Недавно я проводила бизнес-завтрак для селлеров маркетплейсов.
Знаете какой самый популярный вопрос?
Мы залили свои данные в ChatGPT, написали "проанализируй, дай инсайты" — и получили полное говно. Это вообще работает?
Работает. Но есть нюанс. На самом деле их много, но у нас пока Шаг 0.
Для оценки масштаба проблемы
Раньше, чтобы получить простой отчёт «топ-10 товаров по марже за месяц», нужно было:
— написать SQL-скрипт (1-2 дня, если данные уже в хранилище);
— если данных нет — настроить пайплайн или выгрузить разово;
— дизайнер / BI-аналитик собирает дашборд.
Итого через 2-3 недели вы видите отчёт и понимаете, что нужно всё переделать.
Сейчас вполне реальный сценарий, которым я постоянно пользуюсь:
Вы открываете AI-агента — Claude, Cursor, Codex (кто во что верит). Даёте ему доступ к данным, сливаете API-ключ. В несколько итераций объясняете, что вы продаёте и что считаете.
Через час-два — первый отчёт. Захотите — через 15 минут его измените. А потом потратите ещё пару часов и настроите Telegram-бот, в который этот отчёт будет приходить каждое утро.
Секрет в одном слове: контекст
Вы создаёте не просто отдельный чат в ChatGPT, в котором через пару сообщений теряется информация из начала диалога. Вы создаёте свой собственный проект со своим хранилищем файлов.
Там лежит информация по бизнесу, расчёты, термины, история. Всё, что нужно сохранить — хранится в этом проекте.
При этом структуру проекта модель собирает сама и вам честное пионерское не надо трогать файлы руками, продумывать архитектуру. Надиктовали в ИИ то, что вам важно — он сама всё разложит.
Весь контекст копится с первых запросов. Когда вы просто пишете:
> «Привет, Клоди, я продаю детскую одежду на WB, средний чек такой-то, маркетплейс берёт 30% комиссии, плюс с логистикой они охренели, моя цель — найти новую нишу»
— Claude всё это сохраняет.
Скорее всего, первый результат вам не понравится. Но каждый раз вы объясняете почему — и Claude становится точнее. Каждую крупицу о вашем бизнесе он сохраняет в проект и больше не забудет.
Одни и те же данные, одна и та же модель — но разница в результате может быть огромная только из-за контекста.
Аналогия. Представьте, что вы нашли нового очень умного и старательного стажёра. В первый день он не знает ваших продуктов, терминов, целей. Через какое-то время — погружается и начинает приносить пользу.
С AI то же самое, только НДФЛ не надо платить.
Окей, давайте по шагам
Покажу на примере Claude от Anthropic (чисто мне ближе, выбирайте то что нравится вам).
Шаг 1. Установить приложение
Скачиваете Claude Desktop на официальном сайте Anthropic.
С учётом того, где мы живём, вам скорее всего понадобится сервис для доступа в мировой интернет.
Шаг 2. Получить API-ключи маркетплейсов
Собираете ключи со всех маркетплейсов, на которых торгуете.
Моя искренняя рекомендация — выпускать ключи только на чтение. Пока вы не уверены в своих навыках или в навыках человека, которому передаёте ключ — никогда не делайте права на запись.
Маленький дисклеймер. Если словите лимиты по подключению к API — подождите 5-10 минут и только потом пробуйте снова. Иначе срок блокировки будет расти вплоть до суток.
Шаг 3. Создаём проект и надиктовываем контекст
В Claude Desktop создаём папку проекта. По факту — просто папка на компьютере, к которой обращается Claude.
Отправляем первоначальный запрос с API-токеном и начинаем надиктовывать контекст бизнеса. Очень удобная функция — голосовая диктовка.
Кто я, что продаю, на каких маркетплейсах. Вся информация, которая приходит в голову.
За 15 минут голосом можно рассказать всё — как лучшему другу. Какие нюансы, какие сложности, что получается хорошо.
Шаг 4. Просим выгрузить данные и считать
После контекста просим Claude проанализировать, какие API-подключения нужны, и запустить выгрузку. Ограничьте период — 30 или 90 дней, сохраняем в CSV.
Когда файлы появились, описываете задачу: какой результат хотите.
Например: «Посчитай топ-10 самых маржинальных SKU и топ-10 самых убыточных».
Без вашей себестоимости картина будет неполная — но какие-то инсайты уже получите. Кстати, себестоимость и личные расходы можно загрузить в тот же проект, чтобы он построил полноценный P&L-отчёт.
И главное правило этого шага — не просто «сделай мне аналитику бизнеса». Хотя в целом и так можно — просто будет много итераций. Если скажете «сделай аналитику», получите в первый раз фигню. А дальше уточните: «вот этот раздел не нужен, а вот тут ты интересно заметил — давай покопаем».
Что реально получится за вечер
Просто набросаю варианты:
— Топ-товары по реальной марже — а не по обороту, как в кабинете.
— Аномалии и выбросы за последнюю неделю — резкие изменения в продажах, отзывах, поведении карточек.
— Где проседает рентабельность — по регионам, по складам, по размерам, по возвратам. Возможно, в каком-то регионе конкретные SKU возвращаются на 100%.
— Out-of-stock на складах — чтобы остатки не заканчивались.
— Ошибки в данных самого маркетплейса — WB прилично привирает: самое явное это количество заказов в воронке продаж, в фин.отчёте и в доходах/расходах — за один и тот же период три разных числа. Какое настоящее — история умалчивает.
— Сценарии "что если" — что будет, если подниму цену на 7%; что если подключу локализацию WB.
Каждый из этих вопросов — отдельный запрос. Можно открывать в разных вкладках.
Та полезная часть, которую вы для себя пометите как полезную, сохраняется в проект. По факту это становится вашей базой данных по бизнесу. В следующий раз вы заходите не с нуля, а со всем накопленным контекстом.
И о грустном: на чём вы споткнётесь
Теперь честно — на что натыкаются люди, после чего говорят «всё скам, ничего не работает».
1. AI галлюцинирует на числах. Особенно когда формула сложная. Лечится так: формируете SQL-запрос или код, по которому считается. Чтобы считал не агент вручную, а скрипт — там 100% корректно.
Первые несколько раз результаты всё равно надо проверять руками. От этого не уйти. Но есть приём: собрать одного агента, который готовит расчёты, и второго, который их проверяет. Проверено на моём опыте.
2. «Сделай красивый отчёт» — не значит, что он будет правильный. AI не понимает, что именно вам надо. Он понимает, как может выглядеть ваш ответ — и как выглядит усреднённый ответ на похожие запросы.
Если вы не задали критерий правильности — он будет угадывать. Закладывайте несколько подходов.
3. Данные маркетплейсов противоречат друг другу. Комиссии в одном отчёте, выкупы в другом, возвраты в третьем — не всегда сходится. У некоторых платформ (не будем уточнять у каких) есть сильные проблемы с тем, что они отдают в API.
4. Без истории не посчитаешь тренд. API маркетплейсов отдают глубину 30-90 дней. Чтобы считать год к году, нужно своё хранилище.
До какого-то момента сработает «хранилище» в виде Excel-файликов в проекте у Claude. Но потом их станет слишком много, и они не поместятся в клодовые мозги. Тут уже придётся думать про реляционную базу данных. Слова страшные — можно обратиться к людям, которые этим занимаются. В том числе и у нас есть такой продукт.
5. Красивый SQL ≠ точность бизнес-решения. AI напишет запрос, выдаст результат, вы даже проверите. Но если вы не дали ему всю информацию — её нет.
Например, в феврале был сбой на складе, в апреле — переход на новую упаковку. Эти отклонения он проанализирует совершенно в другую сторону. Эти нюансы тоже нужно скармливать.
6. «Я потратил миллионы на API-токены». Один диалог стоит копейки. Но если каждый день делать много запросов с большими выгрузками — за месяц легко выходит $50, $100, $200.
Если начинаете с подписки за $20 — будете работать в окне 4 часовой доступности токенов. Подписки за $100 (на примере Claude) хватит за глаза для любой аналитики. И только когда начнёте выстраивать систему агентов — возможно, понадобится за $200. И то не факт.
---
Если зашло — подписывайтесь, я тут регулярно разбираю, как реально использовать ИИ в бизнесе. Без сложных технических терминов и без «100 промтов, которые перевернут жизнь».
В Telegram дублирую короткие заметки и инсайты, которые в статьи не помещаются: @neuro_nezhno
А если у вас бизнес на маркетплейсах и хочется, чтобы вся эта аналитика просто работала без вашего участия — у нас в OnlyFins это уже из коробки