Антон Ро Батень, основатель DNAI Engineering, опубликовал на Хабре разбор своего проекта: автоматизация маркетплейсов у производителя косметики с шестью кабинетами на Wildberries и Ozon и оборотом около 45 млн рублей в месяц. Материал читается минут за десять и устроен как кейс с цифрами: что внедрили, что нашли в данных, как мерили эффект и что не получилось.
Главная интрига вынесена в заголовок оригинала: за период внедрения выручка выросла на 49%, и автор сам объясняет, почему не записывает этот рост на счёт искусственного интеллекта. Замер промежуточный — с 11 августа по 22 сентября 2026 года, повторный автор обещает через три месяца.
Ниже — содержание разбора: как устроен ИИ-контур на восемь человек, откуда вместо трёх запланированных автоматизаций взялось 26, какие дыры в данных всплыли при подключении (включая ключ доступа к финансам всех кабинетов, лежавший по публичной ссылке) и в чём автор видит главный разрыв всей конструкции.
С чем компания пришла в проект
Компанию автор не называет — раскрывает только сектор и масштаб. Производитель косметики, лидер в своих нишах на Wildberries, сильный продукт и сильная команда маркетплейсов из шести человек.
Слабое место, по описанию автора, одно: управление по цифрам. Сводной отчётности не было, цифры собирали руками под конкретный вопрос. Продажи смотрели два раза в неделю, расходы — раз в месяц. Единого справочника товаров не существовало, из-за чего между кабинетами жили дубли и несовпадения. Ответ на вопрос «какая маржа у кабинета за период» финансист готовил от дня до недели.
Отдельная деталь: собственник управляет компанией удалённо и видел её целиком только тогда, когда кто-то садился и собирал картину вручную.
Как устроена автоматизация маркетплейсов в этом кейсе
Автор подчёркивает, что речь не про одного бота и не про набор разрозненных агентов. ИИ-контур в его описании — рабочая среда компании на корпоративном тарифе нейросети, где у каждого ключевого сотрудника свой помощник, знающий его роль и подключённый к данным. В проект вошли восемь человек: собственник, операционный директор, руководитель отдела продаж, менеджеры кабинетов, администратор.
Конструкция держится на четырёх принципах, которые автор выделяет отдельно.
Рабочий проект роли. У каждого сотрудника свой проект с описанием роли и процессов, помощник с первого запроса знает, чем человек занимается. Знания копятся в компании, а не в личных чатах.
Прямые подключения к данным. Кабинеты Wildberries и Ozon, сервис аналитики маркетплейсов, учётная система, трекер задач, почта, диск, календарь. Отдельно — генерация изображений и видео для карточек.
Учётная система подключена только на чтение. Контур собирает сводки и делает анализ, решения остаются за людьми.
Приёмка внутри компании. Автоматизацию запускает своими руками тот сотрудник, чья это рутина, и защищает её перед операционным директором с демонстрацией экрана. Работу принимает не заказчик у подрядчика, а руководитель у своего сотрудника.
На выходе — ежедневные дашборды и отчёты, сигналы с оценкой в рублях и уровнем срочности и сводка собственнику каждое утро в 6:00: выручка, прибыль, маржа, доля рекламы в выручке (ДРР — отношение рекламного расхода к выручке), товары в минусе, кампании, сливающие бюджет, остатки на исходе.
Почему план вырос с трёх автоматизаций до двадцати шести
Начали не с автоматизаций, а с распаковки ролей: каждый сотрудник прошёл интервью — что делает, сколько времени на это уходит, где ошибается. Из ответов собрали карту процессов и список задач, отсортированный по убыванию эффекта.
По плану внедрения автоматизаций было три. За шесть недель закрыли 26, ещё четыре остались в работе. Больше всех — у менеджера двух кабинетов Wildberries, семь штук: контроль кабинетов, потребность склада, разбор рекламы, разбор финотчёта, отзывы, SEO карточек. Шесть у операционного директора: ежедневный дашборд продаж, контроль расходов, контроль арбитражных дел. По три-четыре у остальных менеджеров — минимальные цены, остатки и поставки, сверка рекламных ставок, «ценовой светофор», платное хранение, единый справочник товаров.
Объяснение автора: план писали внедренцы, а список задач — люди, которые делают эту рутину каждый день. Тот, чья это работа, видит следующую задачу раньше любого внешнего аналитика.
Примеры из работы: контроль цен по расписанию, где 30 товаров сверяются с контрольной ценой за один прогон; план поставки на склады Москвы на 14 дней одним запросом; утренняя сводка с цифрами за семь дней и разбором причин.
Есть и предупреждение о методике. На дашборде собственника ДРР считается от заказов и равна 6,0%, в итоговом замере — от выкупов и равна 6,9%. Одна метрика, две базы, две цифры. Если не договориться о базе заранее, спор «у кого правильные цифры» съест больше времени, чем сама автоматизация.
Что ИИ нашёл в данных компании
Самым ценным в первые недели автор называет не автоматизации, а аудит: контур впервые прошёл по всем данным целиком. Список находок в разборе — на десять пунктов, вот ключевые.
- Собственный бренд числился в отчёте по рынку конкурентом, из-за чего доля в нише занижалась втрое: 12,9% вместо 37,8%. Компания оказалась лидером ниши, а не третьим игроком.
- Роста в штуках за год нет: 59 тысяч единиц в месяц год назад и столько же сейчас. Весь рост выручки на 27% — это цена, и спрос на повышение не отреагировал.
- Маржа одной площадки за год упала вдвое, с 26% до 14%, а её доля в выручке — с 52% до 26%. Вся годовая потеря маржи сидит на одной площадке.
- Оборудование — стеллажи, станки, компрессоры на 4 млн рублей — числится в учёте запасов как товар, что искажает оборачиваемость.
- Декларации соответствия на 43% выручки истекают в один день, включая два самых продаваемых товара.
- Логистика одного кабинета — 98,6 рубля за штуку против 62,2 рубля на тех же товарах в соседнем. Это 56% прибыли кабинета.
- Свои кабинеты конкурируют друг с другом на рекламных аукционах: десять своих товаров в одной выдаче.
- Мёртвый сток: крем-воск с запасом на 1128 дней.
- Ключ доступа к финансам всех шести кабинетов лежал открытым текстом в документе с общей ссылкой. Ключ отозвали.
Последний пункт автор выносит отдельно как общий урок: подключение ИИ заставляет пройти по всем доступам, и там легко найти то, что уже лежит в открытом виде. Его совет — начинать с инвентаризации ключей и прав, а учётную систему подключать только на чтение.
Плюс к этому менеджеры впервые разобрали весь ассортимент: раньше физически успевали смотреть только лидеров продаж. За неделю по шести кабинетам контур выдал 223 сигнала, каждый с оценкой в рублях и уровнем срочности.
Как мерили эффект и почему рост на 49% не записали на ИИ
Автор прямо пишет: кейс, который приписывает ИИ всё, не выдерживает первой проверки. Правила замера он описывает отдельным блоком.
За базу взяли июнь — последний месяц, когда обе площадки работали без перебоев; июль и август отбросили, потому что летом склады Wildberries работали с перебоями и сравнение с ними завысило бы результат. Все показатели пересчитаны в расчёте на день, поскольку сентябрь неполный. Методика одна на все периоды, цифры — из сервиса аналитики маркетплейсов, прибыль — прибыль отдела маркетплейсов после налогов. Часы — оценка самих сотрудников, переведённая в деньги по окладам без бонусов. У каждой цифры помечен источник: из системы, по оценке или расчёт; где цифры нет — стоит «не замерено», а не оценка.
Результаты сентября (1–22) к июню в расчёте на день: выручка +49%, прибыль отдела маркетплейсов +20%, продано штук +19%, средний чек +25%, ДРР снизилась с 10,6% до 6,9%, выручка на рубль рекламы выросла с 9,4 до 14,5 рубля, комиссия площадок прибавила 11 процентных пунктов, маржа просела на 4,3 пункта. Расход на рекламу в день даже снизился на 4%: по расчёту автора, при июньской доле реклама в сентябре стоила бы примерно на 2,2 млн рублей в месяц дороже. По площадкам картина разная — Ozon вырос почти вдвое по выручке, Wildberries пока ниже июня (выручка −18%, прибыль −31%).
А дальше автор вычитает из этих цифр то, что ИИ не делал. Рост выручки и продаж — сезон, поставки на склады и восстановление площадки после перебоев. Рост среднего чека — ценовые решения людей. Рост комиссии — решение площадок, контур его только измерил. Резкие недельные скачки прибыли по отдельным кабинетам менеджеры сами относят к поставкам и сезону, и в кейс их не брали. Один из менеджеров формулирует это так: автоматизация не могла влиять на выручку, ДРР, чек или рентабельность, потому что выдаёт сводку и анализ, а самостоятельных решений не принимает.
Что контур дал на самом деле, по версии автора: продажи смотрят ежедневно вместо двух раз в неделю, расходы — ежедневно вместо раза в месяц, ответ о марже приходит за минуты вместо дней. Решения принимают те же люди, просто на других данных.
Деньги, время и то, что не получилось
Время команды — около 270 часов в месяц, что по окладам без бонусов даёт 114–120 тысяч рублей. Самые крупные статьи: контроль цен — с двух часов в день до тридцати минут у каждого из двух менеджеров; ответы на отзывы — с полутора часов до десяти минут; отчёт по всем товарам — копирование готовых цифр за десять секунд вместо обхода трёх систем. Автор отмечает, что ни у кого освободившееся время не ушло в простой: руководитель продаж занялась выходом на новые площадки и разработкой продуктов, менеджеры — рекламой, ценами и карточками. У одного менеджера после переделки карточки доля рекламы по товару упала с 15% до 7,8%.
Найденные потери за период: убыточная реклама на шести товарах — 14,7 тысячи рублей, дорогая логистика одного кабинета — около 24 тысяч, хранение мёртвого стока — около 8 тысяч. Итого примерно 47 тысяч за период, около 200 тысяч рублей в месяц. При тарифе нейросети около 26 тысяч рублей в месяц на восемь человек внедрение окупается за три месяца только на времени команды и примерно за месяц, если остановить найденные потери; рост продаж и рекламную отдачу в окупаемость не включали.
Раздел «что не получилось» автор не прячет. Четверо из шести упирались в лимиты нейросети: руководитель продаж теряла до половины рабочего дня, один менеджер — день целиком. Менеджер Ozon описывает это так: сосредотачиваешься на работе, потом токены заканчиваются, приходится переходить на ручную обработку данных — и так по кругу. Одну автоматизацию остановили, потому что её цифры расходились с кабинетом. Отзывы на Ozon автоматизировать нельзя без отдельного тарифа площадки.
Главным разрывом автор называет другое: найденное пока не останавливается. Потери обнаружены — все до единой, остановлены — ни одной. Одна убыточная кампания продолжала работать после двух сигналов в утренней сводке. Отсюда и первый пункт планов на следующий этап — контур исполнения, где каждая находка становится задачей с ответственным и сроком, а в недельном разборе проверяют, что потеря обнулилась. Дальше в планах: вывести оборудование из товарных остатков, пересчитать цены под новую комиссию в первую очередь по кабинету с упавшей вдвое маржой и пересмотреть лимиты нейросети.
Коротко
- Производитель косметики с шестью кабинетами на Wildberries и Ozon за шесть недель запустил 26 автоматизаций вместо трёх по плану: задачи придумывали не внедренцы, а сотрудники, чью рутину автоматизировали.
- Выручка выросла на 49%, но автор разбора относит этот рост к сезону, поставкам и ценовым решениям людей. ИИ-контуру он приписывает только скорость и полноту картины: продажи и расходы смотрят ежедневно, ответ о марже приходит за минуты.
- Больше всего пользы в первые недели дал не разгон рутины, а аудит данных: заниженная втрое доля рынка, оборудование в товарных остатках, декларации на 43% выручки с одной датой окончания и ключ доступа к финансам всех кабинетов в открытом документе.
- Экономика: около 270 часов команды в месяц (114–120 тысяч рублей по окладам) против тарифа нейросети в 26 тысяч. Найдено потерь примерно на 200 тысяч рублей в месяц.
- Главный провал кейса — разрыв между сигналом и действием: ни одна найденная потеря за период не была остановлена, убыточная кампания работала после двух предупреждений в сводке.
Что я об этом думаю
Больше всего в этом разборе мне нравится методика замера, а не сами автоматизации. База — месяц без перебоев, всё в расчёте на день, у каждой цифры помечен источник, а там, где цифры нет, стоит «не замерено». После десятков кейсов в жанре «внедрили ИИ — выросли в два раза» текст, где автор сам вычитает из своего результата сезон и ценовые решения людей, выглядит почти вызывающе честным.
Второе, что я заберу себе: самая большая ценность подключения ИИ к данным компании оказалась разовой. Не сводки и не сэкономленные часы, а первый полный проход по всем цифрам — тот, до которого у людей никогда не доходят руки. Ключ к финансам в открытом документе нашёлся не потому, что модель умная, а потому что кто-то впервые собрал в одном месте все доступы. Такую инвентаризацию можно сделать и без ИИ, просто без внешнего повода её не делает никто.
И главное — разрыв между сигналом и действием. У меня в своих проектах ровно та же болезнь: отчёт приходит, цифра в нём красная, а действия нет, потому что у красной цифры нет фамилии и срока. Автор формулирует это точнее всего в последнем пункте своих рекомендаций: найденная потеря без ответственного — это ещё одна строчка в отчёте. Пока путь от сигнала до действия не спроектирован, любая автоматизация отчётности просто производит более качественные отчёты, которые никто не исполняет.
Кому читать оригинал: селлерам на маркетплейсах с несколькими кабинетами и всем, кто собирается подключать ИИ к рабочим данным компании. Второе — шире первого: методика замера и предупреждения про доступы, базу метрик и лимиты тарифа переносятся на любую отрасль.
Источник: Выручка +49 %, но это не заслуга ИИ: разбор ИИ-контура у селлера на Wildberries и Ozon