PROстая аналитика с Дари + ИИ

MCP сервер Табличек для построения системы сигналов в кабинете Когда мы отдаем данные нейросети, она одновременно видит все отчеты и сопоставляет множество метрик. Во вложении пример инфографики, которая ежедневно показывает ключевые события артикулов, по сути делает аналитический труд, делает выводы и рекомендации. Что подсвечивает данный инструмент ? 1. Пожары - где просадка в деньгах прямо сейчас - Нет остатка при спросе. - Запаса меньше чем на неделю. - Реклама без заказов. 2. Ситуация по каждому товару - Нет остатка при выраженном спросе - Реклама без заказов - Заказы пропали - Падение заказов - Рост заказов - Новинка - Все в норме Фокусирует менеджера на важных событиях 3. Почему изменились заказы - Разложение изменения в рублях на три фактора: трафик, конверсия и цена. Понятно, что сработало: больше людей пришло, лучше - покупали или изменилась цена. - Главный фактор по каждому товару: например, «упала конверсия» или «вырос трафик». - Доля товара в изменении заказов всего ассортимента. - Топ товаров, которые сильнее всего потянули заказы вниз и вверх. 4. Воронка и узкое место Цепочка «показы → переходы → корзины → заказы» по площадке, выборке или отдельному товару. Подсвечиваются ключевые просадки 5. Аномалии по дням - Типы: всплеск, провал, старт продаж. - Сравнение с нормой: у каждой аномалии указаны факт и норма, где норма это медиана за 28 дней. - Оценка в рублях для каждой аномалии. - Что совпало по времени: рост переходов, рост расхода на рекламу, снижение цены, скачок конверсии. - Молодые товары помечены, потому что их норма ещё занижена. 6. Сигналы уровня кабинета Реклама растёт быстрее выручки. Рост ДРР с разбором, за счёт чего вырос расход: цены клика или числа кликов. Выкуп отстаёт от заказов. Сравнение ДРР от выручки и от заказов, чтобы не резать рекламу по искажённой цифре. Цены тех же товаров снизились. Сколько рублей заказов «съело» снижение цен. Связь всплесков со скидками. Сколько всплесков пришлось на дни сниженной цены. Маржинальность и валовая прибыль в динамике к прошлой неделе. 7. Реклама - Эффективность кабинета: CTR, цена клика, конверсия из клика в заказ, доля рекламных заказов, ДРР. - Расход и ДРР по каждому товару, с пометкой товаров, где реклама идёт без заказов. - Дневная динамика расхода и цены клика. Операционка поедается нейросетью на завтрак...

Wildberries выиграл суд: бонусы селлерам можно не платить, если нет подписи в договоре История, от которой стоит напрячься каждому, кто продаёт на WB и рассчитывает на бонусные программы. Продавец выполнил целевой оборот по расширенной программе сотрудничества. Ждал возврат комиссии — как обещали. Деньги не пришли. Пошёл в суд. А Wildberries в ответ заявил: соглашение не подписано обеими сторонами надлежащим образом. Суд встал на сторону маркетплейса. Вот что важно понимать. Программа 2025–2026: период с 1 ноября 2025 по 31 января 2026, при выполнении плана по обороту WB обещал вернуть от 5 до 6% комиссии. Выплата — до 30 апреля 2026. Многие продавцы выполнили условия, но денег не получили. 250 селлеров уже обратились в ФАС — речь идёт примерно о 20 млрд рублей невыплат. И группа растёт. WB объяснял задержки антифрод-проверками. Но теперь появился судебный прецедент: площадка может просто сослаться на то, что соглашение не подписано — и всё, обязательств нет. Почему это серьёзно Соглашения по индивидуальным условиям подписываются через ЭДО Диадок с УКЭП (квалифицированная электронная подпись). Казалось бы, процесс прозрачный. Но в суде WB оспорил сам факт заключения договора. То есть площадка показывает условия в личном кабинете, вы видите выполнение плана, а потом выясняется — юридически вы ни о чём не договорились. Есть мнение юристов, что по российскому праву не все договоры требуют двух подписей — возможен акцепт оферты другими способами. Но пока суд принял позицию WB. Это один случай, не массовая практика. Однако направление понятно. Что с этим делать предпринимателям 1️⃣ Проверьте документы прямо сейчас. Зайдите в раздел документов в ЛК на WB. Есть ли подписанное соглашение по программе? Скачайте его. Проверьте, стоит ли УКЭП обеих сторон. Если нет — фиксируйте это. 2️⃣ Сохраняйте всё. Скриншоты из ЛК (раздел «Доходы и расходы», «Фиксированная ставка», «Сторно комиссии»), переписку с поддержкой, любые подтверждения участия в программе. Это ваши доказательства на случай спора. 3️⃣ Пересчитайте юнит-экономику без бонусов. Если вы заложили возврат комиссии в финмодель — уберите его и посмотрите, что происходит с маржой. Часть позиций может оказаться убыточной. Лучше увидеть это сейчас, чем через полгода. 4️⃣ Не участвуйте в программах вслепую. Любое участие в расширенных программах WB считайте финансово обязательным только при наличии подписанного документа. Обещание в интерфейсе — это не договор. 5️⃣ Думайте про диверсификацию. Собственный сайт, другие каналы продаж — всё, что снижает зависимость от одной площадки с непредсказуемыми финансовыми условиями. Маркетплейс — это канал, а не единственная стратегия. Честно скажу: ситуация неприятная. Площадка сама предлагает программу, показывает прогресс в личном кабинете, а потом в суде говорит: «Мы ничего не подписывали». Для селлера, который вложился в оборот ради этих условий, это удар по экономике. Следите за развитием: если практика закрепится, это изменит правила игры для всех продавцов на WB. А пока — проверяйте документы и не стройте финмодель на обещаниях. ⚠️

«ИИ-финдиректор» звучит красиво. А что стоит за этим названием? Сейчас я много разбираюсь в том, как устроены ИИ-скиллы. И понимаю, почему идея отдельных ролей так цепляет: операционный директор следит за показателями, финдиректор разбирает прибыль, менеджер по рекламе ищет неэффективные расходы. Выглядит как команда, которой можно передать рутину. Я правда считаю, что хорошо собранный скилл способен сэкономить время. Но название роли само по себе ещё ничего не делает. Чтобы условный «ИИ-финдиректор» дал полезный ответ, нужно решить, откуда он берёт данные, как они рассчитываются, что фильтруется, что сравнивается и какой результат должен получиться на выходе. А ещё — что он скажет, если часть данных отсутствует или цифры не сходятся. Чем больше задач мы складываем в один скилл, тем больше условий и вариантов нужно проверить. Появляются лимиты, запросы, особенности запуска. Если данные приходят через API, за этим тоже придётся следить: методы и условия работы могут меняться. Это не история, которую один раз настроили и навсегда забыли. Готовые скиллы выглядят особенно привлекательно. Но даже если кто-то уже собрал основу, её нужно понять, подстроить под свои данные и правила, прогнать на реальных примерах, найти ошибки, исправить и проверить снова. Я сейчас как раз стараюсь разобраться, сколько времени на самом деле занимает такая работа. И сомневаюсь, что у загруженной команды селлера всегда найдётся на неё ресурс, если его заранее не заложить. Есть и ещё один этап, который легко пропустить. Если сотрудники раньше почти не работали с ИИ, им нужно время, чтобы привыкнуть ставить ему задачи, читать ответы и проверять выводы. Скилл может быть хорошим, но пользы будет мало, если он так и останется красивым пунктом в списке инструментов. Поэтому, когда я слышу «давайте дадим селлеру четырёх ИИ-сотрудников», мне хочется сначала разобрать одну конкретную роль: какую рутину она заберёт, как мы проверим её работу, кто будет поддерживать её после запуска и сколько времени команда потратит на освоение. Только после этого можно честно говорить об экономии. Какую повторяющуюся задачу вы бы первой поручили такому помощнику?