювали два фактори: оператори знали, що кожну розмову оцінюють, і щодня отримували практики найкращих продавців.
Перша версія системи, до речі, провалилася. AI давав рекомендації, відірвані від контексту. Запрацювало, коли команда за пів року побудувала векторну базу всіх дзвінків і почала вимірювати, чи оператори справді застосовують поради. Супервізори, які раніше слухали дзвінки, перекваліфікувалися на промпт-інженерів. Бонус - значно простіший онбординг новачків.
Для офлайн пропонують Audio Badge - бейдж для продавця в магазині: працює 12+ годин, має кілька мікрофонів і акселерометр, щоб перевіряти, що пристрій на продавці, а не в шафі. Він фіксує, чи дотримується продавець стандартів і чи пропонує супутні товари: купуєш телефон, візьми чохол і плівку. Цільова ціна близько $100 плюс невелика місячна підписка. Очікуваний ефект +12% продажів у грошах на магазин. Зараз пристрій тестують у мережі Vodafone (200+ магазинів).
А як щодо приватності? Vodafone не продає дані як такі: клієнт не отримує жодного номера чи імені. Оператор працює як маркетингова агенція під ключ. За словами компанії, усе відповідає GDPR, а згоду користувачі надають так само, як на cookies і аналітику на сайтах. У Європі це вже працює: оператори на кшталт Orange і Vodafone об'єднуються в окремі компанії, щоб будувати рекламний бізнес як альтернативу Google і Meta.
Висновок - Телеком-оператори вже не просто продають зв'язок. Люди платять менше за хвилини й більше користуються цифровими сервісами, тож оператори диверсифікуються і стають повноцінними гравцями на ринку даних. Для українського ринку це ще й шанс: Google навряд чи інвестуватиме в якість українських сегментів так, як у американські чи західноєвропейські.
Панельна дискусія: підводні камені при побудові маркетплейсу
Денис Студенніков (Turum-burum, модератор), Володимир Поліщук (EVA.UA), Євгенія Чубар (Nova Digital, раніше АЛЛО), Шахін Мусаєв (ex-PAMPIK / MAUDAU)
Часто можна почути, що маркетплейс - логічний наступний крок для будь-якого ритейлу. Учасники панелі назвали це міфом. Перш ніж запускати сторонніх продавців, варто чесно відповісти на два питання: навіщо продавцям іти саме до вас і навіщо покупцям купувати у вас не ваш товар. Немає відповіді - немає плану. Маркетплейс - це інша гра: ви стаєте IT-компанією з постійними витратами на розробку, ділите клієнтський досвід із продавцями (і за їхню погану логістику покупець сваритиме вас), а категорійні менеджери, які роками продавали «своє», раптом мають розвивати конкурентів. Плюс класична проблема курки і яйця: продавці приходять за трафіком, тож без «донора» як то власного ритейлу чи, як у випадку з Монобанком, застосунку, розкрутити платформу дуже важко. Водночас є і вдалі сценарії: бренд інструментів (Dnipro-M), до товарного асортименту якого, гарно підходять супутні товари як то мастила чи витратні матеріали, які він сам не виробляє.
Окремо говорили про вихід маркетплейсу на нові ринки. Здавалося б, модель без власних складів масштабувати легше, але на новому ринку вас ніхто не знає, тож усе починається з нуля: знову треба шукати і продавців, і трафік. Технічна частина, мультимовність, мультивалютність, які Magento підтримує «з коробки», - найпростіша. Складніше з усім іншим: нова поведінка і очікування покупців, нові платіжні сервіси, логістика, банки, законодавство, ліцензування окремих товарів. Від старого бізнесу фактично лишається тільки код. Учасники не змогли згадати жодного маркетплейсу, який успішно вийшов з України на інші ринки, тож такий крок має сенс лише тоді, коли попит підтверджено дослідженнями, а локальний ринок ви знаєте ідеально.
Як рости глобально й не програти собі на маркетплейсі
Шахін Мусаєв, серійний eCommerce-підприємець, ex-PAMPIK / MAUDAU, лектор курсу «Комерційний директор» у бізнес-школі Laba
Шахін 15 років будує eCommerce: вивів PAMPIK у лідери ринку товарів для дітей, запускав маркетплейс MAUDAU, а зараз будує інфраструктуру й операції для онлайн-продажів під ключ. Доповідь без простих рецептів: більше про те, як правильно думати й рахувати.
Усе стане маркетплейсом і це не перебільшення. У всьому світі попит концентрується на великих майданчиках, Україна не виняток. Місце для власних магазинів лишається, але пропорційно воно значно менше. Тож питання не «чи йти на маркетплейси», а «на яких умовах».
1P, 3P і 2P: де насправді контроль. У моделі 1P ви продаєте товар майданчику. Умовно, завозите палету на склад маркетплейсу, а далі він продає сам. Це простіше, але майданчик вирішує, чи купувати вашу продукцію, які SKU, як виглядатиме картка і за якою ціною вас продаватимуть. У моделі 3P ви продаєте самі як мерчант і контролюєте значно більше, але й операційний рівень на вас.
Чому 3P буде дедалі більше? Інвесторам вона подобається більше. Обіцянка маркетплейсу «у нас є все», а досягти широкого асортименту лише через 1P означає заморожувати величезні гроші в стоці. До того ж фінансова звітність виглядає зовсім інакше. Купили товар за 80 грн, продали за 100 у моделі 1P — маржа 20%. Продали ту саму позицію на маркетплейсі з комісією 10% — виручка 10 грн, і маржа… 100%.
А між 1P і 3P є ще 2P. Це модель з операційним прошарком: бренд контролює продукт, асортимент, ціни, правила, дані й відносини з клієнтами, а каталоги, лістинги, замовлення, залишки, платежі, підтримку й повернення делегує окремому оператору. Так бренд може бути присутнім одночасно на різних платформах з меншими затратами. Висновок Шахіна: щоб контролювати eCommerce бренду, не обов'язково самому ставати eCommerce-проєктом.
Чи ви справді заробляєте? Продажі на маркетплейсах ростуть, але це ще не прибуток. P&L відповідає на питання «чи заробляєте ви», cash flow - «чи є гроші на рахунку». Коли бізнес швидко масштабується, легко летіти на подушці з кешу й думати, що все добре, аж поки продажі не сповільняться, а кредитори не попросять оплату.
Ключовий показник тут не валова маржа (виручка мінус собівартість), а маржинальний дохід, або contribution margin: виручка мінус усі змінні витрати. Комісія маркетплейсу, фулфілмент, логістика, резерв на повернення, реклама. Саме він показує, чи заробляєте ви на кожній операції. Якщо ні, то що більше продаєте, то більше винні.
Не всі замовлення однаково корисні, а витрати важко правильно розподілити. Як розкласти знижку на замовлення між товарами, якщо в деяких є мінімальна ціна? Excel тут не врятує. Потрібно зібрати всі дані в одному місці й рахувати економіку в розрізі майданчиків, SKU і замовлень. І ні, лише AI не допоможе, якщо дані погані: сміття на вході - сміття на виході.
Маркетплейс і D2C - не конкуренти. Поширена логіка: маркетплейс бере велику комісію, зробимо свій сайт, і комісія лишиться в кишені. Так не працює. Канали мають різні ролі. Маркетплейс дає швидкий старт і широку дистрибуцію: трафік і процеси там уже побудовані. D2C як власний сайт бренду дає прямий контакт з аудиторією, власні дані про клієнтів і контроль над клієнтським досвідом. На маркетплейс ідуть просто купити, на сайт бренду, бо знають і довіряють саме цьому бренду.
Але D2C - це важко. Треба самостійно залучати трафік, будувати вітрину, підтримку, складську логістику, доставку, прийом платежів, повернення. У світі частину проблеми закриває Amazon FBA: бренди відвантажують замовлення і з Amazon, і з власного сайту з одного складу. В Україні аналогу поки немає.
Чим більше маркетплейсів, тим більше головного болю. У Європі продавець у середньому присутній на шести маркетплейсах. В Україні список теж швидко набирається: Rozetka, MAUDAU, EVA, АЛЛО, Епіцентр. Керувати цим без централізованого «пульта» дуже складно і такі рішення на ринку вже з'являються.
А як щодо AI? Шопінг-трафіку від AI поки небагато — близько 0,2% у 2025 році, але він росте вчетверо й має вищу конверсію. Шахін нагадує: колись так само скептично говорили про eCommerce, що це не для всіх, проте в 2020 й великі продуктові мережі масово пішли в онлайн. Втім, ілюзій не варто будувати: найімовірніше, більшість AI-трафіку захоплять великі платформи, бо вони вже вбудовують AI-рекомендації та агрегацію відгуків. Тому головне питання, а як же лишатися видимим усередині маркетплейсу. Відповідь - якість даних про товари: структуровані атрибути, повний digital-контент і одна централізована система замість десяти. D2C при цьому не зникає: ексклюзиви, ранні запуски, дропи, підписки й лояльність. Лімітовану платівку улюбленого гурту купують на його сайті, а не на Amazon.
Що змінюється:
- Маркетплейс або D2C → портфель каналів.
- Один централізований склад → мережа фулфілменту.
- Юніт-економіка в Excel постфактум → економіка в реальному часі: SKU × канал × замовлення.
- Команда керує товарами руками → дані, софт і AI зверху.
- Канал контролює бренд → бренд керує каналами через операційний шар.
Коли товари продаються в кількох каналах і відвантажуються з мережі складів, той самий продукт живе в багатьох системах одночасно. Тут знову спрацьовує теза Шахіна: виграє той, у кого дані про товари якісні та зібрані в одному місці. Над цим ми працюємо і в Eltrino будуємо Vidisape, AI-пошук для eCommerce, який збагачує картки товарів синонімами й тегами, розуміє запити кількома мовами й підтримує мультискладський фулфілмент.
Від уваги до впливу: як споживачі змінюють бренди
Кирило Єжов, директор з розвитку бізнесу, KANTAR Україна
Дослідження KANTAR за першу половину 2026 року (міське населення 18–55 років) малює портрет покупця, який живе в постійному стресі й фінансовій обережності, але не готовий поступатися якістю. Індекс споживчих настроїв 78 (оцінки нижче 100 вказують на негативні настрої). П'ять цифр, які варто знати кожному на українському ринку:
- 62% українців економлять — і вперше за роки досліджень скорочують витрати навіть на мобільний зв'язок та інтернет. Водночас на домашніх улюбленців не економлять до останнього. І головне: економія не означає згоди на гіршу якість. Цей тренд тримається всі роки війни і був ще до неї. Якщо кав'ярня перейде на дешевшу каву, щоб утримати ціну, клієнт не залишиться, він піде пробувати інші місця. Знижувати якість заради ціни - це найкоротший шлях втратити покупця.
- 35% перейдуть на іншу марку, якщо товар подорожчає. Решта 65% лишаться з брендом, але шукатимуть акції або дешевше деінде. Лояльність умовна: знижка приваблює, але не утримує.
- 92% клієнтів, яким доводиться докладати багато зусиль, стають нелояльними до бренду. Покупець хоче простоти й передбачуваності, а не «вау-ефекту».
- Лише 22% довіряють рекомендаціям AI під час покупок. Від AI-помічника чекають насамперед порівняння цін і пояснення різниці між товарами.
- 28% готові купити за рекомендацією блогера. Інфлюенсер найкраще працює, коли людина вже готова до покупки, і коли говорить чесно про плюси й мінуси. А бренд у таких інтеграціях часто губиться: кольори, логотипи, слогани не використовуються.
Бренду вигідніше спрощувати взаємодію, ніж мотивувати. Менше кроків до покупки, зрозумілі ціни й умови, чесна комунікація - це і є сучасна «преміальність»: менше обіцяти й більше гарантувати. Бо, як підсумовують у KANTAR, краще бути простим, ніж нещирим.
Технічний бекграунд хмарного пошуку
Паулюс Нагіс, Co-founder & Growth, LupaSearch
Black Friday, 9:00 ранку, перша кампанія і за п'ять хвилин трафік зростає вдесятеро. Для деяких магазинів ці дні дають до половини річного виторгу, тож пошук має не просто вижити, а продавати. Але «сервер не впав» то як пілот, який після рейсу каже «ми не розбилися»: необхідно, але недостатньо. Оскільки в пошуку є два ключові аспекти: технічна стійкість і розуміння того, що шукає покупець.
Стійкість. Архітектуру пошуку Паулюс пояснює через побутові аналогії. Ізольовані кластери як окремі запобіжники в багатоквартирному будинку: якщо в одній квартирі вибило пробки, решта будинку зі світлом. Окремі індекси для читання й запису з миттєвим перемиканням, щоб оновлення каталогу не гальмувало пошук.
Розуміння. Найбільша проблема пошуку - синоніми. Меблевий магазин пише всюди «диван», покупець шукає «софу» і отримує нуль результатів. Раніше на кожну мову потрібні були двоє людей, які цілий день оновлювали бази синонімів. Тепер ці бази генерують LLM, і 20 мов працюють автоматично. Пошук також може «бачити» фото: модель CLIP розуміє, що на жовтій сукні квітковий принт, навіть якщо в описі про нього ні слова. А щоб не платити мільйони за LLM на кожен запит, LupaSearch підключає модель лише до 1–2% запитів із нульовим результатом. Знайдену відповідь система запам'ятовує, і наступний покупець отримає її вже без LLM.
Пошук як продавець. Окрім мови, є комерційний аспект, про який часто забувають. Маржа, залишки й пріоритети продажів мають впливати на видачу. І ще один реальний кейс: велика книгарня в країнах Балтії на Black Friday втратила продажі на найпопулярнішому «товарі» подарунковому сертифікаті просто тому, що він був CMS-сторінкою, а не товаром, пошук його просто не бачив. Сьогодні покупці в пошуку на сайті шукають не лише товари, а й години роботи магазину, умови повернення, статті в блозі. А після ChatGPT вони дедалі частіше ставлять питання замість ключових слів, тож майбутнє пошуку в eCommerce за форматом «питання - відповідь».
AI-агенти у внутрішніх процесах: від чат-бота до команди з 20+ агентів
Роман Лобовський, CTO, Mirasvit
Mirasvit пройшла шлях від простого AI-асистента для хелпдеску у 2023 році до 20+ агентів, чиї інструкції за обсягом дорівнюють двом першим книгам «Володаря перснів». Поворотним моментом став MCP-сервер. До нього людина вручну переносила дані між тікетом і агентом. Після — достатньо написати «глянь, що там клієнт хоче»: агент сам іде в магазин, перевіряє замовлення й оплати і готує відповідь. А з телефону можна попросити звіт про продажі за тиждень без жодного входу в адмінку.
Шлях не був прямим: команда постійно експериментувала й шукала слабкі місця системи. Наприклад, агент, який перевіряє власну роботу, часто пропускає помилки, бо «знає», що там усе гаразд. Тому перевірку доручають окремому агенту з чистим контекстом: він нічого не знає про те, як отримано результат, і просто перевіряє його.
Для eCommerce той самий підхід підходить для агентів-моніторів здоров'я магазину, sales-аналітиків, мерчендайзерів і менеджерів залишків. А покупці вже приходять зі своїми агентами: Сільпо нещодавно запустило власний MCP, через який клієнт підключає особистий кабінет до AI-асистента, переглядає покупки, шукає знижки й потенційно оформлює замовлення. Трафік від AI зростає, а його конверсія вже починає обганяти інші джерела. Тож інтернет-магазинам варто готуватися до спілкування з агентами — не лише контентом, а й інструментами, через які агент може працювати зі стором.
Як AI змінює digital-просування: нові правила гри
Марина Волинченко, Sales & Strategy Director, Webpromo
Сайт більше не єдине місце, де клієнт ухвалює рішення про покупку. Частину шляху тепер проходить AI, бізнес цю частину не бачить і не контролює.
Пошук став однією задачею. Раніше шлях до покупки складався з окремих запитів. Людина з проблемою шкіри шукала, які компоненти допомагають, потім бренди, потім відгуки, потім де купити. Сьогодні достатньо одного запиту: «підбери крем для сухої шкіри до 1000 грн, український бренд». AI видає варіанти, порівняння і посилання одразу. Шлях більше не лінійний, а Google втрачає статус єдиної точки входу. Для клієнта це досі один пошук. Для бізнесу — десятки точок контакту, у кожній з яких треба боротися за видимість. Тому важливо розуміти не лише потребу клієнта, а й мікронаміри: комусь важлива ціна, комусь український бренд, комусь екологічність чи швидкість доставки.
Google Merchant Center — вже не лише для реклами. Google бере звідти дані про товари й розподіляє їх по всій екосистемі: AI Overviews, Gemini, Покупки, YouTube, Зображення, Карти. Без фіда Google бачить ваші товари лише в класичному пошуку. А Google уже тестує універсальний «розумний» кошик на основі Gemini: покупку й навіть оплату можна буде зробити, взагалі не заходячи на ваш сайт. Дані для цього кошика — з Merchant Center. Для мерчантів висновок простий: якість товарного фіда стає питанням продажів, а не лише налаштуванням реклами.
Найбільший ризик — втрата прямого зв'язку з клієнтом. AI приводить вже «прогрітого» покупця і дає малому бізнесу шанс конкурувати з великим, бо орієнтується на релевантність, а не на розмір компанії. Але є й зворотний бік: непрозорі алгоритми, залежність від якості даних, галюцинації, які можуть шкодити довірі до бренду. Головне — AI забирає етап вибору. Бренд більше не вирішує, з яким меседжем і в якому каналі говорити з клієнтом. Ви не бачите, як людина обирала, не можете донести свою унікальну цінність і втрачаєте дані, бо частина клієнтів на сайт просто не заходить.
Відповідь — повернутися до базових речей, які раніше хотілося автоматизувати: офлайн-досвід, SMM, email-розсилки, персональні пропозиції, програми лояльності. Звучить очевидно, але саме зараз це стає критично важливим.
Три задачі замість однієї. Органічне просування більше не зводиться до комерційних сторінок. Тепер у бізнесу три задачі:
- Бути знайденим — класичне SEO.
- Бути відповіддю — AEO, тобто потрапляти в AI Overviews. Вони займають верхню частину екрана і знижують CTR органічної видачі. Але переважно це інформаційні запити: гайди, інструкції, характеристики. Комерційні запити поки лишаються за органікою та рекламою.
- Бути рекомендованим — GEO, тобто потрапляти у відповіді ChatGPT, Gemini та інших LLM. Сюди люди приходять за діалогом і глибшим дослідженням: «порадь топ українських брендів вишиванок», «підбери корпоративні подарунки і де їх купити». Трафік із LLM у рази цінніший, бо людина вже порівняла варіанти і фактично обирає вас.
Як потрапити у відповіді AI. Магічної формули немає, і зрозуміло чому: роки SEO-маніпуляцій заспамили інфопростір. Нові алгоритми підштовхують до того, щоб контент знову був корисним. На що звертати увагу:
- Технічна доступність. Якщо сайт закритий для LLM-краулерів, AI вас не побачить.
- Відповідність інтенту, а не ключовим словам. Опис комп'ютера без згадки, що він ігровий, не потрапить у відповідь людині, яка шукає ігровий комп'ютер.
- Авторитет бренду. LLM цитують тих, про кого говорять і про кого є позитивні відгуки. Для LLM цифровий слід бренду важить найбільше.
- Повнота й фактологічність. Тексти заради текстів не працюють. Потрібні цифри, думки експертів, посилання на першоджерела.
- Тематична авторитетність. Магазин кавомашин із базовими описами не стане для AI експертом. Магазин, який допомагає обрати — пояснює різницю між моделями, типи кави, — має шанс на рекомендацію.
- E-E-A-T і довіра. Живі фото, відео, відгуки, чіткі умови оплати, доставки й гарантії. Це сигнали і для алгоритмів, і для людей, які вас обирають.
Детальніше про те, як інтернет-магазину потрапляти в рекомендації AI, ми писали в статті GEO for eCommerce (англійською).
Це вже можна виміряти. Для LLM видно трафік і конверсії з конкретних систем і сторінки, де вони сталися. Можна відстежувати, скільки разів на місяць LLM згадують бренд, яку позицію він займає серед конкурентів і чи дають посилання на сайт. Трафік конкурентів із LLM можна оцінити через Similarweb чи Ahrefs. З AI Overviews складніше: в аналітиці вони поки відображаються як звичайна органіка.
Платна реклама: креатив — новий таргетинг. Люди дедалі частіше ігнорують і блокують рекламу, тож алгоритми Google і Meta тепер орієнтуються на поточний намір і сотні сигналів одночасно. Performance Max і Demand Gen за два роки виросли з «чорної скриньки», яка давала багато неякісних лідів, у наскрізну систему з більшим контролем: можна мінусувати ключові слова, аудиторії й нерелевантні майданчики. Зв'язка працює так: Demand Gen формує попит, Performance Max його підхоплює, класичний пошук доповнює.
Але це інструменти масштабування, а не старту. Їм потрібні якісні дані: база клієнтів і чисті товарні фіди. Навчання триває в середньому 2–4 тижні й потребує 30–50 конверсій. У вузькій ніші чи з малим бюджетом система може так і не навчитися. Серед новинок — AI Max, який генерує оголошення під запит користувача (але результат варто перевіряти щодня), студія креативів і генерація відео, поки в англомовних кабінетах.
У Meta зміни ще помітніші. Таргетинг «25–35 років, власники iPhone» перегрівав аукціон, а реклама за інтересами пів року показувала дивани, які людина давно купила. Тепер алгоритм іде від людини: що їй показати, виходячи з поточних інтересів. Тому різноманітність креативів вирішує. Чотири фото пледів різних кольорів більше не працюють. Мама з дитиною, що читають книгу під пледом, подруга, яка дарує плед, закохана пара на фотосесії — працюють.
Висновок. На стратегію й налаштування тепер припадає близько 30% результату, решта 70% — креативи та бренд. Технології змінюються кардинально, але стратегія — ні: створювати цінність, правильно її доносити й будувати довіру з аудиторією.
AI-агенти на Magento-проєктах: два реальні кейси
Антон Жук, CEO, Whidegroup
Команда Whidegroup із Запоріжжя, місто під постійними обстрілами, але вони працюють і та ще й з гумором.
Кейс 1: сайт гальмує під навантаженням. Поки команда розробляла для клієнта новий фронтенд на Hyvä, старий сайт мав протриматися до релізу. Одного ранку база даних почала захлинатися запитами. AI-агент проаналізував базу і знайшов причину: застарілий сторонній модуль генерував величезну кількість дрібних «сміттєвих» запитів. Агент запропонував рішення з кешуванням і готову архітектуру нового модуля.
Результат: кількість таких запитів упала з 200 000 до 6 000 на секунду, база почала працювати на 10–15% швидше, черга й піки навантаження зникли. Від початку роботи до запуску з тестуванням пройшло менше чотирьох годин, встигли до початку робочого дня клієнта в Нью-Йорку.
Але є нюанс: у готовому рішенні агент послався на компонент, якого просто не написав. Досвідчений розробник помітив це й дописав за кілька хвилин. Початківець отримав би помилку на продакшені. Звідси головний висновок: цінність інженера, який читає, перевіряє і відповідає за рішення, нікуди не зникає. Клієнт подзвонить людині, а не Claude.
Кейс 2: злом у п'ятницю ввечері. Німецький магазин, невеликий бізнес, що існує з 1970-х, отримав у п'ятницю о 16:40 лист: хакери підмінили дані на сайті. Причина виявилась прозаїчною: на сайті не стояли два безпекові патчі.
Агент знайшов, куди хакери завантажили шкідливі файли, і підказав, що виправити. Сервер повністю перезібрали. На все пішло 4–5 годин, і клієнт пішов на вихідні спокійно.
Обидва кейси вирішили на звичайній підписці за $20 на місяць. Але є й інший рівень: повне AI-сканування безпеки одного вебсервера спеціалізованим security-агентом обійшлося команді в $470 лише на токени. І тут відкрите питання хто має покривати такі вирати, мерчант чи агенція?
Панельна дискусія: дисципліна ухвалення рішень в епоху AI
Олексій Лунков (DataArt, модератор), Сергій Бориславський (Vodafone), Марина Волинченко (Webpromo), Дмитро Горячев (Leroy Merlin Україна)
Раніше складність виконання сама по собі фільтрувала погані ідеї: що дорожче зробити, то довше думали, чи варто. З AI зробити можна майже все і швидко, тож фільтр зник, а витрати на перевірку, впровадження й підтримку лишилися. Звідси головна тема панелі: як не потонути в AI-ініціативах. Практичні поради учасників:
- Починайте із задачі, а не з інструмента. Розділяйте два режими: експерименти «що можна зробити з новою моделлю» і вирішення конкретних бізнес-задач.
- Чотири питання до кожної AI ініціативи: чи є реальна потреба, хто власник, яка доказова база і який критерій зупинки. Без ROI і відповідального це не проєкт, а експеримент за рахунок компанії.
- Правило 80/20 від Vodafone: Найвищу віддачу дає оптимізація роботи найдорожчих спеціалістів, але з обов'язковою умовою навчання. Так компанія запустила Copilot: спершу на 100 співробітниках, з навчанням разом із Microsoft і щотижневими опитуваннями. Навіть коли врахували лише половину зекономлених годин, ROI вийшов 130%.
- Не забороняйте, а збирайте. Заборони породжують «тіньовий AI», співробітники все одно користуються особистими акаунтами.
- В****ести «AI-радар» ініціатив компанії, щоб замість 50 чат-ботів зробити один, але робочий.
- Перевіряйте все, що каже AI. Моделі налаштовані погоджуватися з вами і звучати переконливо, навіть коли помиляються.
Замість висновку
Ми повернулися з Meet Magento Ukraine 2026 повні ідей і вражень. Це не лише доповіді й панелі. Це зустрічі з людьми, з якими роками будуємо Magento проекти, розмови в перервах, не менш цінні за програму, і відчуття, що попри все ми й далі робимо свою справу. Тому наше щире дякую команді Perspective. Ми добре знаємо, що стоїть за таким днем, бо колись самі організовували Meet Magento в Україні: безсонні ночі перед відкриттям, спікери, партнери, програма і тисяча дрібниць, які мають скластися в одну картину. В умовах війни цей виклик стає вдесятеро складнішим. Ви з ним вже вдруге впоралися гп відмінно і зробили конференцію ще й доброю справою: половина вартості кожного квитка пішла на підтримку ЗСУ. Окрім того, спікери LupaSearch привезли й подарували авто українським військовим. Дякуємо кожному спікеру, учаснику й партнеру. І окреме дякую нашим захисникам, завдяки яким ми можемо збиратися в Києві.
До зустрічі наступного року!