Международная группа с портфелем из шести брендов малой бытовой техники и ~3 500 SKU на трёх маркетплейсах заменила субъективную оценку визуалов («10 человек — 10 мнений») на методологию на данных в изолированном контуре.
~3 500 SKU в нише «premium-mass» дистрибутируются через Ozon, Wildberries и Я.Маркет. Новый руководитель коммерческого контента (Head of Commercial Content) и команды e-commerce-маркетинга и SEO/Geo инициировали ревизию подхода к управлению карточками.
Запрос «инструмент аудита» в ходе обсуждения вырос до полноценной агентной системы — постоянно работающего ИИ-контура внутри периметра, который агрегирует данные, генерирует инсайты и выдаёт алерты без человеческого фактора в рутине.
Управление контентом строилось на экспертных мнениях, и они системно расходились: «если посадить 10 человек за карточку, будет 10 разных мнений». Правка визуала проходила через 4–5 функций; согласование одной карусели — 3–4 недели, без аргументации для руководства. Не было сверки между семантикой SEO, U&A-исследованиями и дизайном.
Аудит вёлся точечно — 3–5 SKU в Excel; конкуренты анализировались раз в квартал, реакция на их изменения — через 4+ недели. Сверка контента между маркетплейсами — глазами. Топ выдачи принимали за эталон, игнорируя прайс-индекс, сток и performance-бюджет.
9 специализированных ИИ-агентов заменяют субъективную оценку карточек методологией на основе данных: аудит, конкуренты, SEO и соответствие требованиям в изолированном контуре.
Слой рассуждений разбит на 9 специализированных агентов (Creative, Copy, SEO/Geo, QA, Analytics, Competitive, Publishing и др.) с политиками автономности от «только чтение» до «с правом публикации». Оркестратор собирает вердикты в отчёт: 6 критериев × 19 SKU × 3 МП = 342 вердикта, каждый с обоснованием в 3–5 предложений и ссылкой на источник.
В базу знаний загружены бренд-гайды, правила площадок, U&A под NDA и семантика по 6 категориям. Каждый агент обязан процитировать источник; версии правил сохраняются, чтобы воспроизвести любое прошлое решение. Это закрыло основную комплаенс-боль — конфиденциальные исследования используются без выноса за периметр.
Competitive Intelligence Agent с виртуальным браузером собирает ~130 карточек конкурентов в одном ценовом сегменте; multi-modal CV переводит каждую в вектор и кластеризует в 1024-мерном пространстве, находя доминирующий паттерн категории. Это снимает ловушку «топ выдачи = эталон».
Оценка идёт не относительно всего рынка, а относительно точки «бренд × категория × сегмент»: позиционирование, портрет покупателя из U&A, бренд-гайды. Симуляция айтрекинга и карты внимания дают предиктивную оценку CTR «до/после» — A/B-тест ещё до A/B-теста.
Команда получила инфраструктуру, снимающую блокирующий конфликт между функциями: вместо обмена мнениями — общая основа на данных, которую можно показать руководству и согласовать без дискуссии о вкусах.
Это разблокировало переход от точечного аудита к ежедневному мониторингу всего ассортимента и заложило основу для ритейл-медиа, аналитики поставок и аналитики отзывов и VoC — добавление нового агента или коннектора занимает часы, а не недели.
Сейчас мы знаем по каждой карточке, что именно менять и почему — с обоснованием, ссылкой на источник в нашей же базе знаний и предиктивной оценкой эффекта. До этого 10 человек давали 10 мнений; теперь у нас одна система с прозрачной логикой, которую можно показать руководству.
Числовые показатели и результаты кейса отражают итоги конкретного проекта и зависят от исходных условий. Они приведены в информационных целях, не являются публичной офертой и не гарантируют аналогичного результата в других проектах. Подтверждающие материалы предоставляем по запросу.
Генеративный AI пересобирает SEO-контент и визуал карточек: тексты, hero-имиджи и rich-контент под алгоритмы маркетплейсов в едином пайплайне.
ИИ-пайплайн собирает лайфстайл-ролики из фото товара: декомпозиция на короткие блоки без артефактов, параллельная генерация, человек в контуре.
Браузер-агент сверяет размерные сетки карточек с официальными сайтами брендов: автопоиск, Vision-извлечение таблиц, нормализация размерных систем.
По выбранным фильтрам кейсов не найдено.
Расскажите про процесс — предложим аудит, пилот или полноценное внедрение.