A-Vision определяет тип вещи, бренд, цвет, материал, размер и состояние, а затем формирует название и описание.

В раннем тестировании через новый сценарий опубликовали более 100 тыс. объявлений. В половине случаев пользователи не изменили ни одного параметра.

👉 Что меняется

Раньше ИИ на Авито помогал с текстом: пользователь сам заполнял данные, а нейросеть составляла описание.

Теперь стартовая точка — фото. Пользователь снимает вещь, а платформа собирает из него карточку товара.

По данным Авито, новый сценарий примерно на 40% сократил число экранов при создании объявления со смартфона.

Функция также подсказывает цену: ML-система сравнивает похожие предложения на платформе и предлагает рекомендованную стоимость.

👉 Почему это важно для классифайдов

Для Авито важен не только спрос, но и предложение.

У людей дома лежат десятки вещей, которые можно продать, но они не выставляют их из-за трения: нужно выбрать категорию, указать размер, состояние, бренд, написать описание и поставить цену.

Если для старта продажи хватает фотографии, барьер резко снижается. Больше объявлений — больше выбор, выше ликвидность, сильнее сетевой эффект.

👉 Почему именно одежда

Одежда сложна для частных продавцов: размер, цвет, материал, состояние, сезонность, бренд. Ошибка в карточке ухудшает поиск и вызывает вопросы у покупателя.

Авито делает для частных продавцов то, что маркетплейсы делают для профессиональных селлеров: стандартизирует карточку, улучшает данные и ускоряет публикацию.

👉 Кто ещё идёт в эту сторону

Похожее направление развивают другие игроки.

eBay использует AI-инструменты для создания листингов и генерации описаний.

Poshmark запускал Smart List AI: инструмент создаёт объявление по фото, определяет тип товара, размер, бренд, стиль, цвет, название и описание.

Facebook Marketplace развивает ИИ-помощь продавцам: анализ фото, заполнение деталей, подсказки по цене и ответы на вопросы.

Vinted также работает над автозаполнением деталей объявления по фото: бренд, размер, материал и другие параметры.

В России похожие элементы были в отдельных вертикалях: Авто.ру распознавал опции автомобиля по фото, Циан использовал ИИ для карточек недвижимости. Но у Авито речь о массовом горизонтальном классифайде и одежде.

Главный вывод: Авито переводит создание объявления из ручного режима в визуальный.

Сфотографировал вещь — получил карточку. Дальше логично ждать обувь, сумки, детские товары, технику, мебель и другие категории домашнего long tail.

Прямая речь

Технологическая платформа Авито запускает «Разберем гардероб» — первый, по данным компании, на российском рынке классифайдов сценарий, в котором ИИ создаёт объявление о продаже одежды по фотографии. Собственная мультимодальная модель A-Vision определяет характеристики вещи и формирует название и описание товара. Во время раннего тестирования пользователи опубликовали через новый сценарий более 100 тыс. объявлений — примерно в половине случаев не изменив ни одного параметра.

Ранее искусственный интеллект на Авито помогал составить только текстовое описание на основе информации, которую пользователь самостоятельно указывал при создании объявления — это было реализовано в функционале автоописания. В новом сценарии отправной точкой становится фотография: A-Vision анализирует изображение и формирует весь блок данных о товаре — от категории и характеристик до названия и текста.

В стандартном сценарии пользователю нужно последовательно заполнить данные о товаре на нескольких экранах. В «Разберем гардероб» они выводятся на одном экране в виде готовой карточки, которую можно проверить и скорректировать перед публикацией. Во время тестирования новый сценарий примерно на 40% сократил количество отдельных экранов при создании объявления со смартфона.

Функция также помогает определить стоимость вещи. Внутренняя ML система оценки стоимости товаров анализирует актуальные цены на аналогичные предложения на платформе и предлагает рекомендованную цену.

«Раньше ИИ подключался на отдельном этапе и составлял описание по уже заполненным данным. Теперь модель работает непосредственно с изображением и сама формирует основные параметры объявления. Наша задача — сделать так, чтобы для начала продажи пользователю было достаточно фотографии. Мы ожидаем, что к 2030 году таким способом будет публиковаться больше половины объявлений по продаже одежды и обуви», — рассказывает директор бизнес-направления Lifestyle компании «Авито» Алексей Гевлич.

Для запуска функции команда Авито дообучила A-Vision с помощью LoRA-адаптеров — метода, который позволяет настроить большую модель под конкретную задачу без её полного переобучения. Модель адаптировали к фотографиям частных продавцов: вещи могут быть сняты при бытовом освещении, на разном фоне, на полу, диване или вешалке.

Такие изображения отличаются от подготовленных каталожных фотографий по ракурсу, освещению и композиции. A-Vision анализирует обычный снимок со смартфона и определяет параметры, необходимые для создания объявления, включая тип вещи, бренд, цвет, материал, размер и состояние.

«Разберем гардероб» ориентирован на частных продавцов и доступен в мобильном приложении Авито в разделе «Мои объявления» во вкладке «Можно продать». В данный момент функция доступна для продажи товаров из категории взрослой и детской одежды; в будущем Авито планирует расширять этот список.

Подробности от EH

Почему запуск Авито важен

Авито запустил не просто ещё одну ИИ-функцию, а новый сценарий создания предложения на классифайде: пользователь начинает не с формы, а с фотографии. Это важный сдвиг. Раньше продавец должен был сам пройти путь: выбрать категорию, заполнить характеристики, придумать заголовок, описание, цену. Теперь платформа пытается превратить фото в готовую карточку товара.

Для классифайдов это принципиально, потому что их главный ресурс — не только аудитория покупателей, но и объём предложения. Чем проще выставить вещь на продажу, тем больше объявлений появляется на платформе. Особенно это важно в одежде: у людей дома лежат десятки вещей, которые можно продать, но большинство не публикует их, потому что лень фотографировать, описывать, выбирать категорию, размер, состояние и цену.

Здесь Авито бьёт ровно в этот барьер. Если для начала продажи действительно становится достаточно фотографии, это может резко увеличить предложение в категории fashion resale — одежда, обувь, детские вещи. А чем больше предложений, тем сильнее сетевой эффект: больше продавцов → больше выбор → больше покупателей → выше ликвидность → больше новых продавцов.

Что здесь нового для рынка

У Авито уже был ИИ для автоописаний: пользователь заполнял параметры, а нейросеть помогала написать текст. Новый сценарий отличается тем, что исходной точкой стала фотография. Мультимодальная модель A-Vision определяет тип вещи, цвет, материал, размер, состояние, бренд, формирует название и описание, а внутренняя ML-система подсказывает цену на основе аналогичных предложений. По сообщениям СМИ со ссылкой на компанию, в тестировании через сценарий было опубликовано более 100 тыс. объявлений, а примерно в половине случаев пользователи не изменили ни одного параметра.

Это важный показатель не только удобства, но и доверия к автозаполнению. Если половина пользователей ничего не правит, значит модель уже достаточно хорошо попадает в ожидания обычного продавца. Для платформы это особенно ценно: чем меньше ручных действий, тем выше вероятность, что человек дойдёт до публикации.

Почему это особенно важно именно для одежды

Одежда — одна из самых сложных категорий для частных объявлений. У товара много параметров: размер, посадка, бренд, материал, состояние, сезонность, цвет, тип вещи. Ошибка в одном поле снижает видимость в поиске или вызывает вопросы от покупателя.

Кроме того, одежда плохо продаётся без нормального описания. Покупателю важно понять, что это за вещь, насколько она изношена, подойдёт ли по размеру, есть ли дефекты. При этом частный продавец не хочет писать мини-каталожную карточку для каждой футболки или куртки. Именно поэтому автоматизация здесь может дать сильный эффект.

Фактически Авито пытается сделать с частными продавцами то, что маркетплейсы давно делают с профессиональными селлерами: стандартизировать карточку, повысить качество данных и улучшить поиск.

Кто ещё делает похожее в мире

Самый близкий международный пример — eBay. У eBay есть набор AI-инструментов для продавцов: генерация описаний, улучшение фона, помощь в создании листингов. На странице eBay про AI-инструменты прямо говорится, что они помогают быстрее создавать объявления и улучшать карточки.

Второй важный пример — Poshmark, американская ресейл-платформа для одежды. В 2024 году она представила Smart List AI: инструмент создаёт листинг по фотографиям, определяет тип товара, размер, бренд, стиль, цвет, а также генерирует название и описание. Это очень близко к тому, что сейчас запускает Авито в одежде.

Третий пример — Facebook Marketplace. По данным The Verge, Meta добавила AI-инструменты для продавцов: ИИ анализирует фото товара, помогает заполнить детали объявления, предлагает цену на основе похожих локальных предложений и генерирует ответы на типовые вопросы покупателей. Это уже не только создание карточки, но и автоматизация коммуникации вокруг сделки.

Четвёртый пример — Vinted. У Vinted, судя по открытым материалам компании, есть работа над AI auto-fill listing details from item photos: автозаполнение деталей объявления по фото, включая бренд, размер или материал. При этом сама компания подчёркивает продуктовые trade-off: важно не только ускорить публикацию, но и не ухудшить точность, поиск, доверие и число возвратов.

Пятый пласт — сторонние AI-инструменты для реселлеров: AutoLister, Listed AI, QuickList, SellyGenie и другие. Они обещают превращать фото в готовые объявления для Vinted, eBay, Depop, Facebook Marketplace и других площадок. Это показывает, что боль массовая: продавцы не хотят вручную создавать десятки карточек.

Что есть в России

В России похожие элементы уже встречались, но чаще в отдельных вертикалях и не в таком полном сценарии для fashion-классифайда.

Например, Авто.ру ещё в 2023 году запускал нейросеть, которая по фотографиям автомобиля распознаёт опции: кожаный салон, климат-контроль, мультируль, парктроники и другие характеристики. Позже на Авто.ру появилась генерация описания автомобиля с помощью YandexGPT. Но это автомобильная вертикаль, а не массовая категория частных вещей.

Циан использует ИИ для работы с карточками недвижимости: например, автоматически добавлял кадастровый номер из описания в карточку, а также развивал ИИ-инструменты для генерации описаний объявлений. Но в недвижимости другой сценарий: объект дорогой, объявлений меньше, а продавец или агент обычно готов потратить больше времени на карточку.

По Юле в открытых материалах я не нашёл сопоставимого встроенного сценария, где ИИ по фотографии создаёт полную карточку товара для одежды. Публичная инструкция по подаче объявления описывает классическую механику: выбрать категорию, заполнить поля, добавить фото и опубликовать.

Поэтому формулировка Авито про первый такой сценарий на российском рынке классифайдов выглядит правдоподобно, если речь именно о массовом горизонтальном классифайде и категории одежды, где карточка создаётся по фото: категория, характеристики, заголовок, описание и цена.

Где здесь стратегический смысл

Для Авито это не просто UX-улучшение. Это попытка сделать supply-side AI — ИИ на стороне предложения. Большинство платформ борется за покупателей: персональная лента, поиск, рекомендации, доставка, платежи. Но у классифайда есть другая боль: заставить частных продавцов чаще публиковать товары.

Если ИИ снижает усилие до одного фото, платформа получает сразу несколько эффектов.

Во-первых, растёт количество объявлений. Во-вторых, карточки становятся более структурированными: больше заполненных полей, лучше поиск, фильтры и рекомендации. В-третьих, можно точнее оценивать цену и снижать разрыв между ожиданиями продавца и рынком. В-четвёртых, платформа накапливает собственные данные по визуальному распознаванию товаров, состоянию, брендам и категориям.

Это уже не просто «нейросеть написала описание». Это шаг к классифайду, где платформа сама превращает неструктурированную реальность — фото вещи на диване, полу или вешалке — в структурированный товарный каталог.

Где риски и ограничения

Главный риск — ошибки модели. В одежде неточность может быть чувствительной: неверный бренд, материал, размер или состояние приводят к недоверию, возвратам, жалобам и конфликтам между покупателем и продавцом. Поэтому важна не только скорость публикации, но и то, насколько заметно интерфейс заставляет пользователя проверить карточку перед размещением.

Второй риск — стандартизация описаний. Если тысячи объявлений начинают звучать одинаково, у покупателей может появиться ощущение «синтетической» витрины. Для классифайда важно не потерять живость частных объявлений, но при этом повысить качество данных.

Третий риск — мошенничество и манипуляции с изображениями. На международных ресейл-платформах уже обсуждают проблему AI-generated фото: искусственно улучшенные изображения могут повышать кликабельность, но вводить покупателя в заблуждение. Для Авито это означает, что рядом с генерацией карточек придётся усиливать проверку подлинности фото, соответствия товара и описания.

Главный вывод

Запуск «Разберем гардероб» важен потому, что Авито переводит создание объявления из ручного режима в визуальный: сфотографировал вещь — получил готовую карточку. Для классифайдов это может стать таким же базовым сдвигом, каким для маркетплейсов стало автозаполнение карточек и рекомендованные цены.

В мире похожее направление уже развивают eBay, Poshmark, Facebook Marketplace и Vinted. В России ИИ-инструменты были у Авто.ру и Циана, но Авито, похоже, первым делает полноценный сценарий именно для массовой перепродажи одежды на горизонтальном классифайде.

Если функция масштабируется, следующий логичный шаг — не только одежда, а весь домашний long tail: обувь, сумки, детские товары, техника, мебель, книги, спорттовары. Тогда классифайд постепенно превращается из доски объявлений в умную систему оцифровки вещей, которые лежат у людей дома.

Сообщение Классифайды идут к модели: сфотографировал — продал. «Разберём гардероб» Авито и не только появились сначала на ECOMHUB - о E-Commerce, омниканальном ритейле, логистике, технологиях, соцсетях.