ИИ для маркетплейсов и e-commerce: селлерам и интернет-магазинам

Маркетплейсы стали главным каналом онлайн-торговли. По данным Data Insight, в 2025 году рынок интернет-торговли в России достиг 13,4 трлн ₽, а на маркетплейсы пришлось 81% всех заказов и 62% объема продаж. Для селлера это значит, что конкуренция идет внутри площадки: за место в выдаче, рекламную ставку, рейтинг и остаток на нужном складе. Ошибки в цифрах здесь стоят денег каждый день. На этой странице: где селлер и интернет-магазин теряют деньги, какие ИИ-решения окупаются, что мы уже сделали и как начать.

Где селлер и интернет-магазин теряют деньги

• Реклама без контроля. Ставки и кампании живут отдельно от маржи. Продажи растут, а доля рекламных расходов съедает прибыль, и видно это только в конце месяца.
• Пустые остатки. Товар закончился на складе площадки или в нужном регионе, карточка падает в выдаче, после поставки ее приходится поднимать заново.
• Лишний запас. Обратная сторона: заказали с запасом, товар лежит, площадка берет плату за хранение.
• Слабые карточки. Нет ключевых запросов, фото не отвечают на вопросы покупателя, описание одинаковое на всех площадках.
• Отзывы и вопросы без ответа. Покупатель спросил, ему ответили через два дня или не ответили совсем. Негатив без ответа бьет по рейтингу.
• Ручные отчеты. Данные с каждой площадки выгружают отдельно и сводят в таблицах. Решение принимают по цифрам недельной давности.

Чем больше площадок, магазинов и сотрудников, тем дороже каждая из этих ошибок.

Отдельная история у интернет-магазина со своим сайтом. Там к тем же потерям добавляются брошенные корзины, вопросы покупателей в чате, на которые никто не отвечает ночью и в выходные, и ручная работа с каталогом: новые товары заводят вручную, описания копируют у поставщика, характеристики заполнены через раз. Если магазин торгует и на сайте, и на маркетплейсах, данные о продажах и остатках живут в разных местах, и общей картины нет ни у собственника, ни у закупщика.

Какие ИИ-решения окупаются

Площадки сами добавляют ИИ-функции. Например, Ozon дал продавцам кнопку генерации ответа на отзыв с учетом оценки, текста и тональности, а в 2026 году запустил «Умного ассистента» в кабинете селлера, который по оценке Ozon закроет до 20% вопросов, раньше уходивших в техподдержку. Такие функции хороши для типовых задач внутри одной площадки. Мы делаем то, чего они не дают: работаем на ваших данных со всех площадок сразу, с вашей себестоимостью, складом и правилами.

Для интернет-магазина со своим сайтом набор тот же, только вместо кабинетов площадок источником служат CMS, 1С и CRM. Как устроен прогноз и почему его ошибку нужно мерить по-разному для ходовых и редких товаров, мы разобрали в статье о прогнозировании спроса.

Наш опыт: сервис аналитики для селлеров

Мы разрабатываем сервис для продавцов, которые торгуют на Uzum, Ozon, Wildberries и Яндекс Маркете. Интерфейс на русском и узбекском. Он собирает данные из кабинетов площадок и дает селлеру одну картину вместо отдельных выгрузок.

Основные модули:

1. Аналитика продаж. Продажи, реклама и остатки по всем площадкам и магазинам в одном месте.
2. Карточки товаров. Работа с контентом и текстами карточек.
3. ИИ-ассистент по цифрам кабинета. Селлер спрашивает обычными словами, например «почему упала выручка на прошлой неделе», и получает ответ на своих данных.
4. Управление складом. Учет собственных складов селлера: остатки и движения товара.
5. Команда. Сотрудники, задачи и уведомления в мессенджере.

Цифр результата по этому проекту мы пока не публикуем.

Из других отраслей к e-commerce ближе всего прогноз продаж для сети ресторанов: точность выше 90% и минус 20% отходов. Та же логика применима к прогнозу поставок на склады площадок. А ИИ-бенчмаркинг конкурентов ускорил анализ в 100 раз: подход годится для мониторинга цен и карточек конкурентов на площадке.

С какими системами связываем

Кабинеты маркетплейсов по API, 1С, учетные и складские системы, CMS сайта, CRM, мессенджеры. Подключаемся по ключам с минимальными правами, работаем под NDA. Персональные данные покупателей из отзывов и обращений обезличиваем до отправки в модель. Если вы уже пользуетесь сервисом аналитики, мы не предлагаем его заменить: можно взять данные оттуда и закрыть задачу, которую он не решает.

С чего начать

• Бесплатный разбор на 30-40 минут. Смотрим, где вы теряете деньги: реклама, остатки, карточки, отзывы. Прикидываем эффект по вашим цифрам.
• Пилот на одной задаче. Например, сводная аналитика рекламы по двум площадкам или ответы на отзывы для одного магазина. Показатель «было» фиксируем до старта.
• Решение по цифрам. Если пилот дал эффект, подключаем остальные площадки и задачи. Если нет, вы узнаете это до больших затрат.

Срок пилота фиксируем после разбора: он зависит от числа площадок, доступа к API и того, где лежат себестоимость и остатки.

Сколько стоит

Разбор процесса бесплатный. Пилот стоит от 300 000 ₽. Точную цену называем после разбора: она зависит от числа площадок и магазинов, систем, которые нужно подключить, и задач в пилоте. Отдельно оцениваем поддержку: площадки меняют API и правила, и решение нужно поддерживать в рабочем состоянии.