Поддержка — это тихий убийца маржи растущих Shopify-магазинов. В первый год работы магазина с $30k MRR основатель отвечает на тикеты между отправкой заказов. Ко второму году, когда три part-time агента обрабатывают 800 тикетов/месяц, поддержка становится строкой в $4k/mo — и большинство тикетов это вариации одних и тех же 5 вопросов.

Этот гайд — это фреймворк, который мы используем, чтобы автоматизировать этот объём без ущерба для опыта клиента. Реальные цифры из запуска этих flows на магазинах с 100-2000 тикетами/месяц за 18 месяцев.

1. Сначала теги, потом автоматизация

Каждый playbook автоматизации начинается с одного шага, который все хотят пропустить: отметить последние 200 тикетов и найти реальные паттерны.

Откройте тикеты в своём helpdesk (Gorgias, Tidio, Re:amaze, Shopify Inbox — не важно) и присвойте каждому категорию. Мы используем эти:

order_status — где мой пакет, проблемы с трекингом, вопросы про ETA
refund_request — возврат для рефанда, заказ не пришёл, претензии о браке
address_change — изменение адреса доставки после покупки
sizing_question — вопросы про размер / посадку до покупки
shipping_policy — вопросы про стоимость / время / страны доставки до покупки
product_question — вопросы про спеки / совместимость / инструкции до покупки
complaint — тикеты с недовольством клиента (независимо от причины)
cancellation — отмена заказа до отправки
vip — постоянный клиент, большой заказ или отмечен в соцсетях
other — всё остальное

На каждом магазине, который мы отмечали, топ 5-7 категорий покрывают 75-85% всего объёма. Бакет “other” — это то, где автоматизация не поможет, нужны люди.

2. Live-data макросы для топ 3 категорий

Первый слой автоматизации — это макросы, которые берут live данные и вставляют их в ответ. Это обычная территория helpdesk — Gorgias делает это лучше всех, Tidio делает это через fetch button, Re:amaze делает это вручную. Какой бы инструмент ты ни использовал, сначала настрой эти три:

Макрос статуса заказа

Берёт: последний заказ клиента, название перевозчика, номер трекинга, URL трекинга, ожидаемую дату доставки.

Шаблон ответа:

Hi {first_name},

Your order #{order_number} shipped via {carrier} on {ship_date} and is on the way!
Tracking: {tracking_url}
Expected delivery: {expected_delivery_date}

Let me know if you have questions.

Отправляется в один клик. Время на тикет: ~15 секунд (vs ~5 минут вручную: открыть Shopify, найти заказ, скопировать трекинг, вставить, отправить).

Макрос запроса рефанда

Берёт: детали заказа, статус возвратности (на основе политики возврата), сумму рефанда.

Два варианта:

В политике (в течение 30 дней, товар не final-sale): макрос обрабатывает рефанд через Shopify, отвечает с подтверждением.
Вне политики: макрос отвечает с деталями политики и эскалирует на ручную проверку.

Время на тикет (в политике): ~30 секунд с рефандом. Вне политики переходит на ручную обработку.

Макрос изменения адреса

Берёт: детали заказа, текущий адрес доставки, статус фулфилмента.

Логика ветвления:

Если фулфилмент не начался → макрос обновляет адрес доставки в Shopify, отвечает с подтверждением
Если shipping label напечатан, но не передан перевозчику → макрос показывает агенту подсказку “свяжись со складом”
Если перевозчик уже имеет пакет → макрос отвечает с инструкциями изменения на стороне перевозчика (обычно невозможно на этом этапе)

Экономия времени на тикет: ~3 минуты (ручное изменение сложное).

Эти три макроса одни, на 612-тикетном месяце, который мы отслеживали для нашего обзора Gorgias, сэкономили примерно 65 часов агентов.

3. AI дефлекция для FAQ уровня

Второй слой автоматизации — это generative AI для вопросов со стабильными ответами. Правильные цели:

Вопросы про размер (ответ в таблице размеров + описании товара)
Политика доставки (ответ это небольшой набор фактов про твои зоны доставки / время / стоимость)
Политика возврата (ответ в документе политики возврата)
Вопросы про спеки товара (ответ на PDP)

Это работает для AI, потому что ответ стабилен и обнаруживаем — модель не должна ничего придумывать, она просто извлекает и переформулирует.

Плохие цели для AI:

Edge cases с правом на рефанд (нужно человеческое суждение)
Разрешение жалоб (нужна эмпатия)
Кастомные запросы (нужна креативность)

Реализация зависит от твоего инструмента:

Tidio Lyro (обзор) — лучше всех для магазинов sub-$50k MRR. Pricing за разговор.
Gorgias Automate — специально для этого, включен в Pro+ тиры. Лучше справляется с запросами в контексте заказа, чем Tidio.
Re:amaze Helix — новее, слабее чем два выше по состоянию на 2026.

Обучи AI на:

Полном каталоге товаров (через интеграцию Shopify)
Опубликованных политиках (доставка, возвраты, FAQ страницы)
30-50 ручно созданных Q&A парах для вопросов, которые всплыли в упражнении с тегами

Потом проверь 20-30 AI ответов в первую неделю. Модель будет иногда галлюцинировать — обычно на вопросах про спеки, где исходный текст PDP неоднозначен. Исправь PDP, не AI.

4. Маршрутизация для эскалаций

Некоторые тикеты ДОЛЖНЫ достичь человека в течение минут — автоматизация, которая их задерживает, вредит больше, чем помогает. Создай правила маршрутизации для:

VIP клиентов (топ 10% по CLV) — автоматически назначь senior агенту, пропусти слой макроса / AI полностью
Тикеты жалоб (негативный sentiment в subject или body) — эскалируй немедленно, никогда не дефлектируй AI
Флаги фрода (высокий риск-скор от Shopify) — отправь основателю или senior поддержке, не в стандартную очередь
Повторный контакт в течение 24h — если клиент пишет дважды в день, первый ответ не удовлетворил. Отправь человеку, не обратно в цикл

Большинство helpdesk позволяют выразить это как правила автоматизации. Настрой их В ТО ЖЕ ВРЕМЯ, когда настраиваешь макросы и AI дефлекцию — не потом, когда злой клиент эскалирует публично, потому что AI сказал ему “проверь FAQ”.

5. Измерение того, что важно

Дефлекция объёма — это очевидная метрика — “AI обработал 40% тикетов, макросы обработали ещё 30%, агенты обработали 30%”. Но чистая дефлекция может скрывать урон.

Отслеживай три числа:

Deflection rate — % тикетов, разрешённых без человеческого прикосновения
CSAT после AI/macro touch — упала ли удовлетворённость от автоматизированного разрешения?
Reopen rate — какой % “разрешённых” тикетов возвращаются в течение 7 дней?

Flow, который дефлектирует 60% тикетов, но переоткрывает 25% из них, на самом деле создаёт БОЛЬШЕ работы (ты обработал проблему один раз, клиент теперь раздражён и переспрашивает). Дефлекция, которая держит reopen-rate стабильным, ЭТО победа.

Наше правило порога: если reopen rate бакета дефлекции превышает 12%, правило отключается и возвращается на ручную обработку. AI / макросы должны СООТВЕТСТВОВАТЬ качеству человека при закрытии, не просто соответствовать объёму.

6. Математика окупаемости

Конкретные цифры из нашего теста магазина с 600-700 тикетами/месяц:

Слой	Тикеты дефлектированы/обработаны	Сэкономлено времени агента	Стоимость
Live-data макросы (3 категории)	~280/mo	~65 часов/mo	$0 (бесплатно в Gorgias)
AI дефлекция (FAQ уровень)	~80/mo	~12 часов/mo	$0 (Pro тир включает Automate)
Правила маршрутизации	(нет прямой дефлекции)	~5 часов/mo (меньше ошибок эскалации)	$0
Итого	~360/mo дефлектировано	~82 часов/mo сэкономлено	~$0 дополнительно

При $25/hr loaded cost part-time агента, это $2,050/месяц сэкономленного труда. Pro тир helpdesk ($360/mo) окупается почти в 6×.

Подвох: эта математика для магазина с 600 тикетами и отмеченной стратегией автоматизации. Магазин с 100 тикетами получает те же процентные выигрыши в абсолютных числах, но абсолютная экономия (~$340/mo труда) меньше и Pro тир helpdesk становится сложнее оправдать. Ниже 200 тикетов/месяц, используй только макросы и пропусти AI уровень.

Gorgias

Helpdesk built for Shopify — turn support tickets into revenue.

from $10/mo

Попробуй Gorgias бесплатно

С чего начать по размеру магазина

Sub-100 тикетов/месяц: Tidio free tier + Lyro AI (~$40/mo) + 3 простых макроса. Общая стоимость ~$40/mo, экономит примерно 10-15 часов.
100-500 тикетов/месяц: Tidio paid + Lyro, ИЛИ Gorgias Basic. Около $90-$140/mo + AI add-on. Значительная окупаемость.
500-2000 тикетов/месяц: Gorgias Pro это правильный ответ. Макрос engine, AI дефлекция и правила маршрутизации вместе экономят 50-100 часов/месяц при этом объёме.
2000+ тикетов/месяц: Enterprise tier разговор с Gorgias или Kustomer. Pricing кастомный; специализированный CSM помогает.

Как это выглядит как четырёхнедельный рамп

Неделя 1: отметь 200 тикетов, определи топ 5 категорий. Не автоматизируй ещё.
Неделя 2: построй 3 live-data макроса для топ order-context категорий. Измерь время-на-тикет до / после.
Неделя 3: включи AI дефлекцию на FAQ-tier категориях с knowledge base, обученной на существующих документах. Проверь 30 ответов.
Неделя 4: настрой маршрутизацию эскалаций. Измерь CSAT и reopen rate. Настрой правила, где reopen превышает 12%.

К концу первого месяца, стоимость поддержки должна упасть на 30-50% vs baseline — не из-за увольнений, а потому что агенты покрывают тот же объём в половину времени. Это победа.

Последнее обновление: май 2026.

Автоматизация поддержки для Shopify: когда AI экономит тебе 30 часов в неделю (и когда не экономит)