ИИ для продавцов маркетплейсов: как расти на данных (Wildberries, Ozon)

Первое, что даёт ИИ, — единый взгляд на продажи по всем площадкам и складам. Данные из кабинетов Wildberries и Ozon собираются автоматически и приводятся к одному виду: выручка, количество заказов, выкуп, возвраты, средний чек в разрезе SKU, категории, региона и склада. Вместо ручной сборки таблиц по вечерам продавец получает готовый срез за нужный период.

Дальше подключается прогноз спроса. Модель учитывает историю продаж, сезонность, всплески по акциям и динамику категории, чтобы оценить, сколько единиц уйдёт в ближайшие недели. Это основа и для закупок, и для распределения товара между складами: ИИ подсказывает, какие позиции стоит завозить с запасом, а какие — придерживать, чтобы не платить за хранение неликвида.

Отдельная ценность — ранняя диагностика трендов. Система замечает, что спрос на карточку растёт или проседает, раньше, чем это станет очевидно по месячному отчёту, и помогает реагировать, пока тренд ещё можно использовать.

Выручка обманчива: карточка может быть в топе продаж и при этом приносить убыток. Настоящая картина видна только на уровне юнит-экономики каждого SKU, когда из цены продажи последовательно вычитаются все удержания площадки и ваши затраты. ИИ считает это автоматически по каждому товару и по всему ассортименту сразу.

В расчёт попадают комиссия маркетплейса, логистика и обратная логистика по возвратам, хранение, эквайринг, налог с учётом вашего режима и рекламные расходы, отнесённые на конкретную карточку. На выходе — чистая маржа и рентабельность по каждому SKU, а не усреднённая «средняя температура по кабинету».

Такой разрез сразу показывает, где деньги утекают: высокий процент возвратов съедает логистику, крупногабаритный товар — хранение, а агрессивная реклама выводит позицию в минус. Продавец видит не абстрактную проблему, а конкретный SKU и конкретную статью затрат, которую нужно менять — ценой, упаковкой, логистической схемой или ставкой в рекламе.

Реклама на Wildberries и Ozon — самая быстрая статья, которая переводит прибыльную карточку в убыток, если ставки живут отдельно от экономики. ИИ связывает рекламные расходы с продажами и маржой и считает ключевые метрики по каждой кампании и каждому SKU: ДРР (долю рекламных расходов в выручке) и ROMI (возврат на маркетинговые вложения).

Система показывает, какие кампании окупаются, а какие только жгут бюджет, и связывает ставку с позицией и себестоимостью привлечённого заказа. Вместо того чтобы вручную сверять ставки с продажами по десяткам кампаний, продавец видит, где ДРР вышел за допустимый порог, а где, наоборот, есть запас, чтобы усилить ставку и забрать больше трафика без потери маржи.

На основе этих данных строятся рекомендации по ставкам: где снизить, где повысить, а какую кампанию остановить. Решение остаётся за продавцом, но принимается оно за минуты и на цифрах, а не по ощущениям в конце недели.

Рейтинг карточки напрямую влияет на конверсию и позиции, а скорость и качество ответов на отзывы — на лояльность покупателей. Отвечать вручную на сотни отзывов по всему ассортименту тяжело, и часть остаётся без реакции. ИИ берёт эту работу на себя: генерирует корректные, тактичные ответы в тоне вашего бренда с учётом сути отзыва и характеристик товара.

Помимо ответов, ИИ анализирует содержание отзывов и выделяет повторяющиеся причины недовольства: пересорт, брак партии, несоответствие размера, проблемы с упаковкой. Это уже не эмоции отдельного покупателя, а сигнал о системной проблеме, которую видно на уровне SKU и партии.

Негативные отзывы система помечает и выносит на ручную проверку, чтобы чувствительные ситуации не уходили на автомат. В результате рейтинг поддерживается за счёт быстрых ответов, а качество товара и карточки улучшается на основе того, что реально пишут покупатели.

Даже идеальная карточка теряет продажи, если проседает в выдаче или уходит в out-of-stock. ИИ отслеживает позиции по ключевым запросам и показывает, как они меняются после смены цены, ставки в рекламе или обновления контента. Так видно реальную отдачу каждого действия, а не только цифры продаж постфактум.

Параллельно система контролирует остатки по каждому складу и сопоставляет их с прогнозом спроса. Она заранее предупреждает, что товар закончится через несколько дней при текущей скорости продаж, и подсказывает, куда и сколько допоставить. Это защищает и от простоя без товара, и от переплаты за хранение излишков.

Связывает всё это система алертов. Вместо ежедневного ручного обхода кабинетов продавец получает уведомления только тогда, когда что-то требует внимания: ДРР превысил порог, карточка ушла в минус по марже, остаток критический, позиция резко упала, всплеск возвратов или негативных отзывов. Внимание тратится не на мониторинг, а на решения.

Главный эффект ИИ на маркетплейсах — не в отдельной метрике, а в скорости цикла «данные → вывод → действие». Раньше на сбор отчётов, сверку рекламы и обход отзывов уходили часы, и решение принималось с задержкой в дни. С автоматической аналитикой продавец видит проблему в момент её появления и реагирует, пока она ещё стоит недорого.

Продукт HermesAI «Аналитика маркетплейсов» собирает данные Wildberries и Ozon в одном окне: юнит-экономика по каждому SKU, метрики рекламы, позиции, остатки и алерты. Для тех, кому нужно не только видеть цифры, но и выстроить процессы под свой ассортимент, есть услуга «ИИ для маркетплейсов» — с настройкой автоответов на отзывы, логики алертов и рекомендаций по ставкам под конкретный бизнес.

Начинать разумно с двух блоков, которые дают отдачу быстрее всего: честной юнит-экономики по SKU, чтобы отсечь убыточные карточки, и связки рекламы с маржой, чтобы перестать сливать бюджет. Дальше подключаются отзывы, позиции и остатки — и продавец переходит от ручного тушения пожаров к управлению ростом на данных.