ChatGPT для Ozon-селлера: почему общий ИИ не работает и что вместо него
Каждый второй селлер пробовал просить ChatGPT «напиши мне название карточки», «посчитай юнитку», «посоветуй, в какой кластер грузить». И каждый второй убедился, что результат — мусор. Разберём почему так происходит и какая архитектура ИИ для маркетплейса действительно работает.
Что произошло, когда ты в последний раз спрашивал ChatGPT про свой магазин
Сценарий, который видел каждый. Открываешь ChatGPT, пишешь: «У меня товар категории X на Ozon, средняя цена 1200 рублей, себестоимость 400. Посчитай юнит-экономику».
ChatGPT отвечает уверенно. Считает «комиссию Ozon примерно 15%», добавляет «логистику около 90 рублей», вычитает «эквайринг 2%» и выдаёт результат — «у вас маржа около 35%, всё неплохо». Звучит убедительно, в формате таблицы, с разбивкой по статьям.
Проблема в том, что почти каждая цифра в этом расчёте — выдумка. Комиссия Ozon в твоей категории может быть не 15%, а 7% или 23%. Логистика FBO рассчитывается по объёмному весу и сейчас не 90 рублей, а другая сумма с учётом размеров твоего товара. Эквайринг прибит точно — 1,5%, а не 2%. А ещё ChatGPT забыл про последнюю милю, обработку возврата, налог УСН, оплату рекламы. Итого: реальная маржа не 35%, а 12%. Или вообще минус.
Селлер делает выводы и решения на этой выдумке. Через месяц спрашивает «почему не сходится» — а ответ простой: ему ответил не специалист, а вероятностная модель, которая сочиняла правдоподобный текст.
Откуда у общего ИИ берутся «цифры»
Большие языковые модели вроде ChatGPT, Claude, Gemini обучены на текстах из интернета до определённой даты. Они не подключены к Ozon, не видят свежие тарифы, не знают про твою категорию, твою цену, твой бренд.
Когда ты просишь «посчитай юнитку», модель ищет в своей памяти, как обычно пишут расчёты юнит-экономики, и пытается воспроизвести структуру. Конкретные числа она придумывает, опираясь на правдоподобные диапазоны из обучающих текстов.
Это и есть галлюцинация. Не баг, а способ работы такой модели. Она не лжёт намеренно — она физически не отличает «я знаю это точно» от «звучит убедительно». Если ты не специалист и не можешь проверить — ты примешь галлюцинацию за факт.
Пять конкретных причин, почему общий ИИ непригоден для маркетплейса
1. Не видит твой магазин
ChatGPT не подключён к Ozon Seller API. Он не знает твоего ассортимента, твоих цен, твоих остатков, твоих рекламных кампаний. Любой ответ про «твою» ситуацию основан только на тех словах, которые ты сам ввёл в чат.
Это значит: ты должен сначала вручную выгрузить все данные, перенести в чат, и только потом получить анализ. Каждый раз. А Ozon обновляет данные в реальном времени, и через час твой выгруженный снапшот уже устарел.
2. Устаревает каждые недели
Знания ChatGPT обновляются раз в несколько месяцев, и то с задержкой. Ozon меняет тарифы, правила, акции, требования к карточкам почти каждый месяц. Когда модель отвечает «комиссия по этой категории столько-то» — она цитирует данные годичной давности. На Ozon за это время мог поменяться весь тарифный план.
3. Не помнит контекст между сессиями
Каждый новый чат — чистый лист. ChatGPT не помнит, что ты вчера обсуждал стратегию для конкретного SKU. Если ты завтра захочешь продолжить — придётся снова всё объяснять. На длинной дистанции это убивает любую совместную работу.
4. Не умеет действовать
Даже если ChatGPT дал тебе правильную рекомендацию «отключи кампанию №43, она сливает» — он не отключит её сам. Не зарегистрирует поставку, не пересчитает остатки, не пометит SKU как снятый с продажи. Это инструмент для чата, не для управления магазином.
5. Не знает специфики Ozon
Маркетплейс — это не общая «электронная коммерция». У Ozon свои кластеры, свой FBO/FBS, свой Premium, свои Algoboost, свои внутренние ранжирующие сигналы. Большая часть этой механики или вообще не описана в интернете, или описана так, что общая модель её не воспроизведёт точно.
Что вместо ChatGPT действительно работает
Нужна не модель, нужна система. У неё несколько слоёв.
Слой 1 — данные. Подключение к Ozon Seller API напрямую от твоего магазина. Каждый час — свежие заказы, остатки, цены, рекламные расходы, кластеры. Все цифры в ответах ИИ берутся отсюда, не из выдумки.
Слой 2 — база знаний. Локальная копия документации Ozon (тарифы, правила, требования к карточкам). Перед тем как искать ответ в интернете, система ищет в этой базе — это даёт актуальную и официальную информацию.
Слой 3 — инструменты. Расчёт юнитки, ставок рекламы, прогноз спроса, разбивка по кластерам, поиск ключей. Это не «модель что-то вспомнит», это запуск конкретной функции с конкретным результатом.
Слой 4 — память. История твоих решений, контекст по каждому SKU, заметки. Когда ты завтра спросишь «что мы решили с кофемашиной» — система помнит.
Слой 5 — модель. Языковая модель используется только на верхнем уровне — переформулировать вопрос в нужные вызовы инструментов, собрать ответ в читаемый текст. Сами числа и факты приходят с уровней ниже.
Только в такой архитектуре ИИ становится полезным: он не «отвечает по памяти», а собирает свежие данные через API, считает через формулы, цитирует источник. Если данных нет — честно говорит «не знаю, нужно запустить такой-то сбор», а не сочиняет.
Можно ли построить это самому
Технически — да. Нужно: разработчик, который напишет интеграцию с Ozon API, поднимет базу данных, настроит коллекторы, обернёт всё в Telegram-бота, добавит языковую модель сверху. Срок — 3–6 месяцев, бюджет — несколько миллионов.
Большинство селлеров не пойдут по этому пути. Дешевле и быстрее — взять готовый продукт, который это уже делает.
Признаки правильной ИИ-системы для Ozon
На что смотреть, если выбираешь решение:
- Все числа с источником. Если ответ говорит «выручка 187 тысяч», должно быть указано «по данным orders_history за такие-то даты». Нет источника — значит выдумка.
- Отказ от ответа допустим. Хорошая система говорит «у меня нет данных, запусти сбор». Плохая — выдумывает.
- Локальная база Ozon-документации. Проверь, цитирует ли система официальную документацию или ищет в Google «по теме».
- Запись/действия только с твоего «да». Никаких автоматических изменений цены или отключения рекламы без подтверждения.
- Self-hosted на твоём сервере. Ключи Ozon, финансовые данные не должны утекать в чужой облако.
Итог
Общий ИИ — ChatGPT, Claude, Gemini — это языковая модель. Она хороша для текста и общих вопросов. Для работы с конкретным магазином на Ozon она непригодна: не видит данные, выдумывает цифры, не помнит, не действует, устаревает.
Для маркетплейса нужна специализированная система: ИИ как верхний слой над живыми данными, базой знаний, инструментами и памятью. Тогда ответы становятся фактами, а не угадайкой.