Три AI-модели вместо BI-таблиц: как анализировать прибыль товаров на Ozon

Продавец на Ozon видит, что его товар в топе: обороты растут, каталог живёт. Но в конце месяца деньги почему-то не приходят. Не оттого, что оборота вообще нет, а оттого, что непонятно куда они делись после комиссий маркетплейса, возвратов и трат на рекламу.

Почему BI-таблицы не решают проблему Это беда почти каждого e-commerce продавца с большим каталогом.

На 500–2000 товарных позиций посчитать полный P&L вручную — это часы в неделю, и в большинстве случаев это просто никто не делает. Товар идёт по показателю оборота, а по реальной марже может быть в минусе годами, совсем незаметно. Инструменты для анализа давно есть на рынке. Но почти все они просто красиво показывают много цифр в таблицах. Информации много, но нет ответа на главный вопрос: что мне с этим теперь делать? Классические BI-системы работают по жёстким правилам и предустановкам. Они не гибкие, они не смотрят на контекст конкретного товара, они не дают советов.

Консилиум из трёх AI-моделей SKUmind решает это не одной моделью, а консилиумом из трёх разных.

На рынке есть разные AI-модели: Claude, GPT, ещё другие. Каждая обучена по-разному и смотрит на задачу сквозь разные линзы. Идея простая: дать одни и те же данные всем трём, и каждая выскажет мнение независимо.

Потом специальный арбитратор — тоже AI — смотрит, где мнения совпадают, где расходятся, и выбирает самый надёжный вывод. Почему именно три? Потому что одна модель может начать галлюцинировать и придумать факты.

Вторая может быть слишком консервативна и видеть риски, которых на самом деле нет. Третья может упустить важную деталь. Когда их несколько, каждая проверяет другую и находит ошибки.

Как когда в поликлинике собирают врачебный консилиум — один врач видит одно, второй видит другое, третий замечает то, что пропустили первые двое. В итоге диагноз получается надёжнее, чем когда смотрит один человек. Каждая из трёх моделей анализирует по товару: Реальную маржу после всех комиссий маркетплейса и возвратов Эффективность каждого рубля, потраченного на рекламу Ценовой потенциал: переоценены или недооценены цены Сезонные тренды и волатильность спроса во времени * Конкретные рекомендации о том, что срочно нужно менять ## Реализация: API и долгое ревью кода Под капотом всё оказалось намного сложнее, чем казалось вначале.

Ozon не публикует все нужные метрики и числа через официальный API. Пришлось вручную восстанавливать логику из анализа трафика запросов. Помогло то, что можно было запустить две сессии Claude параллельно и дать им разобрать одну и ту же задачу с разных углов, потом сравнить результаты.

После того как логика приложения наконец сложилась, началось самое долгое и скучное: ревью кода. Потому что эта система напрямую влияет на финансовые решения людей, каждая строка, каждый алгоритм должны быть проверены критически. Теперь ревью кода занимает 60–70% всего времени разработки.

Долгий и утомительный процесс, но совершенно оправданный, когда речь идёт о чужих деньгах.

Что это меняет в индустрии AI уходит из разряда экспериментов в разряд

боевых инструментов для работы. Статические BI-таблицы на жёстких предустановленных правилах — это вчерашний день. На смену им приходят модели, которые умеют рассуждать гибко, как человек. Для e-commerce это означает: прозрачность в финансах перестаёт быть роскошью для специалистов, становится доступным стандартом для любого продавца с большим каталогом.