AI-ассистент для селлеров Wildberries
MCP-ClickHouse • LLM • WB API
Умный помощник для анализа продаж, конкурентов и ценообразования. Отвечает на бизнес-вопросы «человеческим языком», обосновывает выводы цифрами из витрин ClickHouse и даёт автоматические рекомендации по карточкам, ценам и запасам.
Исходная ситуация
Задачи бизнеса
- • Ускорить принятие решений: мгновенные ответы с обоснованием и ссылками на витрины
- • Стабилизировать маржинальность: ценовые рекомендации по сегментам «good-better-best»
- • Сократить ручной мониторинг конкурентов: авто-сводки и алерты по ключевым метрикам
- • Повысить качество карточек: рекомендации по контенту, атрибутам, отзывам
- • Обеспечить безопасность: работа с данными только в пределах ролей и политик доступа
Исходные данные
- • WB API и публичные страницы: цены, остатки, рейтинги, позиции в выдаче, отзывы
- • Витрины в ClickHouse: продажи, конверсия, GM, маржа, эластичность, история цен, акции
- • Категорийные справочники: бренды, подкатегории, фильтры, ключевые атрибуты
- • Вспомогательные источники: логистика и сроки поставки, SEO-фразы
Проблемы до внедрения
- • Селлер сталкивается с разрозненными отчётами и рутиной по мониторингу конкурентов
- • Нестабильная маржинальность и ручное A/B-тестирование контента
- • Вопросы руководителя («что случилось с конверсией?», «какой ценовой коридор в подкатегории?») требуют часов сводной работы аналитика
Зачем это бизнесу?
AI-ассистент предоставляет мгновенные ответы на бизнес-вопросы с обоснованием и рекомендациями, основанными на реальных данных.
Быстрые управленческие ответы
«Почему просела конверсия? Что с ценовым коридором? Сколько потеряем маржи при снижении цены на 3%?» — ассистент отвечает за секунды, показывая цифры и SQL-обоснование.
Пример: вместо 2 часов на сборку отчёта руководитель получает ответ за 5–7 секунд с ссылками на конкретные витрины и SQL-запросы.
Единый контур категорийного менеджмента
Еженедельные брифы по нишам, брендам и ключевым SKU: кто растёт, где просадка, что делать (Plan of Action).
Пример: система автоматически готовит сводку по категории «Запчасти для BMW» с выделением проблемных товаров и рекомендациями по действиям.
Прозрачные рекомендации
Каждое предложение — с пояснением эффекта: ожидаемое влияние на конверсию, GM, продажи и ссылкой на исходные витрины.
Пример: рекомендация снизить цену на 3% обоснована расчётом эластичности и прогнозом роста продаж на 12% при снижении маржи на 1.5%.
Снижение «ручной» нагрузки
Менеджеры концентрируются на решениях и переговорах с поставщиками, а не на своде выгрузок из разных систем.
Пример: экономия 70–80% времени на еженедельную аналитику категорий позволяет увеличить количество обрабатываемых ниш в 3–4 раза.
Экономия времени на аналитику 70–80%
Среднее время ответа на типовые запросы составляет ≤ 5–7 секунд. Вместо часов на ручную сборку отчётов менеджеры получают мгновенные ответы с обоснованием.
95–100% ответов содержат проверяемые ссылки на источники данных (SQL-запросы и дашборды), что обеспечивает прозрачность и доверие к рекомендациям.
Как это работает технически
Контур «вопрос → данные → рекомендация» с проверяемостью и безопасностью. Ассистент не «выдумывает» цифры, а вызывает реальные инструменты и возвращает обоснованные ответы.
MCP-инструменты для данных
Реальные данные через инструменты, а не «галлюцинации»
Ассистент не «выдумывает» цифры: он вызывает инструменты (mcp_clickhouse.query, wb_api.*), исполняет типовые и сгенерированные SQL-запросы, возвращает табличные результаты.
ClickHouse инструменты
- • Выполнение SQL-запросов к витринам
- • Получение метрик продаж, конверсии, маржи
- • Анализ эластичности и ценовых коридоров
- • История цен и акций
WB API инструменты
- • Получение актуальных цен конкурентов
- • Мониторинг позиций в выдаче
- • Анализ отзывов и рейтингов
- • Проверка остатков и доступности
LLM-агент с планированием
Многошаговый план для получения ответа
Система строит многошаговый план: сформулировать гипотезу → собрать метрики → сравнить с бенчмарком → выдать рекомендацию с расчётом эффекта (эластичность/ценовой коридор/impact-анализ).
Категорийные шаблоны
Шаблоны вопросов (price review, listing health, competitor scan, review insights) обеспечивают стабильный формат ответов и единый стиль рекомендаций.
Технология: Промпт-политики и шаблоны для типовых бизнес-запросов
RAG-контур над витринами
Для текстовых объяснений и контекстов ассистент использует описания категорий и правила измерения метрик, не выходя за пределы данных клиента.
Результат: контекстные ответы на основе внутренних знаний компании
Безопасность и журнал
Роли/ACL, токены, запрет записи в DWH со стороны LLM, журнал запросов и цитирование источников (SQL-фрагменты/идентификаторы дашбордов).
Контроль: полная прозрачность доступа и отслеживаемость всех запросов
Валидация качества
Ground-truth проверки: метрики в ответе сверяются с результатом SQL-запроса. Guardrails проверяют аномалии и конфликты с правилами маржи.
Результат: надёжность ответов и защита от некорректных рекомендаций
Технологический стек
ClickHouse
Витрины данных и аналитика
Python/FastAPI
Шлюз инструментов и API
MCP-ClickHouse
Tool-calling для запросов
LLM
Qwen/Claude/GigaChat
WB API
Интеграция с маркетплейсом
Qdrant
Семантический поиск по отзывам
Metabase
Дашборды и ссылки-цитаты
Telegram Bot
Уведомления и брифы
Результаты проекта
Ключевые достижения после внедрения AI-ассистента
Сокращение времени на категорийные разборы и еженедельные отчёты. Менеджеры получают ответы за 5–7 секунд вместо часов ручной работы.
Снижение ошибок
Ассистент всегда ссылается на источники и проверяет расчёты. Исключены человеческие ошибки при интерпретации данных.
Оцифрованные решения
План действий (цена/остатки/контент) фиксируется и отслеживается. Полная прозрачность принятых решений и их результатов.
Рост конверсии
В сегментах, где внедрены рекомендации по цене и контенту, наблюдается рост конверсии на 5–12%.
Контроль качества и мониторинг
Метрики качества
- • Доля ответов с цитированием — контроль 95–100% ответов с ссылками на источники
- • Точность SQL-метрик — проверка соответствия ответов результатам запросов
- • Freshness витрин — контроль актуальности используемых данных
- • Среднее время ответа — мониторинг производительности (≤ 5–7 сек)
- • NPS пользователей — оценка удовлетворённости качеством ответов
Дашборды и процедуры
- • Дашборды: нагрузка по категориям, карта инцидентов (ошибки инструментов/таймауты WB), эффект рекомендаций (до/после)
- • Регресс-тесты промптов для стабильности ответов
- • «Красные линии» по марже для защиты от некорректных рекомендаций
- • Review «спорных» ответов с разбором причин ошибок
- • A/B-оценка рекомендаций: измерение эффекта по CR/GMV/марже и отзывам
Готовы внедрить AI-ассистента?
Развернём умного помощника для вашего маркетплейса: подключим к витринам ClickHouse, настроим интеграцию с WB API, обучим LLM-агента на ваших данных. На выходе — мгновенные ответы на бизнес-вопросы, автоматические рекомендации и экономия 70–80% времени на аналитику.
Что входит в проект
Стоимость зависит от сложности витрин, количества категорий и требований к интеграции
Почта: info@bi-ai.ru • Telegram: @bi_ai_team • Контакты