AI для селлеров на Wildberries и Ozon: карточки, отзывы, аналитика

Где AI реально помогает селлеру

Я консультирую продавцов на маркетплейсах и почти всегда начинаю с одного вопроса: на что у вас уходит больше всего времени? Ответ почти всегда один и тот же — на рутину. Заполнение карточек, переписывание описаний под новые требования площадки, ответы на сотни однотипных отзывов и вопросов, ежедневная сверка цен с конкурентами, прикидка, сколько товара заказать на следующий месяц. Это не творческая работа, а конвейер. И именно конвейер нейросети разгружают лучше всего.

Важно сразу расставить акценты. AI для селлера — это не кнопка «сделать хорошо». Это набор инструментов, каждый из которых берёт на себя один кусок рутины и делает черновик. Черновик быстрый, дешёвый и в 80% случаев приемлемый. Оставшиеся 20% — это работа человека: проверить факты, поправить тон, убрать выдуманные характеристики, адаптировать под конкретный товар. Если убрать из схемы человека, нейросеть начинает работать против вас. К этому я ещё вернусь в разделе про риски.

Давайте честно разложим, где AI даёт измеримую отдачу, а где он пока бесполезен или опасен. По моему опыту, отдача есть в пяти больших зонах, и я расположу их по скорости окупаемости.

Первое — это карточки товара. Тексты, заголовки, характеристики, обработка и улучшение фото, генерация инфографики. Здесь экономия времени самая заметная: то, что раньше занимало у контент-менеджера полдня на одну карточку, делается за час, причём бо́льшая часть этого часа — проверка, а не создание с нуля.

Второе — работа с обратной связью. Отзывы и вопросы покупателей. Маркетплейсы прямо учитывают скорость и качество ответов в ранжировании, а отвечать на каждый отзыв вручную при ассортименте в сотни SKU физически тяжело. Нейросеть готовит ответ в тоне бренда за секунды, человек его правит и публикует.

Третье — аналитика. Сведение данных из отчётов, поиск проблемных товаров, прогноз спроса, расчёт юнит-экономики. Здесь ИИ работает не как генератор текста, а как аналитик-помощник: переваривает таблицы и подсказывает, на что смотреть.

Четвёртое — ценообразование. Автоматические репрайсеры с элементами машинного обучения, которые держат вашу цену в нужном коридоре относительно конкурентов и не убивают маржу.

Пятое — поддержка покупателей. Чат-боты, которые отвечают на типовые вопросы про доставку, размеры, наличие и совместимость, разгружая вас и снижая долю негативных отзывов из-за молчания.

Дальше я разберу каждую зону подробно — с конкретными инструментами, формулировками запросов и границами применимости. Если вы пока выбираете между маркетплейсом и собственной площадкой, рекомендую сначала прочитать разбор свой магазин vs WB/Ozon — там я объясняю, где маржа выше и почему многие в итоге держат оба канала.

Генерация карточек: тексты, фото, инфографика

Карточка товара — это ваш единственный продавец на маркетплейсе. У неё нет голоса, нет возможности ответить на возражение в моменте. Всё, что у неё есть, — заголовок, описание, характеристики и изображения. И всё это можно усилить нейросетями, если делать это с головой.

Начнём с текста. Самая частая задача — написать продающее описание и заголовок. Здесь критически важно понимать, как устроен внутренний поиск площадки. Покупатель на Wildberries или Ozon не идёт в Яндекс — он вводит запрос прямо в строку поиска маркетплейса. И площадка ранжирует карточки по релевантности этому запросу, опираясь в том числе на текст описания и характеристики. Поэтому SEO-описание под внутренний поиск WB и Ozon — это отдельный навык, и нейросеть здесь очень помогает.

Схема такая. Сначала вы собираете семантику — список запросов, по которым ищут ваш товар. Это можно сделать через встроенную аналитику площадки, через сервисы вроде MPSTATS или MarketGuru, либо вручную, подсматривая подсказки в поисковой строке. Затем вы отдаёте этот список ключевых слов нейросети вместе с характеристиками товара и просите написать описание, органично включающее ключи. Хороший запрос звучит примерно так: «Напиши продающее описание для женского пуховика, длина до колена, цвет хаки. Естественно используй ключи: пуховик женский зимний, куртка тёплая до колена, пуховик с капюшоном. Тон — дружелюбный, без канцелярита, до 1000 символов, без выдуманных характеристик».

Последняя фраза — «без выдуманных характеристик» — не формальность. Нейросеть охотно допишет, что у пуховика «мембрана 10000 мм» или «утеплитель из гусиного пуха», даже если этого нет. Такой текст потом приводит к возвратам и жалобам, а на Ozon с его строгими правилами достоверности — к санкциям против карточки. Поэтому фактическую часть вы либо вписываете сами, либо жёстко проверяете после генерации.

Для русскоязычных карточек я рекомендую сразу пробовать российские модели. GigaChat от Сбера и YandexGPT хорошо работают с русским языком, не требуют VPN и зарубежных карт, есть оплата в рублях и API для автоматизации. Для массовой генерации сотен карточек это принципиально — вы можете подключить модель к таблице с товарами и прогонять описания пакетом. Зарубежные модели тоже дают отличный текст, но с оплатой и доступом в РФ возникают сложности.

Теперь фото. Это вторая половина карточки, и часто более важная, чем текст, — на товар сначала смотрят, потом читают. ИИ-обработка фото сегодня закрывает несколько задач. Первая — удаление и замена фона: вместо студии можно снять товар на телефон дома, а нейросеть вырежет объект и поставит чистый белый или контекстный фон. Вторая — улучшение качества: апскейл, выравнивание света, удаление мелких дефектов. Третья — генерация фоновых сцен: поставить товар в интерьер, на стол, в руку модели. Инструменты вроде Photoroom, встроенных ИИ-функций Ozon, а также генеративных редакторов справляются с этим за минуты.

Отдельная тема — инфографика. На Wildberries и Ozon карточки с инфографикой (выноски с преимуществами, размерные сетки, схемы применения прямо на изображении) конвертируют заметно лучше «голых» фото. Нейросети помогают набросать структуру инфографики и сгенерировать текст выносок, а дизайнер собирает финал в редакторе. Полностью отдавать инфографику ИИ я не советую — он часто путает цифры и делает нечитаемую вёрстку.

Сведу основные задачи карточки в таблицу — что именно делает AI и каким инструментом удобно закрывать каждую.

Задача селлера	Что делает AI	Инструмент / модель
Описание и заголовок	Черновик текста с ключами под внутренний поиск	GigaChat, YandexGPT
Сбор семантики	Подбор и кластеризация ключевых запросов	MPSTATS, MarketGuru + LLM
Обработка фото	Удаление фона, апскейл, чистка дефектов	Photoroom, ИИ-инструменты Ozon
Фоновые сцены	Генерация контекста: интерьер, стол, рука	Генеративные редакторы изображений
Инфографика	Структура выносок и текст преимуществ	LLM + ручная сборка дизайнером

Про SEO-логику стоит сказать ещё одно. Принципы оптимизации под внутренний поиск маркетплейса и под Яндекс различаются, но базовая идея семантики общая. Если вы параллельно ведёте свой сайт, загляните в разбор SEO интернет-магазина — часть приёмов по работе с запросами переносится и на карточки.

Работа с отзывами и вопросами через AI

Отзывы — это то, что определяет судьбу карточки после запуска. Рейтинг влияет на конверсию напрямую, а скорость и качество ответов продавца маркетплейсы учитывают в ранжировании и в индексе клиентоориентированности. При этом ручная работа с отзывами — самая выматывающая часть. Одно и то же «спасибо за заказ», «жаль, что не подошло, оформите возврат», «уточните артикул» по сотне раз в день.

Здесь нейросеть особенно уместна, потому что задача формализуема. У вас есть текст отзыва, есть тон бренда, есть набор типовых ситуаций. Вы описываете нейросети роль («ты — менеджер службы заботы бренда, отвечаешь вежливо, тепло, на «вы», без шаблонных штампов»), даёте текст отзыва и получаете готовый ответ. Дальше человек его правит и публикует.

Ключевое преимущество — единый тон бренда. Когда отзывы пишут три разных сотрудника в разном настроении, голос бренда расплывается. Когда ответы готовит одна модель по единому промпту, тон стабильный. Это особенно важно для негативных отзывов: ИИ не срывается на эмоции, не пишет в ответ грубость, держит конструктивный тон даже на несправедливую критику. А именно ответы на негатив сильнее всего влияют на то, как карточку воспринимают другие покупатели — они читают не столько сам негатив, сколько вашу реакцию на него.

Но именно с отзывами я настойчивее всего предостерегаю от полной автоматизации. Есть несколько причин. Во-первых, ИИ не видит контекст заказа: он не знает, что этому покупателю вы уже отправляли замену, или что жалоба на брак — пятая по этому артикулу и пора снимать товар с продажи. Во-вторых, шаблонность считывается мгновенно: если все ответы начинаются с «Благодарим вас за обратную связь!», это выглядит как робот и раздражает. В-третьих, на серьёзный негатив (товар опасен, пришёл не тот товар, угроза здоровью) отвечать должен человек и часто — не публично.

Поэтому рабочая схема такая: ИИ готовит черновики ответов пакетом, сотрудник просматривает ленту, на нейтральных и позитивных отзывах правит мелочи и публикует, а проблемные вытаскивает в ручную обработку. Скорость растёт в разы, контроль остаётся за человеком.

То же касается раздела «Вопросы». Покупатели спрашивают про размеры, состав, совместимость, сроки доставки. Большинство вопросов повторяются, и нейросеть на базе вашей карточки и базы знаний отвечает на них корректно. Здесь автоматизация безопаснее, чем с отзывами, потому что вопросы фактические — но сверять факты с реальными характеристиками всё равно обязательно.

Аналитика и ценообразование

Аналитика — зона, где AI работает не как писатель, а как помощник-аналитик. И тут важно различать два слоя: специализированные сервисы аналитики маркетплейсов и большие языковые модели, которые помогают эти данные осмыслить.

Первый слой — сервисы вроде MPSTATS, MarketGuru, Moneyplace и встроенной аналитики самих площадок. Они показывают объёмы продаж по нишам, сезонность, позиции конкурентов, упущенную выручку из-за нехватки товара на складе. Многие из них уже встроили элементы машинного обучения для прогноза спроса — это и есть прикладной AI, даже если на коробке не написано «нейросеть».

Прогноз спроса — самая денежная история в аналитике. Ошибка в закупке стоит дорого в обе стороны: заказали мало — упустили продажи и просели в ранжировании из-за нулевых остатков; заказали много — заморозили деньги в неликвиде и платите за хранение. Модели прогноза учитывают историю продаж, сезонность, тренды ниши и помогают определить, сколько и когда заказывать. Для селлера со стабильным ассортиментом это снижает кассовые разрывы напрямую.

Второй слой — языковые модели для работы с отчётами. Вы выгружаете отчёт о реализации или сводку по продажам и просите модель найти аномалии: какие товары резко просели, где растёт доля возвратов, какие SKU съедают маржу логистикой и хранением. LLM хорошо переваривает таблицы и формулирует выводы человеческим языком. Это не заменяет аналитика, но экономит часы на ручном разборе экселя.

Отдельно стоит юнит-экономика. Прежде чем масштабировать товар, нужно понимать, сколько вы реально зарабатываете с единицы после всех комиссий, логистики, хранения, эквайринга, рекламы и налогов. Нейросеть помогает собрать формулу и быстро пересчитать сценарии: «что будет с прибылью, если комиссия вырастет на 2%, а я подниму цену на 5%». Но исходные цифры — реальные комиссии и расходы — вы вводите сами, потому что модель их не знает и легко придумает. Подробный разбор расчётов я давал в материале про юнит-экономику в словаре терминов, если нужно освежить базовые понятия.

Теперь ценообразование. Репрайсеры — это инструменты, которые автоматически меняют цену вашего товара в заданном коридоре в зависимости от цен конкурентов, остатков и правил, которые вы задали. Современные репрайсеры используют элементы машинного обучения: учитывают не только цену конкурента, но и эластичность спроса, время суток, динамику продаж.

Логика репрайсера такая: вы задаёте минимальную цену (ниже которой не идёте, чтобы не уйти в минус по юнит-экономике), максимальную и стратегию — например, «держать на 1% ниже самого дешёвого конкурента в топ-5, но не ниже минимума». Дальше система сама подстраивает цену в реальном времени. Это снимает с вас ежедневный мониторинг и ручное обновление цен, что при большом ассортименте просто невозможно делать руками.

Главная опасность репрайсера — ценовые войны и работа в убыток. Если у вас и конкурента стоят репрайсеры с агрессивной стратегией «всегда дешевле», вы вдвоём загоните цену в пол. Поэтому минимальную цену нужно считать через честную юнит-экономику и блокировать жёстко. Репрайсер — инструмент, а не стратег: стратегию задаёте вы.

Зона аналитики	Что делает AI	Что остаётся за человеком
Прогноз спроса	Предсказывает объём продаж по истории и сезонности	Решение о закупке, учёт акций и новинок
Разбор отчётов	Находит аномалии, проблемные SKU, рост возвратов	Проверка выводов, решение по товару
Юнит-экономика	Считает сценарии прибыли при разных вводных	Ввод реальных комиссий и расходов
Репрайсинг	Подстраивает цену в коридоре в реальном времени	Минимальная цена, стратегия, контроль войн

Чат-боты поддержки покупателей

Чат-бот поддержки — это следующий уровень после ответов на отзывы и вопросы в карточке. Речь о диалоге с покупателем в личных сообщениях, в чате на площадке или в вашем внешнем канале — Telegram, на сайте, в сообществе VK.

Современный чат-бот для селлера — это не древнее дерево кнопок «нажмите 1 для доставки». Это LLM, подключённая к вашей базе знаний: характеристики товаров, условия доставки и возврата, размерные сетки, частые вопросы. Покупатель пишет вопрос своими словами, бот понимает смысл и отвечает по существу. Это снижает нагрузку на вас и ускоряет ответ, что напрямую влияет на конверсию: покупатель, который получил ответ за минуту, покупает чаще того, кто ждал сутки.

Хорошие сценарии для бота: уточнить размер по росту и весу, подсказать совместимость аксессуара, объяснить условия возврата, помочь выбрать между двумя моделями. Всё это типовые вопросы, на которые ответ известен заранее, и бот закрывает их без участия человека.

Но есть граница, за которую бота пускать нельзя. Это любые ситуации с деньгами, претензиями, гарантией и нестандартными случаями. Тут нужен человек, и хороший бот сам это понимает — распознаёт, что вопрос вышел за рамки, и передаёт диалог оператору. Это называется эскалацией, и она обязательна. Бот, который упрямо отвечает заготовками на жалобу о бракованном товаре, делает только хуже.

Технически собрать такого бота сегодня можно без большой разработки — на конструкторах с поддержкой LLM или на связке готовой платформы с GigaChat либо YandexGPT через API. Для внешних каналов вроде Telegram это особенно удобно: вы выносите часть коммуникации за пределы площадки и собираете свою аудиторию, которой можно продавать повторно напрямую. Социальные сети для этого тоже подходят, но учтите ограничения — например, Instagram и Facebook (принадлежат Meta — признана экстремистской и запрещена в РФ) использовать как канал для российской аудитории нельзя.

Инструменты и стек (в том числе российский)

Теперь о практике — что именно ставить и в каком порядке. Я не сторонник подхода «подключите двадцать сервисов и платите за всё». Стек собирается под ваш объём и ассортимент, и для большинства селлеров достаточно нескольких ключевых инструментов.

Базовый слой — языковая модель. Для российского селлера разумно начинать с отечественных: GigaChat от Сбера и YandexGPT от Яндекса. Плюсы очевидны: оплата в рублях, доступ без VPN, хорошая работа с русским языком, есть API для автоматизации и встройки в таблицы или собственные скрипты. На них закрываются описания карточек, ответы на отзывы и вопросы, разбор отчётов. Этого слоя достаточно, чтобы получить основную экономию времени.

Слой работы с изображениями — отдельные сервисы. Для обработки фото подойдут Photoroom и встроенные ИИ-инструменты самих площадок: Ozon, например, развивает собственные генеративные функции для карточек. Для генерации фоновых сцен — генеративные редакторы. Инфографику собирают в обычных дизайн-редакторах, а нейросеть используют только для черновика структуры и текста выносок.

Слой аналитики — специализированные сервисы маркетплейсов: MPSTATS, MarketGuru, Moneyplace и встроенная аналитика площадок. Они закрывают семантику, анализ ниш, прогноз спроса и отслеживание конкурентов. Это отдельные продукты с собственными подписками, и их выбор зависит от вашего оборота — на старте часто хватает встроенной аналитики самой площадки.

Слой ценообразования — репрайсеры. Это либо отдельные сервисы, либо модули внутри аналитических платформ. Подключать их имеет смысл, когда ассортимент перевалил за несколько десятков SKU и ручной мониторинг цен стал невозможен.

Слой коммуникации — чат-боты и автоответчики. Здесь подойдут конструкторы ботов с поддержкой LLM или собственная связка платформы с API российской модели. Для внешних каналов вроде Telegram это особенно оправдано.

Порядок внедрения я рекомендую такой. Сначала — тексты и отзывы на базе LLM, потому что это самая быстрая и дешёвая экономия времени без риска. Потом — обработка фото и инфографика, это даёт прирост конверсии. Дальше — аналитика и прогноз спроса, когда накопилась история продаж. И только после этого — репрайсеры и чат-боты, как инструменты тонкой настройки. Если пытаться внедрить всё сразу, вы утонете в настройке и подписках и забросите половину. Эта же логика поэтапного внедрения хорошо описана в общем разборе AI в маркетинге — принципы переносятся и на маркетплейсы.

Про стоимость. Российские LLM по API стоят копейки за тысячу токенов — обработка сотни карточек обходится в десятки-сотни рублей, а не в тысячи. Основные расходы — на аналитические сервисы с месячной подпиской и на работу человека, который проверяет результат. Это нормально: экономия времени многократно перекрывает стоимость инструментов.

Ошибки и риски

Теперь самая важная часть, ради которой я и пишу так подробно про контроль человека. Нейросети в руках селлера могут навредить не меньше, чем помочь, если относиться к ним некритично. Разберу основные грабли.

Первая и самая опасная ошибка — фактические ошибки ИИ в характеристиках. Языковая модель не знает ваш товар. Она генерирует правдоподобный текст, и если ей не хватает данных, она их выдумывает: дописывает несуществующий состав, материал, размеры, функции, сертификаты. На карточке это превращается в недостоверную информацию. Последствия двойные: покупатели возвращают товар, который не соответствует описанию, и пишут негативные отзывы, а маркетплейс может расценить это как нарушение правил достоверности и заблокировать карточку или применить санкции. Ozon в этом смысле особенно строг. Вывод простой: фактическую часть карточки — характеристики, состав, комплектацию — человек проверяет всегда, без исключений.

Вторая ошибка — переспам ключевыми словами. Селлеры, узнав, что описание влияет на внутренний поиск, начинают пихать в текст ключи без меры: «пуховик женский зимний пуховик тёплый пуховик с капюшоном пуховик до колена». Нейросеть, если её об этом попросить, охотно нагенерит такую простыню. Площадки давно научились это распознавать и наказывать понижением в выдаче, а покупатель такой текст просто не читает. Ключи нужны, но органично вплетённые в живой текст, а не свалкой.

Третья ошибка — шаблонность. Если вы генерируете все карточки по одному промпту, они получаются одинаковыми по структуре и интонации. Покупатель этого может и не заметить, но площадка видит однотипный контент, а вы теряете возможность выделиться. Описания должны отличаться, тон — соответствовать товару (детская одежда и автозапчасти звучат по-разному). Лечится это вариативными промптами и, опять же, ручной доводкой.

Четвёртая ошибка — слепое доверие аналитике и репрайсерам. Прогноз спроса — это вероятность, а не гарантия. Модель не знает, что вы запускаете акцию или что конкурент уходит с рынка. Репрайсер не знает, что ваша минимальная цена посчитана с ошибкой. Все автоматические решения нужно ограничивать жёсткими рамками, которые задаёт человек, и периодически проверять.

Пятая ошибка — игнорирование правил конкретной площадки. У Wildberries и Ozon разные требования к описаниям, фото, характеристикам, к тому, что можно и нельзя показывать. Нейросеть этих правил не знает и может сгенерировать контент, который для одной площадки нормален, а для другой — нарушение. Правила площадки — на вас.

И ещё одно соображение про стратегию. AI делает вход на маркетплейс дешевле и быстрее для всех — а значит, конкуренция растёт. Когда все генерируют карточки нейросетью, выделяться начинает не текст, а реальное качество товара, скорость отгрузки, работа с отзывами и сервис. Нейросеть выравнивает рутину, но не делает за вас бизнес. Поэтому я всегда советую параллельно думать о собственном канале продаж, где маржа выше и где вы не зависите от правил площадки — это страховка на случай изменения комиссий или блокировок.

Частые вопросы

Можно ли полностью доверить нейросети ведение карточек без участия человека? Нет, и это главный вывод всей статьи. ИИ выдумывает характеристики, переспамливает ключами и делает контент шаблонным. Любая карточка, любой ответ и любая цена проходят финальную проверку человеком. Без этого вы рискуете возвратами, падением рейтинга и блокировкой карточек за недостоверную информацию, особенно на Ozon.

Какую нейросеть выбрать российскому селлеру для текстов? Начните с GigaChat от Сбера или YandexGPT от Яндекса. Они хорошо работают с русским языком, есть оплата в рублях и доступ без VPN, есть API для автоматизации массовой генерации. Для большинства задач селлера — описания, ответы на отзывы, разбор отчётов — их возможностей достаточно. Зарубежные модели дают сильный текст, но создают сложности с оплатой и доступом в РФ.

Сколько стоит внедрить AI-инструменты для магазина на маркетплейсе? Сама языковая модель по API стоит копейки — обработка сотни карточек обходится в десятки-сотни рублей. Основные расходы — это месячные подписки на аналитические сервисы (MPSTATS и аналоги) и время сотрудника на проверку. На старте можно обойтись бесплатной встроенной аналитикой площадки и одной LLM, постепенно добавляя инструменты по мере роста оборота.

Помогает ли AI поднять карточку в поиске Wildberries и Ozon? Косвенно — да. Нейросеть ускоряет создание качественных SEO-описаний с правильными ключами под внутренний поиск, помогает делать более конверсионные фото и инфографику, ускоряет ответы на отзывы и вопросы, которые площадки учитывают в ранжировании. Но сам по себе текст от ИИ позиции не гарантирует: ранжирование зависит от продаж, конверсии, скорости отгрузки и работы с отзывами. AI — это ускоритель, а не волшебная кнопка.

Безопасно ли использовать репрайсер для автоматического изменения цен? Безопасно, если вы жёстко задали минимальную цену через честную юнит-экономику и продуманную стратегию. Главный риск — ценовые войны, когда два агрессивных репрайсера загоняют цену в убыток. Минимальную границу нужно блокировать намертво и периодически проверять, что репрайсер работает в заданном коридоре, а не сливает маржу.

Чем чат-бот лучше обычных ответов в карточке? Чат-бот на базе LLM понимает вопрос, заданный своими словами, и отвечает по существу из вашей базы знаний — быстро, в любое время суток. Это снижает нагрузку на вас и ускоряет ответ, что повышает конверсию. Главное — настроить эскалацию: при вопросах про деньги, претензии и гарантию бот должен передавать диалог человеку, а не отвечать заготовками.