Trois modèles d’AI au lieu de tableaux BI : comment analyser la rentabilité des produits sur Ozon

Un vendeur sur Ozon voit que son produit est au top : le chiffre d'affaires augmente, le catalogue vit. Mais à la fin du mois, l'argent ne rentre pas d'une manière ou d'une autre. Non pas parce qu'il n'y a aucun chiffre d'affaires du tout, mais parce qu'on ne sait pas où il est allé après les commissions de la marketplace, les retours et les dépenses publicitaires.

Pourquoi les tableaux de BI ne résolvent pas le problème

C'est le problème de presque chaque vendeur e-commerce avec un grand catalogue. Pour 500–2000 articles, calculer le P&L complet manuellement, c'est des heures par semaine, et dans la plupart des cas, personne ne le fait simplement. Un produit est évalué par la métrique de chiffre d'affaires, mais par marge réelle il peut être dans le rouge pendant des années, complètement inaperçu.

Les outils d'analyse existent depuis longtemps sur le marché. Mais presque tous affichent simplement beaucoup de chiffres dans des tableaux de manière jolie. Il y a beaucoup d'informations, mais pas de réponse à la question principale : que dois-je faire avec ça maintenant ?

Les systèmes de BI classiques fonctionnent selon des règles rigides et des présets. Ils ne sont pas flexibles, ils ne regardent pas le contexte d'un produit spécifique, ils ne donnent pas de conseils.

Conseil de trois modèles d'IA

SKUmind résout cela non pas avec un modèle, mais avec un conseil de trois différents. Il existe différents modèles d'IA sur le marché : Claude, GPT, et autres. Chacun est entraîné différemment et regarde la tâche à travers des lentilles différentes. L'idée est simple : donner les mêmes données aux trois, et chacun exprimera un avis indépendamment. Puis un arbitre spécial—aussi une IA—regarde où les opinions concordent, où elles divergent, et choisit la conclusion la plus fiable.

Pourquoi exactement trois ? Parce qu'un modèle peut commencer à halluciner et inventer des faits. Un deuxième peut être trop conservateur et voir des risques qui n'existent pas réellement. Un troisième peut manquer un détail important. Quand il y en a plusieurs, chacun vérifie l'autre et trouve des erreurs. C'est comme quand une clinique réunit un conseil médical—un médecin voit une chose, un deuxième en voit une autre, un troisième remarque ce que les deux premiers ont manqué. Au final, le diagnostic est plus fiable que quand une seule personne le regarde.

Chacun des trois modèles analyse par produit :

• Marge réelle après toutes les commissions de marketplace et les retours
• Efficacité de chaque rouble dépensé en publicité
• Potentiel de prix : si les prix sont surévalués ou sous-évalués
• Tendances saisonnières et volatilité de la demande dans le temps
• Recommandations spécifiques sur ce qui doit d'urgence être changé

Implémentation : API et long examen du code

Sous le capot, tout s'est avéré beaucoup plus complexe qu'il n'y paraissait initialement. Ozon ne publie pas toutes les métriques et les chiffres nécessaires via l'API officielle. Nous avons dû restaurer manuellement la logique en analysant le trafic des requêtes.

Cela a aidé que nous ayons pu exécuter deux sessions Claude en parallèle et leur donner la tâche d'analyser le même problème sous différents angles, puis comparer les résultats. Après que la logique de l'application s'est finalement assemblée, a commencé la partie la plus longue et la plus fastidieuse : examen du code. Parce que ce système impacte directement les décisions financières des gens, chaque ligne, chaque algorithme doit être vérifié de manière critique.

Maintenant l'examen du code prend 60–70% de tout le temps de développement. Un processus long et épuisant, mais complètement justifié quand il s'agit de l'argent d'autres personnes.

Ce que cela change dans l'industrie

L'IA sort de la catégorie des expériences pour la catégorie des outils de combat pour le travail. Les tableaux de BI statiques sur des règles rigides présélectionnées—c'est hier. Ils sont remplacés par des modèles qui peuvent raisonner flexiblement, comme les humains. Pour l'e-commerce, cela signifie : la transparence financière cesse d'être un luxe pour les spécialistes, devient une norme accessible pour tout vendeur avec un grand catalogue.