ИИ-агент для маркетплейсов

ИИ-агент для маркетплейсов — это ассистент, который получает доступ к данным вашего магазина и отвечает на вопросы о нём обычными словами, сам выбирая нужный источник и считая цифры. В отличие от универсального чат-бота, он не пересказывает интернет: у него около сорока инструментов чтения данных конкретно вашей организации и отдельный набор действий, каждое из которых оформляется как заявка на подтверждение, а не выполняется молча.

Что агент умеет прочитать

Подробно: продажи, деньги и товары

Сводные показатели магазина за период: выручка, к перечислению, заказы, средний чек, расход рекламы, ДРР, остатки. Остатки при этом всегда названы на дату снимка, а не «за период».
Дневная динамика выручки и расхода рекламы с готовым графиком.
Топ товаров по выручке, марже или количеству; сколько всего товаров в кабинете; поиск конкретного товара по названию, бренду или артикулу.
P&L товара: выручка, выплата, логистика, хранение, штрафы, удержания, эквайринг, маржа и процент маржи.
P&L агрегированно по всем брендам или всем предметам сразу.
Расшифровка удержаний по видам — за что именно списали деньги.
Платное хранение в трёх разрезах: по складам, по товарам и по дням.
Текущий баланс кабинета и сумма, доступная к выводу.
Календарь акций: действующие и будущие, с расчётом маржи при плановой цене участия.

Подробно: склад, реклама, покупатели

Оборачиваемость и дни запаса, флаг стокаута.
Потребность в закупке: что дошло до точки заказа и сколько заказывать с учётом срока поставки и минимальной партии.
Неликвиды: где заморожены деньги.
История остатка по дням с подтверждёнными периодами нуля и история цены с моментами её изменения.
Размерная сетка одного товара: какие размеры вымываются.
Рекламные кампании: статус, тип ставки, бюджет и темп его расхода.
Эффективность рекламы в разрезе кампания × товар: расход, выручка с рекламы, ДРР, ROAS, CPO, CPC, CTR, конверсия.
Поисковые кластеры кампании: показы, клики, CTR, средняя позиция и рекомендованные площадкой ставки.
Воронка товара и топ товаров по конверсии.
Поисковые запросы, по которым товар виден, и разрыв с рынком — высокочастотные запросы предмета, где вас нет.
Отзывы со сводными цифрами по всему периоду, разбор отзывов по темам с зоной ответственности, неотвеченные вопросы покупателей.
Продажи по регионам доставки.
История изменений карточки и топ правок по влиянию на метрику.

Примеры вопросов, которые работают дословно

Эти формулировки не требуют специального синтаксиса — их можно писать как есть:

«какая выручка всего магазина», «сколько заработали на всех площадках»
«почему упали продажи», «продажи просели, в чём причина»
«какая реклама сливает бюджет», «ДРР по кампаниям»
«что закупить прямо сейчас», «где у меня заморожены деньги», «какие товары не продаются»
«за что удержали деньги», «почему выросло хранение», «стоит ли участвовать в акции»
«был ли товар в нуле на складе», «история остатков товара»
«влияет ли реклама на заказы», «через сколько дней реклама даёт эффект»
«на что чаще всего жалуются», «проблема в товаре или в доставке»
«сравни мои кабинеты», «какой кабинет приносит больше выручки»
«как прошла чёрная пятница», «сравни ноябрь с октябрём», «статистика с 5 по 12 мая»
«что ты умеешь»

Последний вопрос стоит задать первым: агент показывает каталог возможностей, сгруппированный по разделам, с готовым примером вопроса на каждую. Кроме того, на пустом экране чата появляются подсказки, посчитанные по вашим же данным, а после содержательного ответа — предложения логичного продолжения.

Что агент умеет изменить и как это безопасно

Подробно: заявки, роли и предохранители

Агент располагает большим набором действий: цена (в том числе цена размера, оптовая лестница, скидка клуба), остаток, тексты и фото карточки, габариты упаковки, ярлыки, объединение и разделение карточек, снятие товара с продажи и возврат, рекомендации в карточке, полный набор операций с рекламными кампаниями (пауза, запуск, ставка, состав карточек, места размещения, минус-фразы, ставка кластера, переименование, создание, завершение, удаление, пополнение бюджета), вход в акцию и ответ на отзыв.

Ни одно из этих действий агент не выполняет. Каждое становится заявкой в разделе «Согласования» с указанием, что меняется и с какого значения на какое. Пока человек не подтвердил, в маркетплейсе не меняется ничего.

Поверх этого работают три независимых слоя:

Роль. Изменения доступны повышенной роли, необратимые и тратящие деньги операции — максимальной.
Числовые предохранители на странице «Предохранители цены»: минимальная цена, максимальный процент снижения за одно действие, минимальная маржа для акций, лимиты трат на рекламу. Они проверяются до создания заявки и не зависят от текста промпта.
Журнал действий: любое изменение фиксируется с источником и автором.

Есть и настройки, которые агент меняет сразу, потому что они живут внутри платформы, а не в маркетплейсе: целевая оборачиваемость, лимиты трат, схема расчёта прибыли, себестоимость товара, имя кабинета, приглашение сотрудника. В этих случаях он сначала называет текущее значение и допустимый коридор, а после изменения показывает «было — стало».

Частые вопросы

Что такое ИИ-агент для маркетплейсов простыми словами? Это помощник, подключённый к данным вашего магазина: вы спрашиваете словами, он сам находит нужные цифры, считает и отвечает, а при необходимости готовит изменение, которое вы подтверждаете.

Чем ИИ-агент отличается от ChatGPT? Универсальная модель не знает ваших продаж. Агент работает поверх собранных данных вашего кабинета, поэтому отвечает конкретными цифрами за конкретный период. Подключить свой ИИ-клиент к этим же данным можно через MCP.

Безопасно ли давать ИИ доступ к кабинету WB? Доступ на чтение отделён от доступа на изменение. Изменения не выполняются агентом, а становятся заявками, ограничены ролью и числовыми предохранителями и пишутся в журнал.

Может ли нейросеть выдумать цифры? Числа приходят из инструментов, а не из головы модели. Там, где данных нет, платформа ставит прочерк и говорит об этом — например, рекламы Ozon мы не собираем.

Нужно ли учить какие-то команды? Нет. Вопросы задаются обычным языком, а вопрос «что ты умеешь» выдаёт каталог с готовыми примерами.

Работает ли ассистент с Ozon? Общие показатели считаются по обеим площадкам с разбивкой, но часть данных (например, реклама) собирается только по Wildberries, и это явно подписано.

Коротко

Числа считает не модель, а сервер: агент выбирает инструмент, а арифметику выполняет запрос к данным.
Сравнение периодов строится как два непересекающихся окна равной длины — вычитать пресеты нельзя.
Причины и связи фильтруются порогами значимости, а не «выглядит похоже».
Там, где данных нет, ставится прочерк и говорится об этом; ноль и «нет данных» не смешиваются.
Результат можно выгрузить в таблицу и повторить запрос с теми же границами периода.

Почему это не «модель посчитала»

Подробно: разделение ролей между моделью и данными

Главное возражение аналитика к языковым моделям справедливо: они плохо считают и охотно выдумывают. Поэтому агент устроен так, что арифметика ему не поручается.

Модель отвечает за одно — понять вопрос и выбрать подходящий инструмент с параметрами: период, кабинет, маркетплейс, товар, метрика. Дальше выполняется запрос к уже собранным данным, и в ответ приходят готовые агрегаты. Сводные показатели, доли, дельты, корреляции, декомпозиции считаются на стороне сервера.

Из этого следуют практические свойства:

Сводные цифры честны по всему периоду, а не по показанной выборке. Например, средняя оценка и доля негативных отзывов считаются по всем отзывам периода, тогда как список отдельных отзывов обрезан лимитом и отсортирован худшими вперёд — это явно разные вещи, и они разделены.
Сравнение с предыдущим периодом считается одним запросом, а не двумя ответами, которые модель вычитает. Это принципиально: пресеты «7/30/90 дней» вложены друг в друга, и разница между ними не имеет смысла периода сравнения.
Дедуплицированные показатели не пересчитываются перебором: чтобы получить топ по конверсии, не нужно опрашивать товары по одному.

Пороги значимости вместо правдоподобных историй

Подробно: как фильтруются выводы

Диагностика изменения продаж раскладывает дельту выручки на факторы: трафик, конверсия, наличие товара, реклама, цена. Фактор попадает в ответ только если он значим: изменение на десять процентов и больше в деньгах, конверсия — на процентный пункт и больше, отсутствие товара — от одного полного дня в нуле. Есть и нижний денежный порог по базе: на околонулевой выручке проценты не информативны, и платформа это говорит вместо того, чтобы выдать «падение на 400%».

Проверка связи двух метрик считается по дневным рядам: коэффициент Пирсона плюс корреляции со сдвигом от минус семи до плюс семи дней, с выбором наиболее сильного лага. На слишком коротком ряде связь не выдаётся вовсе — при десятке точек критическое значение коэффициента высоко, и любое «похоже на связь» было бы шумом. Результат сопровождается оговоркой, что это гипотеза, а не причинность.

Насколько это меняет вывод, показывает реальный замер: связь расхода рекламы и заказов день в день была практически нулевой (0,04), а при сдвиге в два дня — почти полной (0,996).

Честная неполнота

Аналитику важнее всего знать, чего в данных нет. Здесь это не прячется:

Остатки — не показатель за период, а снимок на дату; дата снимка называется в ответе.
Финансовые показатели ограничены последней доступной датой отчёта о реализации, и она указывается.
Реклама и остатки собираются только по Wildberries. В сравнении кабинетов у строки Ozon в этих колонках стоит прочерк — «данных нет», а не ноль.
ДРР считается от выручки Wildberries, и это подписано, чтобы показатель не выдавался за общий по магазину.
Маржа без заполненной себестоимости считается до себестоимости, а сумма замороженного капитала честно показывает ноль, если себестоимость не заполнена, вместо выдуманной оценки.

Разрезы, которые обычно собирают руками

Кроме базовых показателей, доступны разрезы, ради которых аналитик обычно строит выгрузку: воронка товара с конверсиями и топ товаров по конверсии; P&L по всем брендам или всем предметам сразу; удержания по видам; платное хранение по складам, товарам и дням; продажи по регионам доставки; размерная сетка товара; история цены с моментами изменения; история остатка с подтверждёнными периодами нуля; изменения карточек и топ правок по влиянию на метрику с окном до и после; поисковые запросы товара и разрыв с рынком по высокочастотным запросам предмета.

Разбивка по конкретному кабинету доступна у всех числовых показателей, а изоляция данных между кабинетами обеспечивается платформой, а не аккуратностью запроса.

Частые вопросы

Может ли ИИ ошибиться в арифметике? Арифметику выполняет запрос к данным, а не модель. Ошибка возможна в интерпретации вопроса — поэтому в ответе всегда указаны период, кабинет и источник цифры.

Как проверить вывод агента? Повторите запрос с явными датами и сверьте с соответствующим разделом платформы: цифры в чате и на витрине берутся из одного источника.

Почему нельзя просто сравнить «30 дней» и «7 дней»? Эти окна вложены друг в друга. Корректное сравнение — два соседних непересекающихся окна равной длины, и оно строится автоматически.

Есть ли ограничение на длину периода? Да, окно ограничено годом — это защита от случайного запроса на бесконечный интервал.

Можно ли выгрузить результат для дальнейшей работы? Да, показанную таблицу или график можно выгрузить в Google Таблицу.

Что если выборки не хватает для корреляции? Связь не будет посчитана: платформа вернёт пустой результат вместо коэффициента, который ничего не значит.