Claude ЗАМЕНИЛ 5 сотрудников: Как использовать ИИ на Wildberries
Claude за $100 в месяц делает то, за что раньше приходилось платить команде из четырёх человек суммарно 270 000 рублей. В статье — конкретные роли, которые закрывает ИИ, реальные цифры из кабинета Wildberries и неожиданные находки, которые Claude обнаружил прямо в процессе работы.
Коротко: что внутри
Разбираем, как селлер на Wildberries выстроил систему, где нейросеть Claude выполняет работу аналитика, финансового директора, ассистента по отзывам и менеджера по рекламе. Смотрим на реальный кейс: Claude в прямом эфире нашёл потери на 4 млн рублей, которые хозяин бизнеса не видел. Обсуждаем ограничения, тарифы и то, почему 90% селлеров используют ИИ неправильно.
270 000 рублей в месяц — или 8 000
Начнём с арифметики, которая неудобна, но честна. Типичная операционная команда селлера с оборотом 3–10 млн рублей в месяц выглядит примерно так:
Команда людей
Аналитик маркетплейсов — 60 000 ₽. Финансовый директор — 80 000–120 000 ₽. Ассистент по отзывам — 15 000 ₽. Менеджер по рекламе — 65 000 ₽. Итого: от 240 000 до 270 000 ₽/мес. — и это без сервисов аналитики.
Claude
Тариф $100/мес — это примерно 8 000–9 000 ₽ по текущему курсу. Один инструмент, который при правильной настройке закрывает все четыре роли одновременно.
Важный нюанс по тарифам: тариф за $20 существует, но токены заканчиваются слишком быстро — для реальной работы с маркетплейсами он не подходит. Рабочий минимум — $100/мес. Если несколько сотрудников используют Claude и объём данных большой — $200/мес.
Почему именно сейчас — не раньше и не позже
Год-полтора назад заходить в ИИ-инструменты для маркетплейсов было действительно рано. Нейросети работали хуже, галлюцинировали чаще, не умели работать с большими таблицами данных. Многие попробовали, разочаровались и ушли.
Сейчас — другая история. ИИ прошёл пик хайпа и вошёл в стадию реальной эффективности. Это точная аналогия с Wildberries в 2022 году: кто заходил тогда, пока остальные смотрели со стороны, — те сейчас имеют позиции и историю продаж, которые сложно догнать.
При этом картина на рынке парадоксальная. Если спросить зал селлеров «кто использует ИИ?» — поднимут руку почти все. Но стоит уточнить «для чего?» — выяснится, что 90% применяют ИИ только для написания текстов карточек. И только 10% используют его как реальный инструмент управления бизнесом.
«Вот то же самое сейчас для искусственного интеллекта. Сейчас его точно нужно изучать.»
Как устроена работа с Claude: промты, скилы, проекты
Интерфейс Claude частично на английском, но на практике это не барьер: задачи ставятся текстом или голосом, и инструмент понимает даже запросы с опечатками и оговорками. Главное — дать правильный контекст.
Базовый способ работы — промт: текстовая инструкция, которая задаёт роль, формат и логику ответа. Более продвинутый уровень — скил: это «вшитый» промт с готовой логикой, который вызывается одной командой через символ /. Скилы не нужно писать каждый раз заново — они работают как кнопки.
Примеры скилов из реальной практики:
- Ozon ABC-анализ — автоматически классифицирует товары по выручке и маржинальности
- Ozon-аналитик — разбирает воронку и находит потери
- Ozon Daily Briefing — каждый день в 8:50 присылает сводку по кабинету
- Ozon Promotion — анализирует эффективность рекламных кампаний
- Аналогичные скилы для Wildberries и Яндекс.Маркета
Вся структура организована в отдельные проекты для каждого маркетплейса. Внутри проекта WB — десятки скилов: прожарка карточек, SEO-ревизия, месячный план, утренний брифинг, маржа и цены, отчёт финдиректора, черновики ответов на отзывы, прогноз остатков, анализ слива бюджета.
Роль 1: аналитик кабинета WB — и находка на 4 млн рублей
Это самая наглядная демонстрация возможностей. Claude не просто получает файл и строит сводку — он сам заходит в браузер Chrome, открывает кабинет WB Партнёры и скачивает нужные отчёты через интеграцию с браузером. Без ручной выгрузки.
Промт для аналитика включает несколько обязательных блоков: инвентаризация данных, общая сводка, аномалии (порог — отклонение больше 30%), анализ остатков, топ-находки, список недостающих данных и три контрольные цифры для ручной сверки. Данные берутся за три периода — 30, 60 и 90 дней, — чтобы не принять случайный всплеск за устойчивый тренд.
Что Claude нашёл в реальном кабинете:
- CTR по топовым артикулам: 7,4% / 10,9% / 8,6% / 12% — оценка хорошая
- Конверсия в корзину: везде выше 10%, по ряду позиций до 19%
- Конверсия в заказ: 40–59% — норма
- Купальник: выкуп 14% — не сезон, рекомендация убрать из активных продаж
Но главная находка была не в воронке. Claude обнаружил расхождение между двумя отчётами самого Wildberries: в воронке числилось 1 258 товаров в продаже, а в отчёте по остаткам — 9 833 штуки. Разница — 8 575 единиц. Причина: 6 527 товаров на складе Электросталь не были интризованы после пожара.
До прихода новой поставки бизнес терял 2 723 потенциальных заказа. FBS-запас в 6 500 единиц закрывал только 1 300 из них — 1 400 заказов оставались незакрытыми. Это не гипотетические потери — это живые деньги, которые уходили каждый день, пока отчёты лежали непрочитанными.
«Деньги теряются не столько в воронке, сколько на остатках. После пожаров в продаже осталось 1 258 товаров из 9 800.»
Еженедельный отчёт по отзывам: что реально говорят покупатели
Ответы на отзывы — одна из самых рутинных задач в операционке. Ассистент, который их обрабатывает, стоит 15 000 рублей в месяц и, как правило, пишет шаблонные ответы без реального анализа претензий.
Claude делает иначе. Еженедельный отчёт по отзывам показывает не просто количество — 103 отзыва против 107 на прошлой неделе, — но и конкретные паттерны претензий по артикулам. Из реального отчёта:
- Непрошитые концы у бантов — повторяющаяся жалоба по конкретному артикулу
- Швы подмышками у боди — производственный дефект, который нужно передать на фабрику
- Просвечивание велосипедок — претензия к материалу, влияет на возвраты
- Истёк срок декларации у Панамы 123 — юридический риск, требует срочного обновления документов
Разница принципиальная: человек-ассистент отвечает на каждый отзыв по отдельности и не видит картину целиком. Claude видит системные проблемы, которые нужно решать не в ответе покупателю, а в производстве или документах.
ИИ-агент для защиты бренда: бот, который ловит воров
Кража фотографий и незаконное использование товарного знака — больная тема для любого селлера, который вложился в бренд. Мониторить это вручную нереально: нужно регулярно прочёсывать все маркетплейсы по десяткам запросов.
Агент делает это автоматически каждый день. Алгоритм работы:
Мониторинг
Бот ежедневно проверяет все маркетплейсы по товарному знаку — включая варианты написания, транслитерацию и типичные опечатки. Например, по запросу «Динаэль» было найдено 6 чужих карточек у 4 продавцов.
Подготовка претензии
При обнаружении нарушения агент автоматически готовит претензию в формате PDF и отправляет владельцу бренда на согласование — без каких-либо действий с его стороны.
Подача в арбитраж
После одного слова подтверждения («да») агент самостоятельно подаёт претензию в цифровой арбитраж Wildberries. Всё. Владелец бренда потратил одну секунду.
В реальном примере все четыре нарушителя оказались китайскими магазинами-однодневками. Без автоматического мониторинга они бы продолжали работать незамеченными.
«Leo, проверил Wildberries по товарному знаку Динаэль, подготовил претензию. Отправляю её ниже PDF-файлом. В Albris ещё её не подавал, подаю только после вашего да.»
Что нужно знать до того, как начать
Честный разговор об ограничениях важнее, чем красивая картинка. Вот что реально стоит учесть:
Блокировки в России
Claude официально недоступен в РФ. Нужно уметь настроить стабильный обход блокировок — без этого инструмент просто не откроется. Решение существует и работает месяцами, но требует первоначальной настройки.
Скилы и промты — отдельный навык
Готовых скилов для маркетплейсов в открытом доступе почти нет. Их нужно создавать под свой бизнес и поддерживать — это требует времени и понимания того, что именно вы хотите получить от ИИ.
Модели быстро меняются
За последний год вышли Haiku, Sonnet, Opus, 5.1, 5.3, 5.5. Инструкции из старых видео и статей устаревают быстро. Учиться нужно на актуальных материалах — иначе будете настраивать то, что уже не работает.
Важно про тариф: тариф $20/мес не подходит для работы с маркетплейсами — токены заканчиваются слишком быстро. Рабочий минимум — $100/мес. Если команда использует Claude совместно или объём данных большой — $200/мес.
Ещё один момент, который часто упускают: для полноценной автоматизации нужна интеграция через API маркетплейсов, а не ручная выгрузка файлов. Именно это позволяет Claude самостоятельно заходить в кабинет и скачивать отчёты — без участия человека. Ручные выгрузки работают, но это уже другой уровень автоматизации.
Часто задаваемые вопросы
Claude реально заменяет живых сотрудников или это преувеличение?
Для рутинных аналитических задач — да, заменяет, и делает это быстрее и глубже. Но важно понимать: кто-то должен создать промты и скилы, настроить интеграции и интерпретировать результаты. Claude — это инструмент, которым нужно уметь пользоваться. Он не заменяет предпринимательское мышление, но снимает операционную нагрузку, которая раньше требовала команды.
Почему именно Claude, а не ChatGPT или другие нейросети?
Claude лучше работает с большими объёмами структурированных данных — таблицами, отчётами, многостраничными выгрузками. Для маркетплейсовой аналитики это критично: файлы из кабинета WB и Ozon бывают огромными. Кроме того, Claude поддерживает длинный контекст разговора, что важно для сложных многошаговых задач. Сравнение с другими инструментами — отдельная тема, и у каждого свои сильные стороны.
С какого оборота имеет смысл внедрять такую систему?
Формально — с любого, где есть регулярная аналитическая работа. Практически — от 1–2 млн рублей оборота в месяц, когда данных уже достаточно для осмысленного анализа и когда экономия на зарплатах или сервисах ощутима. При обороте до 500 тысяч рублей в месяц достаточно тарифа $20 и ручных выгрузок — полная автоматизация там избыточна.
Как Claude нашёл потери на 4 млн рублей, если сам владелец их не видел?
Проблема была в том, что данные из разных отчётов Wildberries не сопоставлялись между собой. В воронке — одна цифра, в остатках — другая, и никто не проверял расхождение. Claude получил оба отчёта одновременно, сравнил цифры и сразу обнаружил аномалию. Это классическая задача для машины — монотонная сверка данных, которую человек делает редко именно потому, что это скучно.
Что делать, если нет технических навыков для настройки интеграций?
Начать можно с ручных выгрузок — это работает и даёт результат, просто требует больше участия человека. Скилы и промты для старта можно взять готовые (автор упоминает, что делится ими в Telegram). Полная автоматизация с API — это следующий шаг, когда базовые сценарии уже отработаны и понятно, что именно нужно автоматизировать.
Понравилась статья?
Подписывайся на каналы, чтобы не пропустить новые материалы.
