ИИ для селлеров маркетплейсов: карточки, фото, отзывы, промпты

Селлеры используют нейросети для шести задач: тексты и характеристики карточек, поисковые фразы, визуал без студии, ответы на отзывы, анализ конкурентов и разбор возвратов. Это самая однообразная часть работы, и она сильнее всего растёт при расширении ассортимента. Главное правило одно: модель оформляет данные, а сами данные вы берёте из документов поставщика.

Карточка товара: описание и характеристики

Здесь важны полнота и точность, а не красота текста. Модель справляется, если дать ей исходные сведения: характеристики от поставщика, материалы, размеры, сценарии использования.

Ты составляешь карточку товара для маркетплейса.

Товар: [название, категория]
Характеристики от поставщика: [список как есть, без обработки]
Кто покупает: [аудитория и сценарий использования]

Сделай: заголовок до 100 знаков с главным запросом в начале,
описание до 2000 знаков с абзацами, список из 10 ключевых
характеристик, пять поисковых фраз.

Не добавляй свойств, которых нет в характеристиках.
Не пиши «высокое качество» и «идеальный выбор».
Если данных не хватает, задай вопрос.

Последние три строки принципиальны. Без них модель дополнит карточку несуществующими преимуществами, а это путь к возвратам и жалобам.

Было и стало: описание без исходных данных и с ними

Типовая ситуация: селлер пишет модели «сделай описание для льняного платья» и получает текст про «высокое качество», «стильный образ на каждый день» и «комфорт в любую погоду». Подставить его можно к любому платью, поэтому покупателю он ничего не сообщает.

Та же задача с исходными данными: состав ткани из документов поставщика, длина изделия, посадка, размерный ряд, рекомендации по уходу, для какого сезона. Теперь модель строит текст из фактов: что за ткань, как ведёт себя при стирке, на какой рост рассчитана длина. Такой текст проще проверить, и он снимает вопросы покупателя до заказа, а не после получения.

Правило: чем больше проверяемых фактов во входных данных, тем меньше модель обращается к собственным общим словам.

Как подобрать поисковые фразы под внутренний поиск площадки

Покупатель на маркетплейсе ищет короче и конкретнее, чем в Яндексе: не «летнее платье для отпуска», а «платье длинное лён». Нейросеть предложит варианты формулировок, но частотность знает только площадка, и проверять её нужно в аналитике продавца.

Товар: [название, категория]
Дай 15 коротких поисковых фраз (2-4 слова), которыми покупатель
может искать этот товар на маркетплейсе. Раздели на три группы:
по названию товара, по свойству (цвет, материал, размер),
по сценарию использования. Частотность не указывай.

В заголовок и первые строки описания идут только те фразы, которые подтвердила аналитика площадки.

Пошагово: одна карточка от данных до публикации

1. Соберите исходники. Документы поставщика, фото реального товара, размерная таблица. Результат: набор данных, которым можно доверять.
2. Прогоните промпт карточки. Результат: черновик заголовка, описания и характеристик.
3. Сверьте каждую цифру и свойство с документами. Результат: исправленный текст без выдуманных пунктов.
4. Подберите фразы и проверьте их в аналитике площадки. Результат: заголовок с реальными запросами.
5. Подготовьте визуал: реальные фото плюс фон и инфографика. Результат: комплект изображений, где товар выглядит как в жизни.
6. Задайте три типовых вопроса покупателя и подготовьте ответы. Результат: заготовки, которые снизят число обращений.

На одной карточке станет видно, где инструмент экономит время, а где мешает.

Визуал без фотостудии

Раньше комплект изображений означал студию, модель и ожидание обработки. Сейчас часть задач закрывается генерацией: предметные кадры на разном фоне, изображения в интерьере, инфографика с характеристиками, размерные сетки. Граница одна: товар должен выглядеть так, как выглядит в реальности. Генерировать можно фон и композицию, но не свойства. Покупатель, получивший не то, что видел, оставит отзыв, который перечеркнёт всю экономию.

Для линейки одежды или аксессуаров можно один раз собрать единый образ модели и использовать его во всех карточках, тогда линейка выглядит целостно. Сравнение подходов по вопросам, которые волнуют селлера:

Ответы на отзывы и вопросы

Однотипные ответы съедают вечера, а на негативе легко сорваться. Нейросеть готовит черновики: благодарность за положительный отзыв, разбор претензии, ответ на вопрос о размере. Человек проверяет и отправляет.

Вот отзыв покупателя: [текст отзыва]
Товар: [краткое описание]
Ситуация: [если знаете подоплёку: брак партии, ошибка в размерной сетке]

Напиши ответ: признать проблему, если она есть, объяснить без
оправданий, предложить решение. Без шаблонных фраз вроде
«приносим извинения за доставленные неудобства». До 500 знаков.

Типовая ошибка. Как делают: отправляют ответ модели без правки. Почему плохо: модель не знает, что реально случилось с заказом, и обещает то, чего вы не сделаете, например замену или возврат без условий. Как правильно: вписывать в промпт фактическую ситуацию и условия компании, а перед отправкой читать ответ глазами покупателя.

Что показывает разбор отзывов и возвратов

На массиве отзывов и обращений по возвратам модель группирует претензии по типовым причинам: размер, цвет, комплектация, брак, доставка. Дальше смотрите на соотношение. Если большая часть возвратов связана с ожиданиями, а не с браком, проблема в карточке: фото, описание или размерная сетка. Правка начинается там.

Вот 30 отзывов с низкой оценкой: [тексты].
Сгруппируй претензии по причинам. Для каждой группы укажи
число отзывов, типичную формулировку и что поменять:
в товаре, в описании, в фото или в упаковке.

Группировку стоит проверить вручную на нескольких отзывах, чтобы убедиться, что модель не смешала разные причины.

Какие задачи дают больше всего

Начинайте с первой строки: она проще всего проверяется и сразу видна в результатах карточки.

Анализ конкурентов

Карточки конкурентов собираются и анализируются: какие запросы стоят в заголовках, что вынесено в первые строки, какие характеристики подчёркнуты, на что жалуются их покупатели. Данные берутся с площадки, а не из памяти модели: ассортимента и цен она не знает. Результат анализа это список того, что стоит исправить у себя.

Массовое заполнение карточек

Когда появляется партия похожих товаров (одна модель в разных цветах и размерах), ручное заполнение превращается в однообразную работу. Помогает шаблон: структура описания задаётся один раз, меняются только характеристики позиции.

Вот образец хорошего описания для категории [категория]:
[вставить текст]. Заполни такой же структурой описание для товара:
[характеристики новой позиции]. Сохрани тон, длину и порядок блоков.

Однородные карточки лучше выглядят в каталоге, а вам проще проверять их по одной схеме.

Где ИИ ошибается

Выдумывает характеристики. Состав, вес, совместимость, гарантия: если сведений нет во входных данных, модель допишет правдоподобное. Для маркетплейса это возвраты, падение рейтинга и риск блокировки карточки.

Не знает цен и остатков. Любая аналитика строится на выгрузке с площадки.

Путается в размерных сетках. Особенно в одежде и обуви, где у каждого производителя своя таблица. Размеры переносите из документов поставщика вручную.

Не заменяет фото реального товара. Покупатель должен видеть то, что получит.

Как поддерживать библиотеку промптов

Библиотека живёт, пока её обновляют. Раз в месяц просматривайте ответы, которые пришлось сильно править вручную, и дописывайте в соответствующий промпт то ограничение, которого не хватило: запрет на обещание сроков, требование указывать размер по таблице поставщика, ограничение по длине. Так промпт со временем накапливает ваши правила, и объём ручной правки падает без дополнительного обучения команды. Отдельный файл на каждую категорию товаров удобнее одного общего: у одежды, электроники и товаров для дома разные требования к карточке.

Чек-лист перед публикацией

• Каждое свойство в тексте есть в документах поставщика.
• Размеры, вес и комплектация перенесены вручную и сверены.
• Фото показывает реальный товар, сгенерированы только фон и обстановка.
• В заголовке стоят фразы, подтверждённые аналитикой площадки.
• В описании нет обещаний, которые нельзя выполнить: гарантий, сроков, совместимости.

Как встроить это в команду

Если карточками и отзывами занимается несколько человек, разрозненные промпты быстро превращаются в хаос: у каждого своя формулировка и свои ошибки. Помогают общая библиотека промптов по категориям товаров и короткий регламент: что можно публиковать без проверки, а что обязательно смотрит второй человек (характеристики, размеры, совместимость). Логика внедрения та же, что и в любой компании: аудит ручных операций, одна повторяющаяся задача, обкатка, затем следующая. Если нужна помощь с этим процессом, посмотрите услуги по внедрению ИИ и программу корпоративного обучения ИИ.

Что дальше

Смежное: промпт, что это и как его писать, галлюцинации нейросети, описание товара нейросетью, нейросеть для фото товара, ответ на отзыв нейросетью, с чего начать внедрение ИИ в компанию.

Ярослав Сажнев — преподаватель ИИ в РАНХиГС, внедрение ИИ в компании. Подробнее об авторе