AI-ответы на отзывы: что стоит автоматизировать, а что нет

Первое, что делает бизнес, дойдя до идеи автоматизации отзывов, — включает генерацию ответов на всё подряд. Через месяц карточка выглядит гладко и мертво: десять отзывов, десять безупречно вежливых абзацев, в каждом «нам очень важно ваше мнение». Клиент такое опознаёт за секунду, и доверие падает сильнее, чем от честного молчания.

Проблема не в самой технологии, а в том, где проходит граница между «сгенерировать» и «опубликовать без человека».

Что искусственный интеллект действительно делает хорошо

Три задачи, где он экономит часы и почти не ошибается:

• Разметка отзывов по темам и тональности. Пятьсот отзывов за квартал руками никто не классифицирует. Модель раскладывает их на «доставка», «персонал», «цена», «качество» — и сразу видно, что именно тянет рейтинг вниз.
• Черновик ответа. Написать первый вариант — самая затратная часть. Правка готового текста занимает секунды вместо минут, а тон остаётся человеческим, потому что правит человек.
• Поиск повторяющихся причин. Один злой отзыв бывает у всех, а вот «пять жалоб на вечернюю смену за две недели» человек глазами не всегда заметит.

Где автоматизация вредит

• Негатив без человека. Автоответ на жалобу почти всегда попадает не в ту тональность: извиняется там, где нужно объяснить, или обещает то, что бизнес не выполнит.
• Спорные и юридически чувствительные ситуации — жалобы на здоровье, безопасность, деньги, обвинения в обмане. Тут любая формулировка «на автомате» — риск.
• Фактические детали. Модель не знает, была ли на самом деле задержка на складе. Если не дать ей контекст, она красиво напишет неправду — и это увидят все.
• Одинаковый ритм. Даже хороший текст, повторённый двадцать раз в одной структуре, читается как рассылка.

Практическая граница

Рабочее правило, к которому приходят почти все, кто пробовал:

1. Оценка 5 и 4 без текста или с коротким текстом — можно автоматически, риск минимальный.
2. Развёрнутый позитив — черновик автоматически, публикация после взгляда человека (тут стоит добавить деталь про сотрудника или продукт).
3. 3 и ниже — только вручную, по черновику. Разбор логики таких ответов — в статье как отвечать на негативные отзывы.
4. Всё, что связано с деньгами, здоровьем и обвинениями — вручную, иногда с юристом.

Что нужно модели, чтобы ответ не был пустым

Качество ответа определяется не моделью, а контекстом, который ей дали:

• тон бренда — как вы разговариваете: на «вы», сухо, тепло, с юмором;
• факты по ситуации — что реально произошло с заказом, была ли компенсация;
• границы — что нельзя обещать (возврат без проверки, скидку всем, «мы уволили сотрудника»);
• площадка — ответ на Wildberries и ответ на Яндекс Картах читают разные люди с разными ожиданиями.

Без первых двух пунктов получается тот самый «безупречно вежливый» текст ни о чём.

Не только ответы

Самая недооценённая польза не в текстах, а в диагностике. Ответить можно на всё и красиво, но если каждую неделю прилетает одно и то же — проблема в процессе, а не в формулировках. Про то, как из массива отзывов вытащить корневые причины, — в материале анализ тональности отзывов.

Где здесь Evidra

В Evidra искусственный интеллект встроен в оба слоя: генерирует черновик ответа под тон бренда и размечает отзывы по темам, а раздел «Рекомендации» собирает из этого корневые причины с цитатами из реальных отзывов. Автопубликация — не «по умолчанию», а правило: вы задаёте минимальную оценку, выше которой ответ уходит сам, всё ниже падает в черновики на модерацию. Работает это на площадках с официальным API — Wildberries, Ozon, Яндекс Маркет, магазины приложений. Подробнее — на странице ответов с помощью искусственного интеллекта.