Поставщик прислал новый прайс. В нем другие названия столбцов, часть товаров сменила артикулы, у части позиций выросла цена. Параллельно в мессенджере висят несколько одинаковых вопросов о сроках доставки, а в каталоге ждут описания товары, которые завезли еще на прошлой неделе. Ничего сложного в этой работе нет. Сложность в том, что она повторяется каждый день и съедает время, которое хотелось бы потратить на закупки, рекламу или хотя бы на обед.
Нейросети с такой рутиной действительно помогают. Но если отдать им магазин целиком, в каталоге рано или поздно появится что-нибудь, чего у вас никогда не было в наличии. Поэтому я разбираю автоматизацию по процессам: что именно можно поручить ИИ, в каком месте нужна проверка человека и с чего разумно начинать.
Какие процессы магазина повторяются каждый день
Если разложить работу небольшого магазина на операции, большая часть окажется работой с данными. Товар приходит от поставщика строкой в таблице. Его нужно привести к формату каталога, дописать характеристики, сочинить описание, подобрать раздел. Потом цены и остатки меняются, и все это надо обновить. Параллельно покупатели задают вопросы и оставляют заявки, которые нужно разобрать и передать дальше.
Каждая такая операция по отдельности занимает немного времени. Вместе они складываются в рабочий день. Именно здесь у нейросетей сильная сторона: они быстро обрабатывают однотипный текст и таблицы. Слабая сторона тоже понятна: модель не знает, что у вас лежит на складе, и уверенно заполнит пробел правдоподобной догадкой.
Отсюда простое правило, на котором держится вся статья. ИИ готовит, человек подтверждает, публикация идет отдельным шагом. Чем дороже ошибка для покупателя, тем ближе к ней должна стоять проверка.
Поток данных в магазине обычно выглядит так:
- Таблица поставщика или ваша собственная таблица в Google Sheets.
- Обработка: нейросеть приводит данные к единому виду, дописывает тексты и раскладывает товары по разделам.
- Проверка: человек просматривает изменения, сравнивает с источником, отмечает спорное.
- Каталог: подтвержденные данные загружаются в магазин.
- Покупатель видит карточку товара, цену и наличие.
Ниже пройду по каждому звену.
Товарные данные: от таблицы поставщика к каталогу
Самый частый источник хаоса — разные форматы. У одного поставщика цвет записан отдельным столбцом, у другого спрятан в названии, у третьего характеристики слиты в одну строку через запятую. Сопоставлять это вручную скучно и долго, а ошибки потом всплывают в фильтрах каталога.
Нейросеть хорошо справляется с переносом данных из одного формата в другой. Ей можно дать таблицу поставщика и описание нужной структуры, и она разнесет значения по столбцам, приведет единицы измерения к одному виду и отметит строки, где данных не хватает. Главное условие: в задании нужно прямо запретить заполнять пустые поля догадками. Пусть лучше оставит ячейку пустой и поставит пометку, чем допишет «хлопок 100%» товару, состав которого вы не знаете.
Результатом такой обработки удобно сделать таблицу для импорта. У Tilda, например, в справке описан импорт и экспорт товаров в форматах CSV и YML: перед загрузкой столбцы файла можно сопоставить с полями каталога, а столбцы, которые Tilda не использует, будут проигнорированы. В CSV-файлах в качестве разделителя используется точка с запятой, максимальный размер файла для импорта — 50 МБ.
Если вы собираете магазин с нуля, порядок такой: сначала договориться о структуре данных, потом подключать нейросети. При разработке интернет-магазина я начинаю с того, какие поля будут у карточки и какие из них нужны для фильтров. Под эту схему потом и настраивается обработка.
Описания и характеристики товаров
Описания — то, что чаще всего первым отдают нейросетям, и это разумно. Модель быстро пишет связный текст по характеристикам, умеет держать единый тон и не устает на сотой карточке.
Риски тоже предсказуемы. Если характеристик мало, нейросеть начинает додумывать: появляются свойства, которых у товара нет, и обещания, которые вы не готовы выполнять. Если шаблон задания слишком жесткий, описания выходят одинаковыми, и в каталоге это заметно с первого взгляда.
Поэтому на входе у нейросети должна быть таблица с фактами о товаре, на выходе — текст, в котором нет ничего сверх этих фактов. Проверять стоит выборочно, но регулярно, и особенно внимательно — все, что касается состава, размеров, совместимости и условий использования.
Обновление каталога: цены, наличие, новые позиции
Обновление цен и остатков выглядит самой простой задачей для автоматизации. Формально так и есть: взять новые значения и подставить их в нужные строки. На практике именно здесь ошибка стоит дороже всего, потому что покупатель видит ее сразу.
Нейросеть здесь полезна как сверщик. Она может сравнить новый прайс с текущим каталогом и собрать список изменений: у каких товаров изменилась цена, какие исчезли из прайса, какие появились впервые. Такой список удобно просмотреть глазами до загрузки. Если цена товара вдруг выросла в разы, скорее всего, где-то сдвинулся столбец, и лучше заметить это в таблице, чем в претензии покупателя.
Сама загрузка обновлений может идти через импорт. В справке Tilda описано обновление данных каталога через CSV: выгрузить текущий файл, внести изменения, например в Google Sheets, и импортировать обратно с отметкой, что товары нужно только обновить, не создавая новых.
Есть и более прямой путь. У Tilda есть MCP-сервер, через который ИИ-агент может работать с проектом: по справке, добавлять товары в Каталог, создавать посты в Потоках и страницы. Подключение доступно на тарифах Personal и Business, а для каждого агента создается свой ключ с полным или ограниченным доступом. Это удобно, но и ответственность выше: агент меняет данные в самом магазине, без промежуточной таблицы. Как ограничивать такой доступ, я подробно писала в статье про MCP Tilda, поэтому здесь не повторяю.
Если магазин работает на Тильде, такие сценарии настраиваются в рамках интернет-магазина на Tilda: от структуры каталога до того, кто и как подтверждает массовые изменения.
Ответы покупателям и обработка заявок
Повторяющиеся вопросы покупателей — еще одна понятная зона для ИИ. Сроки доставки, способы оплаты, наличие размера, условия возврата: ответы на них уже есть в ваших правилах, и нейросеть может быстро подобрать нужный.
Здесь важно, откуда модель берет ответ. Если у нее есть база знаний — правила доставки, оплаты, возврата, актуальные данные о наличии, — ответы будут опираться на факты. Если базы нет, модель ответит «как обычно бывает», а у вас может быть совсем не как обычно. Особенно аккуратно стоит обходиться со всем, что похоже на обещание: срок, скидка, гарантия.
С заявками схема похожая. Нейросеть может разобрать текст заявки, определить, о каком товаре речь, и разложить данные по полям перед отправкой в CRM или в таблицу Google Sheets. Отдельно нужно решить, что делать, когда модель не уверена: заявка с непонятным товаром должна попасть к человеку, в случайную категорию ее лучше не отправлять.
Что не стоит передавать ИИ без проверки
Чтобы не держать это в голове, я свела процессы в одну таблицу. Это ориентир: в вашем магазине границы могут проходить иначе.
| Процесс | Что делает ИИ | Что проверяет человек | Риск ошибки |
|---|---|---|---|
| Перенос данных из таблицы поставщика | Разносит значения по столбцам, приводит к единому виду | Выборочно сверяет с исходником, смотрит пустые поля | Додуманные характеристики |
| Описания товаров | Пишет текст по характеристикам | Состав, размеры, совместимость, обещания | Свойства, которых нет у товара |
| Распределение по разделам | Предлагает раздел по названию и характеристикам | Спорные и новые товары | Товар в чужом разделе и фильтре |
| Обновление цен | Собирает список изменений | Резкие скачки и пропавшие позиции | Неверная цена на витрине |
| Обновление наличия | Сверяет остатки с каталогом | Товары, которые ушли в ноль | Заказ на то, чего нет |
| Ответы покупателям | Подбирает ответ из базы знаний | Ответы про сроки, скидки, гарантии | Обещание, которое магазин не выполнит |
| Разбор заявок | Раскладывает данные по полям CRM | Заявки с низкой уверенностью | Потерянная или неверно разобранная заявка |
| Публикация изменений | Готовит изменения | Подтверждает публикацию | Ошибка сразу видна покупателям |
Последняя строка самая важная. Публикацию я бы оставляла за человеком почти всегда, даже если все остальное автоматизировано. Спецификация MCP, протокола, через который ИИ-агенты подключаются к внешним сервисам, на этот счет высказывается прямо: в целях безопасности в цепочке всегда следует оставлять человека, который может отклонить вызов инструмента. Приложениям рекомендуют запрашивать подтверждение перед операциями и вести журнал вызовов.
Журнал изменений полезен и без всякого протокола. Когда видно, что, когда и по чьей команде поменялось, ошибку можно быстро найти и откатить. Без журнала остается гадать, почему у половины каталога вдруг исчезли старые цены.
С чего начать автоматизацию: порядок шагов
Начинать с нейросетей обычно рано. Сначала нужен порядок в данных, иначе ИИ просто быстрее размножит существующий беспорядок.
Порядок, который я считаю разумным:
- Собрать товарные данные в одном месте — в одной таблице или в каталоге.Три файла и переписка в мессенджере таким местом не считаются.
- Договориться о структуре: какие поля обязательны, как называются разделы, в каких единицах записаны размеры и вес.
- Выбрать один процесс, где ошибка дешевле всего, например черновики описаний для новых товаров.
- Описать задание для нейросети и проверить его на небольшой выборке.
- Назначить, кто подтверждает результат и публикацию.
- Только после этого переходить к процессам, где ошибка заметнее: цены, наличие, ответы покупателям.
Отдельный вопрос — во что это обходится. На странице услуг автоматизация процессов, включая подключение ИИ-инструментов, указана отдельным фактором стоимости. Это честная часть сметы: скрипты, настройка сценариев и проверочные шаги требуют работы. Если сценарий выходит за рамки стандартного импорта, его разумно рассматривать как нестандартную задачу и оценивать отдельно.
Чек-лист готовности магазина к автоматизации
Прежде чем подключать нейросети, пройдитесь по списку:
- Товарные данные лежат в одном месте, и понятно, какая версия актуальная.
- Названия разделов каталога понятные и не пересекаются по смыслу.
- У товаров заполнены характеристики, нужные для фильтров и описаний.
- Структура таблицы зафиксирована: обязательные поля, единицы измерения, формат артикулов.
- Есть правила доставки, оплаты и возврата, на которые можно опереться в ответах покупателям.
- Определено, что делать с данными, в которых нейросеть не уверена.
- Назначен человек, который подтверждает публикацию изменений.
- Изменения можно посмотреть до публикации и откатить после.
Если большинство пунктов уже выполнено, автоматизация пойдет спокойно. Если нет, начать стоит с них: это полезно магазину и без всяких нейросетей.
Если хотите понять, какие процессы в вашем магазине имеет смысл автоматизировать в первую очередь, пройдите квиз на сайте. Я посмотрю на задачу и предложу порядок работ.