AI стратегии зад 90% ръст на GMV в marketplace

90% ръст на GMV за една финансова година не се случва, защото „маркетплейсът е модерно“. Случва се, когато маркетплейсът започне да работи като машина за съвпадение: правилният продукт, при правилния клиент, в правилния момент, с правилната наличност и цена.

Точно това виждаме при MediaMarkt (Ceconomy): маркетплейс GMV достига 527 млн. евро (FY 2024/2025), почти двойно спрямо предходната година, а общите онлайн приходи са 5.719 млрд. евро. Онлайн делът вече е 26% от общите приходи (за първи път над една четвърт), като компанията директно посочва, че резултатът е „подкрепен от нови функционалности и разработки в изкуствен интелект“.

Тази статия е част от серията „Изкуствен интелект в търговията и електронната търговия“ и ще разгледа практично: какво реално стои зад такъв скок и как да пренесете логиката в собствената си електронна търговия или маркетплейс — без да копирате „големите“, а да използвате същите принципи.

Какво ни казва ръстът на MediaMarkt (без романтика)

Отговорът накратко: ръстът идва от мащаб (повече селъри и продукти), разширяване на категории и държави, и силна омниканал стратегия — но това работи устойчиво само ако е подкрепено от AI за персонализация, търсене, наличности и анализ на поведение.

Няколко числа, които си заслужава да запомните:

• 527 млн. евро GMV в маркетплейса (+90%).
• 2000+ активни продавачи.
• 3.2 млн. партньорски продукта.
• Маркетплейсът вече е в 8 държави, с планирани нови пазари.
• 36% от обема на поръчките се взима от физически магазини (click & collect), като в последното тримесечие стига 37%.

Ако управлявате онлайн магазин, това е ключов сигнал: потребителите не избират „онлайн срещу офлайн“. Избират удобство и сигурност. А AI е начинът да дадете и двете — с по-малко ръчни усилия.

Защо „повече продукти“ не е достатъчно

Много компании добавят асортимент и очакват продажби. Реалността? Без умна навигация, търсене и препоръки, големият каталог става шум.

При 3.2 млн. продукта, без AI:

• търсенето връща нерелевантни резултати;
• клиентът се губи и сравнява на друго място;
• конверсията пада, а разходът за трафик расте.

С AI подходът се обръща: каталогът става предимство, защото системата „подрежда“ света според намерението на клиента.

AI персонализация: най-бързият път до по-висок GMV

Отговорът накратко: AI персонализацията увеличава GMV, защото вдига конверсията, средната стойност на поръчката и повторните покупки чрез релевантни предложения в момента на решение.

Когато MediaMarkt разширява категориите отвъд потребителска електроника (DIY, играчки, интериор, фитнес, соларни панели, e-mobility и др.), рискът е очевиден: аудиторията идва за телевизор, а вие искате да ѝ продадете барбекю. Това не става с банери.

Става с персонализация на ниво намерение.

Как изглежда персонализацията, която реално продава

Ето три работещи слоя, които виждам най-често в успешни eCommerce екипи:

1. Персонализирано търсене (не само препоръки)

   • Резултатите се пренареждат според поведение, марж, наличност и вероятност за покупка.
   • Синоними, правописни грешки, намерения („евтин“, „професионален“, „за подарък“).

2. Контекстни препоръки

   • „Купувани заедно“, „подходящи аксесоари“, „алтернативи при липса“.
   • Работи особено силно при cross-category: клиент търси лаптоп → предлага се раница, мишка, докинг станция.

3. Персонализация по етап на фунията

   • Нов посетител: доказателства (ревюта, бестселъри, гаранция).
   • Връщащ се: сравнение на модели, ценова динамика, наличност в близък магазин.
   • Колебаещ се: конкретен стимул (подарък, удължена гаранция, взимане от магазин).

Силната персонализация не е „покажи продукти“. Тя е „намали съжалението след покупка“.

AI за наличности и омниканал: причината click & collect да работи

Отговорът накратко: AI в управлението на наличности прави омниканал продажбите предвидими — по-малко откази, по-точни срокове, по-високо доверие.

Когато 36–37% от поръчките се взимат от магазин, това не е само удобство. Това е и психология: клиентът вярва повече, когато има „план Б“ (физическа точка) и точен ангажимент кога ще е готово.

Но click & collect се проваля лесно, ако:

• наличността в магазина не е точна;
• обещаният срок е нереалистичен;
• системата не знае кой магазин да предложи.

Къде AI помага най-много в инвентарния хаос

Практично, AI може да ви даде три много конкретни подобрения:

• Прогнозиране на търсене по SKU и локация (сезонност, промоции, локални фактори)
• Оптимизация на прехвърляния между обекти (store-to-store, warehouse-to-store)
• Интелигентни обещания за доставка (ETA), които отчитат натоварване, куриер, капацитет за пикинг

Декември е идеалният стрес тест. Ако системата ви дава грешни обещания точно в празничния пик, губите не само продажба — губите клиента за следващия сезон.

„Наличност“ вече не е складова тема. Тя е маркетинг и доверие.

AI анализ на потребителско поведение: как да разширите категории без да се разпилеете

Отговорът накратко: анализът на поведение с AI показва кои категории да добавите, кои да спрете и как да подредите приоритетите — преди да сте похарчили бюджет за „просто да пробваме“.

MediaMarkt разширява асортимента към категории като домашен интериор, pet supplies, соларни панели. Това не е случайно. Това е логика „там, където вече има намерение“.

Ето как да приложите същия подход във вашия бизнес, дори да сте много по-малки:

1) Намерете „скритите мисии“ на клиента

Вместо да гледате само топ категории, търсете повтарящи се комбинации и последователности:

• Какво търсят хората преди да купят?
• Какво добавят в количката като аксесоар?
• Кои филтри използват?

AI помага да класифицирате сесиите по намерение (например „подарък“, „ремонт“, „спорт у дома“) и да изградите landing страници и bundle оферти, които продават.

2) Оптимизирайте каталога, не само рекламата

При маркетплейс модел, проблемът често е качество на листинга при партньорите.

AI може да автоматизира:

• нормализация на атрибути (единици, размери, съвместимости);
• откриване на дубликати;
• обогатяване на описания;
• категоризация и мапинг към филтри.

Това директно влияе на SEO, вътрешно търсене и конверсия.

3) Управлявайте „дългата опашка“ умно

При 3.2 млн. продукта не печели този, който има най-много артикули, а този, който решава проблема с откриването.

Приложете правило:

• Топ 1–5% SKU: максимална видимост, агресивни кампании, A/B тестове
• Среден слой: оптимизация на съдържание и препоръки
• Дълга опашка: търсене + персонализация, без да наливате бюджет

„3 AI стратегии“ за ръст, които можете да внедрите за 90 дни

Отговорът накратко: започнете с търсене, препоръки и наличности — това са трите места, където AI най-често връща бърз ефект.

Тук няма магия. Има дисциплина.

Стратегия 1: AI търсене + мерчандайзинг правила

Комбинирайте модели за релевантност с ясни бизнес правила:

• промотирай продукти с висока наличност;
• не показвай „примамки“ без реална доставка;
• балансирай марж и вероятност за покупка.

KPI за 30 дни: search conversion rate, zero-results rate, CTR от резултати.

Стратегия 2: Препоръки, които отчитат наличност и марж

Много магазини показват „подобни продукти“ без връзка с реалността.

Направете препоръките зависими от:

• наличност по регион;
• срок за доставка;
• марж/комисиона (особено важно за маркетплейси).

KPI за 30 дни: attach rate (добавени аксесоари), AOV, revenue per session.

Стратегия 3: Прогнозиране на търсене за топ SKU и промоции

Не започвайте с „целия каталог“. Започнете с топ 200–500 SKU + промоционални артикули.

KPI за 60–90 дни: процент отменени поръчки поради липса, точност на ETA, продажби при click & collect.

Ако трябва да избера само едно: оправете търсенето. Персонализацията без добро търсене е грим върху проблем.

Често задавани въпроси (и кратки, ясни отговори)

Подходящ ли е маркетплейс моделът за всеки търговец?

Не. Подходящ е, ако можете да управлявате качество на листингите, SLA за доставка и клиентско обслужване. Без тези три неща маркетплейсът добавя хаос, не оборот.

Трябва ли ми „голям AI екип“, за да започна?

Не. Но ви трябва собственик на резултата (product/commerce owner), ясни KPI и чисти данни за продукти, наличности и поръчки.

Кое е най-важното условие AI да работи в eCommerce?

Данните да са използваеми: единни продуктови атрибути, точни наличности, нормализирани събития (view, add-to-cart, purchase) и дисциплина в измерването.

Следващата стъпка: използвайте новината като план, не като вдъхновение

MediaMarkt не е интересен случай, защото е „голям“. Интересен е, защото показва модел: маркетплейс расте бързо, когато се подпира на изкуствен интелект в търговията — персонализация, наличности, анализ на потребителско поведение и омниканал изпълнение.

Ако целта ви за 2026 е повече GMV, повече поръчки и по-малко излишен разход за трафик, започнете от местата, които клиентът усеща веднага: търсене, препоръки, обещание за доставка.

И един честен финален тест: ако удвоите каталога си утре, системата ви ще помогне ли на клиента да намери правилното — или просто ще направи избора по-труден?