Кейс: рост ассортимента с 10 до 60 SKU на двух маркетплейсах с помощью ИИ-команды
Этот кейс — обобщённый сценарий, собранный из практики нескольких селлеров с похожей траекторией. Цифры даны диапазонами: точные суммы у каждого свои, но порядок и динамика типичные. Главная задача — показать, как ИИ-команда меняет ограничения масштабирования и где именно она снимает узкие места.
Исходная точка
Селлер один, ведёт магазин на Ozon чуть больше полутора лет. Десять SKU в категории товаров для дома — преимущественно мелочи для кухни и хранения. Месячный оборот в диапазоне 350–500 тысяч рублей, маржа после всех расходов 12–18%. Поставки FBO, своих складов и сотрудников нет.
Рабочий день — два часа утром и час вечером. Утром: отчёты, обработка отзывов и вопросов, корректировка цен. Вечером: ответы покупателям, мониторинг рекламы, иногда — карточки. Всё, что свыше — на выходных. По ощущениям владельца, потолок ручной работы достигнут: добавить даже два-три новых SKU нечем, времени физически не остаётся.
Цель — выйти за полгода на 50–60 активных SKU на двух площадках (Ozon + Wildberries), сохранив прежнюю занятость или увеличив её максимум на час в день. Найм сотрудника не рассматривается по двум причинам: оборот пока не оправдывает зарплату, а контроль за нанятым человеком отъест те же часы, которые экономит.
Установка ИИ-команды
Команда из семи агентов, доступ через Telegram-бота. Установка — один вечер. С первого дня агенты получают доступ к Seller API Ozon, через две недели подключается WB-аккаунт.
Уже в первую неделю меняется характер утренней работы. Раньше отчёт по продажам собирался руками минут сорок — открывались несколько отчётов в кабинете, цифры сводились в Excel. Теперь analytics-агент за 30 секунд выдаёт сводку в чат: оборот, маржа по SKU, тревожные сигналы. Освободившиеся 30–40 минут с первого дня уходят в стратегические задачи — оценку ниш для расширения.
Месяцы 1–2: подготовка ассортимента и второй площадки
Первая задача — найти 15–20 кандидатов на новые SKU. Раньше это была работа на пару недель: открывать MPStats, искать ниши по фильтрам, перебирать сезонные тренды, сравнивать конкурентов. ИИ-агент niche-analyst делает это за вечер. На входе — текущий ассортимент и категория. На выходе — 25 потенциальных SKU с оценкой ёмкости рынка, средней маржи в нише, конкуренции и стартовой стоимости запуска.
Из 25 кандидатов селлер вручную отбирает 12 — те, которые подходят под текущего поставщика, имеют адекватные сроки доставки и подходят логистически. По каждому отобранному SKU агент unit-economist считает экономику до закупки: какая нужна цена, какая минимальная партия для теста, какой ДРР заложить, через сколько недель окупится.
Параллельно запускается аккаунт на WB. Существующие 10 SKU копируются туда не механически — content-writer переписывает карточки под особенности WB: короче описания, другие ключи, перестроенная инфографика. На это уходит примерно неделя при загрузке 1,5–2 часа в день. Без агента это было бы 3–4 недели.
К концу второго месяца на Ozon 10 старых + 8 новых SKU, на WB 10 SKU (только перенесённые). Оборот на Ozon вырос на 25–35%, WB ещё в раскачке — 50–80 тысяч в первый полный месяц.
Месяцы 3–4: масштабирование и автоматизация рутины
К третьему месяцу становится очевидно, какие из новых SKU зашли, а какие нет. Из 8 новинок успешными оказываются 5 (типичная пропорция), две дают средний результат, одна признаётся провальной и сворачивается. Под успешные пять SKU делается вторая партия большего размера и одновременно запускаются версии на WB.
Главное изменение этих месяцев — рутина перестаёт расти пропорционально количеству SKU. Раньше каждый новый SKU добавлял примерно 10–15 минут ежедневной работы (отзывы, вопросы, корректировка ставок). С агентами это превращается в 2–3 минуты на SKU: review-responder сам отвечает на типовые отзывы, qa-agent закрывает 70% вопросов покупателей, ad-manager корректирует ставки в рамках заданных рамок.
Освободившееся время — снова в стратегию. Запускается второй пакет новинок (ещё 10 SKU), плюс расширяется реклама на самых маржинальных позициях. Stock-keeper следит за остатками на двух площадках одновременно и предупреждает, когда какой-то SKU выйдет в OOS через 7–10 дней — раньше это упускалось, и карточки регулярно «умирали» из-за пустого склада.
К концу четвёртого месяца: на Ozon 23 SKU, на WB 18 SKU. Оборот суммарный в диапазоне 1,1–1,4 млн в месяц. Маржа выросла до 18–22% за счёт более тщательного расчёта юнитки до закупки и снижения процента провальных запусков.
Месяцы 5–6: добор до целевых 60 SKU
Последние два месяца — выход на целевой ассортимент. Запускается третья волна новинок (15 SKU), и активно догоняется ассортимент на WB — карточки переносятся быстрее, потому что отлажен конвейер.
К концу шестого месяца на Ozon 32 SKU, на WB 28 SKU, итого 60 уникальных карточек на двух площадках. Оборот в диапазоне 2,2–2,8 млн в месяц при сохранении средней маржи 18–22%. Время селлера на ежедневную работу — около трёх часов в день (плюс час против исходной точки, но при шестикратном росте ассортимента и пятикратном росте оборота).
Что важно — структура времени поменялась. Если раньше из трёх часов 2,5 уходило в рутину и 0,5 в стратегию, то теперь 1 час на рутину (то, что не может или не должна автоматика — переговоры с поставщиком, решение спорных кейсов, разбор сложных возвратов) и 2 часа на стратегию: анализ новых ниш, контроль рекламы, работа над собственным брендом.
Где конкретно ИИ-команда сняла узкие места
Если разложить, какие именно функции ИИ-агентов сделали этот рост возможным, получится четыре блока.
Оценка ниш для новинок. До команды селлер запускал в среднем 1 новый SKU в 2–3 месяца — потому что отбор и расчёт юнитки съедали недели. С агентами темп вышел на 3–5 SKU в месяц без увеличения личной нагрузки. Из них выживает по-прежнему около 60%, но в абсолютных числах это уже не 1 успешный SKU в квартал, а 8–12.
Переиспользование карточек. Перенос Ozon-карточки на WB без агента — это полдня работы на одну карточку. С content-writer-агентом — 15–20 минут на проверку и правки. На 30 переносов это разница в неделю vs два месяца чистого времени.
Контроль остатков и поставок. На 60 SKU между двумя площадками невозможно вручную отслеживать, что вот-вот закончится. Stock-keeper делает это автоматически, и за полгода ни один важный SKU не ушёл в OOS дольше чем на 2–3 дня. Это сохраняет ранжирование и избегает повторного раскачивания мёртвых карточек.
Юнитка для каждого SKU. Главный фактор сохранения маржи. До команды юнитка считалась раз в квартал, и часть товаров незаметно уходила в убыток (особенно на WB, где комиссии чуть другие). С unit-economist-агентом каждый SKU пересчитывается еженедельно, и если экономика портится — селлер видит это в первый же понедельник, а не через три месяца на квартальной ревизии.
Расширение рекламы. На 10 SKU реклама ведётся вручную. На 60 это невозможно — слишком много кампаний, ставок, ключей. Ad-manager-агент держит ставки в заданном коридоре по ДРР, выключает кампании, которые в минусе, и предупреждает о просадках. Селлер участвует только в стратегических решениях: какие SKU продвигаем агрессивно, какие держим на органике.
Чего ИИ-команда не сделала
Важно понимать, что осталось зоной личного решения. Поставщики, договоры, закупки, дизайн собственного бренда, выбор стратегии на сезон, реакция на нестандартные ситуации (штрафы, споры с площадкой, претензии покупателей с реальной проблемой) — всё это по-прежнему делает селлер. Команда не заменяет владельца, она снимает рутину и часть аналитики, без которых невозможно вырасти в шесть раз за полгода с одним человеком у штурвала.
Главный итог не в цифрах оборота, а в изменении ограничения. До команды узким горлышком было время селлера, и любой рост означал либо найм, либо выгорание. После — узким горлышком стали закупки, поставщики и денежный поток, то есть нормальные предпринимательские задачи, а не операционка.