ИИ для маркетплейсов

С чего начинать продавцу

Продавец на Kaspi, Wildberries или Ozon тонет не в недостатке инструментов, а в рутине: сотни сообщений в чате, отзывы без ответов, цены конкурентов меняются по три раза в день, склад то пустой, то забит неликвидом. Каждая из этих задач по отдельности кажется мелкой, но вместе они съедают рабочий день владельца ИП и не дают расти. Здесь и появляется смысл подключать алгоритмы: не ради модного слова, а чтобы снять с человека повторяющиеся действия и вернуть ему время на ассортимент и закупки.

Мы подходим к автоматизации продаж на площадках без иллюзий. Сначала смотрим, где у конкретного магазина утекают деньги и часы. У одного это медленные ответы покупателям и из-за них падает рейтинг карточки. У другого - ручной репрайсинг, когда цену двигают на глаз и теряют либо маржу, либо место в выдаче. У третьего - хаос с остатками и невыкупами. Лечить всё сразу не нужно и дорого. Берём одну-две болевые точки, где эффект считается деньгами за месяц, и запускаем на них пилот.

Важная развилка на старте - масштаб бизнеса. Если у вас 30 SKU и один маркетплейс, тяжёлая система не окупится: хватит связки готовых сервисов и грамотных шаблонов. Если 2000 позиций на трёх площадках и команда из пяти человек, имеет смысл строить интеграцию с 1С и CRM, где данные текут без ручного переноса. Мы честно говорим, какой из сценариев ваш, и не продаём кастомную разработку там, где её не нужно.

Где ИИ окупается, а где рано

Как мы внедряем авто-ответы

• Собираем базу знаний магазина. Выгружаем частые вопросы из истории переписок, добавляем условия доставки, гарантии, сроки, особенности товара. Без этого бот будет придумывать ответы, а это худшее, что может случиться с продавцом.
• Настраиваем два языка. Покупатель пишет на русском - отвечаем на русском, пишет на казахском - на казахском. Тон один и тот же: спокойный, по делу, без навязчивости.
• Подключаем к площадке. На Kaspi работаем через кабинет продавца и доступные интеграции, на Wildberries и Ozon - через API чатов и отзывов. Сообщения приходят в один пульт, ответы уходят автоматически или после быстрого подтверждения оператора.
• Разделяем простое и сложное. «Где мой заказ», «есть ли размер», «как оплатить» алгоритм закрывает сам. Спор по качеству, требование возврата денег, конфликтный отзыв - эскалация на человека с готовым черновиком ответа.
• Учим отвечать на отзывы. На пятёрки - короткая благодарность, на тройки и ниже - извинение, разбор и предложение решения. Шаблоны разные под Kaspi, WB и Ozon, потому что правила площадок к ответам отличаются.
• Замеряем эффект. Смотрим среднее время ответа, долю автоматических закрытий, динамику рейтинга карточек за 4-6 недель и решаем, что докрутить.

Термины простыми словами

Репрайсинг

Автоматическое изменение цены товара по правилам: подстройка под конкурентов, удержание места в выдаче и заданной минимальной маржи. Не «всегда дешевле всех», а «выгодно и с прибылью».

Юнит-экономика

Расчёт прибыли с одной единицы товара после всех вычетов: комиссия площадки, логистика, хранение, реклама, возвраты, налоги. Показывает, какие SKU реально зарабатывают, а какие тянут вниз.

Невыкуп

Ситуация, когда покупатель заказал товар, но не забрал его из пункта выдачи. На Wildberries и Ozon это прямые потери на логистике, даже без продажи.

Фулфилмент

Хранение, сборка и отправка заказов силами площадки (FBO/FBW) или продавца со своего склада (FBS). Выбор схемы влияет на скорость, комиссии и прогноз остатков.

Карточка товара

Страница товара на маркетплейсе: заголовок, описание, характеристики, фото. От её качества и заполнения атрибутов зависит, найдут ли товар в поиске площадки.

ЭСФ

Электронная счёт-фактура в Казахстане. Часть продаж через маркетплейсы и расчётов с площадкой требует корректного оформления для ИП и ТОО на соответствующем режиме.

Прогноз спроса

Оценка будущих продаж по SKU на основе истории, сезонности и акций. Нужен, чтобы вовремя заказать поставку и не уйти в ноль на складе в пик спроса.

Готовые сервисы или кастом

Интеграции и данные в РК

Маркетплейс - не остров. Чтобы автоматизация приносила деньги, она должна видеть весь контур магазина. Мы связываем кабинеты Kaspi, Wildberries и Ozon с учётной системой, чаще всего с 1С, и с CRM - Bitrix24 или amoCRM. Тогда остатки, цены и заказы не приходится переносить руками между окнами: данные синхронизируются, а человек занимается решениями, а не копипастом. Для небольших магазинов рабочий и недорогой вариант - Google-таблицы как промежуточный слой, куда стекаются выгрузки и где живут правила.

Отдельный разговор - деньги и документы. В Казахстане продажи идут через ИП и ТОО, расчёты с площадками и покупателями завязаны на БИН, банковские кабинеты Kaspi и Halyk (Homebank) и оформление ЭСФ. Мы не подменяем бухгалтерию, но строим автоматизацию так, чтобы выгрузки по продажам и комиссиям ложились в учёт без ручной сверки и расхождений в конце месяца.

Персональные данные покупателей - зона, где мы осторожны по умолчанию. Имена, телефоны, адреса доставки обрабатываются по закону РК «О персональных данных»: с законным основанием, без лишнего хранения и без передачи на сторонние сервисы там, где этого можно избежать. Если для авто-ответов или аналитики используется внешняя модель, мы передаём ей минимум данных и заранее проговариваем с вами, что и куда уходит. Это не формальность, а защита репутации магазина.

Готов ли магазин к ИИ

• ☑ Есть история продаж и переписок хотя бы за 3 месяца - алгоритмам нужно на чём учиться
• ☑ Понятно, какая задача болит сильнее всего: ответы, цены, остатки или карточки
• ☑ Каталог приведён в порядок: товары не дублируются, атрибуты заполнены
• ☑ Есть доступы к кабинетам Kaspi, Wildberries, Ozon и к API, где оно нужно
• ☑ Заданы границы: минимальная маржа для репрайсинга, тон ответов, стоп-слова
• ☑ Определён человек, который принимает эскалации и сложные споры
• ☑ Учётная система (1С или таблицы) ведётся регулярно, а не от случая к случаю
• ☑ Есть согласие на обработку данных покупателей и понимание требований РК
• ☑ Готовность к пилоту на части ассортимента, а не «всё и сразу»
• ☑ Реалистичные ожидания: ИИ снимает рутину, но не заменяет закупки и стратегию

Ориентиры цен и сроков

Репрайсинг без демпинг-войн

Репрайсинг - самая денежная и самая опасная функция. Настроенный жадно, он превращается в гонку на дно: ваш бот видит снижение конкурента, опускает цену, конкурент отвечает тем же, и через неделю оба продают в минус. Поэтому мы никогда не задаём правило «всегда быть дешевле всех». Вместо этого жёстко фиксируем нижний порог по марже для каждого SKU: ниже него цена не падает, даже если из-за этого товар временно теряет место в выдаче. Лучше потерять позицию на день, чем продавать без прибыли.

Логика репрайсинга на Kaspi, Wildberries и Ozon отличается, и шаблонное правило для всех площадок не работает. На Kaspi важна борьба за статус «выгодной цены» внутри одной карточки, где несколько продавцов конкурируют напрямую. На WB и Ozon на видимость влияет не только цена, но и рейтинг, выкуп, реклама - поэтому слепо демпинговать бессмысленно. Мы настраиваем разные сценарии под каждую площадку и регулярно их пересматриваем, когда площадка меняет правила ранжирования.

Ошибки и честные ограничения

Первая и самая частая ошибка - автоматизировать грязные данные. Если в каталоге задвоены товары, перепутаны атрибуты, а остатки в 1С расходятся с реальностью на складе, любой алгоритм будет уверенно ошибаться и масштабировать этот бардак. Поэтому мы почти всегда начинаем с наведения порядка в данных, и это не дополнительная услуга «на продажу», а условие, без которого внедрение не окупится.

Вторая ошибка - слепое доверие к авто-ответам. Модель может неверно понять сложный вопрос или некорректно отработать конфликтный отзыв, и тогда вместо спасённого рейтинга вы получите публичный скандал в карточке. Мы оставляем человека в контуре на нестандартных и эмоциональных кейсах: бот готовит черновик, оператор решает. Это медленнее, чем «полная автоматизация из рекламы», но безопаснее для бренда.

Третья - переоценка прогнозов. Прогноз спроса работает на товарах со стабильной историей, но плохо предсказывает резкие всплески от вирусного тренда или внезапной акции площадки. Мы прямо говорим, где прогнозу можно доверять для заказа поставки, а где нужен запас прочности и ручной контроль. И отдельно: правила Kaspi, WB и Ozon меняются, доступы к API ограничены и иногда что-то, что работало вчера, требует переделки. Это часть игры на маркетплейсах, и мы закладываем сопровождение, чтобы автоматизация не сломалась молча.

Логика на примере магазина

Возьмём обобщённый сценарий: интернет-магазин товаров для дома торгует на Kaspi Магазине и параллельно тестирует Wildberries. Каталог - около 600 SKU, продажами и чатом занимаются два человека, и они не успевают. Время ответа в чате доходит до нескольких часов, часть отзывов висит без ответа, рейтинг популярных карточек просел. Цены двигают вручную раз в пару дней, поэтому на ходовых позициях магазин то теряет место в выдаче, то отдаёт лишнюю маржу.

Что делаем по шагам. Сначала запускаем авто-ответы на двух языках и отработку отзывов - это самый быстрый эффект, потому что напрямую влияет на рейтинг и конверсию карточки. Затем подключаем репрайсинг на топ-100 SKU с жёстким порогом маржи, чтобы держать позиции без гонки на дно. Параллельно собираем юнит-экономику: после комиссий, логистики и рекламы выясняется, что десяток позиций продаётся в убыток, и их либо переоценивают, либо выводят. Прогноз остатков подключаем последним, когда накопится чистая история. Сотрудники при этом не исчезают - они переключаются с рутины чата на закупки, ассортимент и работу со сложными клиентами, то есть на то, что приносит деньги и что алгоритм не сделает.

Этапы работы

Цены и характеристики

Ответы на частые вопросы