Нейросеть пишет карточку за минуту. Почему команда магазина всё равно не успевает
Тексты действительно появляются быстро. Но через неделю часть товаров всё ещё не опубликована. Менеджеры уточняют характеристики, исправляют описания, ищут фотографии и переносят информацию в каталог.
Что произошло? Написание текста ускорили. Остальная работа осталась прежней, а местами её стало больше.
Разберём, как понять, где ИИ экономит время интернет-магазина, а где просто добавляет ещё один этап.
Быстрый ответ нейросети — ещё не готовая карточка
Посмотрим, из чего складывается работа с новым товаром.
Сначала сотрудник получает данные поставщика. Затем сопоставляет артикулы, проверяет характеристики, подбирает фотографии, готовит описание, заполняет поля на сайте и проверяет результат.
Нейросеть может помочь с частью этих действий. Но если измерять только скорость генерации, легко переоценить пользу.
Допустим, раньше сотрудник тратил на описание пять минут. Теперь получает черновик за минуту. Кажется, работа ускорилась в пять раз.
Однако полная подготовка карточки могла занимать 20 минут. Если остальные этапы остались прежними, а проверка текста добавила две минуты, готовая карточка теперь требует 18 минут. Экономия есть, но она гораздо скромнее, чем обещает демонстрация генератора.
Поэтому первый вопрос перед внедрением: сколько времени проходит от получения данных до результата, которым уже можно пользоваться?
Для карточки это публикация проверенной информации. Для отчёта — проверенные расчёты. Для ответа покупателю — точная информация, которую можно отправить без дополнительных уточнений.
Три места, где исчезает экономия
1. Сотрудники заново собирают исходные данные
В прайсе указаны название и цена. Размеры лежат в отдельном файле. Комплектацию нужно уточнить у поставщика. Условия гарантии остались в переписке.
Чтобы дать нейросети хорошее задание, менеджер сначала собирает всё это вручную. Если такую подготовку повторяют для каждого товара, скорость генерации мало влияет на общую загрузку команды.
Здесь стоит измерить время поиска информации отдельно. Возможно, полезнее сначала договориться с поставщиком о единой таблице характеристик или наладить загрузку уже имеющихся данных.
ИИ можно поручить подготовить перечень пропусков. Но отсутствующие размеры или состав материала всё равно придётся получить из надёжного источника.
2. Правдоподобные формулировки приходится проверять
Поставщик сообщил, что рюкзак изготовлен из полиэстера. В описании появились «водонепроницаемая ткань» и «усиленная защита ноутбука».
Текст выглядит убедительно, но подтверждений этим свойствам нет. Сотрудник должен заметить добавления и исправить их до публикации.
Поэтому в задание полезно включить два требования: использовать только предоставленные сведения и отдельно перечислять недостающие данные.
Проверка всё равно нужна. Зато сотруднику проще оценить результат, когда характеристики представлены явно, а пробелы вынесены в отдельный список.
3. Готовый текст приходится вручную переносить в систему
Нейросеть подготовила описание, характеристики и метаданные. Теперь менеджер копирует их по разным полям, выбирает категорию, проверяет форматирование.
При большом ассортименте перенос может занимать больше времени, чем само написание.
В такой ситуации стоит проверить, есть ли в платформе подходящий импорт или модуль, какие поля он поддерживает и как связывает данные с товарами. Пользу даст сокращение всей последовательности действий — от файла поставщика до проверенной карточки.
Посчитайте время на всю работу
Для первого расчёта достаточно сравнить одинаковые по сложности задачи: например, подготовку карточек одной категории с похожей полнотой исходных данных.
Ниже — условный пример. Эти цифры иллюстрируют способ расчёта, а не результаты реального магазина.
Дальше нужно сопоставить её с расходами на сервис, подключение и поддержку. Если настройка требует участия разработчика, его работу тоже нужно учесть. При этом разовые затраты на запуск и ежемесячные расходы лучше считать отдельно.
Высвободившиеся часы можно направить на другие задачи. Но сами по себе они ещё не означают сокращения денежных расходов: это зависит от того, как устроена работа команды.
Чтобы провести такую проверку в своём магазине, можно использовать руководство CS-Cart по выбору первой задачи для ИИ. В нём есть таблица выбора задачи, готовые задания для помощника и план проверки на семь дней. Руководство бесплатное (для получения PDF потребуется заполнить форму).
Возможно, начинать нужно с другой задачи
Генерация описаний выглядит наглядно: был пустой экран — появился текст. Но первая задача для ИИ может находиться в другом месте.
Например, сотрудник каждую неделю собирает один и тот же отчёт. Выгрузки уже есть, правила расчёта известны, прошлый отчёт можно использовать для сравнения. Здесь проще проверить, сэкономил ли помощник время и совпали ли цифры.
Или менеджер регулярно ищет товары без обязательных характеристик. Тогда полезным первым результатом станет список артикулов и пропусков, который можно сверить с каталогом.
Для выбора задайте четыре вопроса:
- Как часто возникает эта работа?
- Есть ли для неё достаточно надёжных данных?
- Кто сможет проверить результат?
- По какому показателю будет понятно, что стало лучше?
Если ответы конкретные, задачу можно готовить к проверке. Если команда пока не договорилась, что считать выполненным заказом или где хранится актуальная комплектация, сначала придётся разобраться с этими вопросами.
Как проверить пользу на небольшой партии
Выберите одну категорию и несколько десятков товаров с разными исходными данными: полными характеристиками, пропусками, неоднозначными названиями.
Сначала зафиксируйте обычный порядок работы. Запишите время на подготовку данных, написание, проверку и публикацию. Определите, какие ошибки недопустимы.
Затем выполните сопоставимую работу с ИИ. Для каждого товара отметьте:
- сколько заняла вся подготовка;
- какие сведения пришлось исправить;
- что пришлось запросить дополнительно;
- можно ли было опубликовать результат после обычной проверки.
Не ограничивайтесь одним удачным примером. Полезно увидеть, что происходит с неудобными товарами, на которых сотрудники обычно задерживаются.
По итогам возможны три решения.
Использовать дальше, если время сократилось, качество устраивает, а расходы оправданы.
Доработать процесс, если польза есть, но её съедают подготовка данных или ручной перенос.
Отказаться от этой задачи, если проверка и исправления занимают столько же времени, сколько прежняя работа.
Каждый из этих результатов помогает принять решение до масштабного внедрения.
Если карточки готовят продавцы маркетплейса
У площадки появляется дополнительная задача: договориться о единых требованиях к данным.
Один продавец указывает размеры в сантиметрах, другой — в миллиметрах. Кто-то подробно описывает комплектацию, а кто-то ограничивается названием. Генерация текстов сама по себе не устранит эти различия.
Перед проверкой ИИ стоит определить обязательные поля для категории, единицы измерения и порядок работы с неподтверждёнными свойствами. Затем назначить ответственного за проверку.
Иначе площадка рискует быстрее получать больше материалов, которые модераторам всё равно придётся возвращать продавцам.
Начать можно с одной категории и небольшой группы продавцов. Такой объём позволит увидеть, сокращается ли время подготовки карточек и сколько работы остаётся у команды площадки.
Что изменить уже на этой неделе
Попросите сотрудника показать путь одного товара: от сообщения поставщика до публикации на сайте. Зафиксируйте, где он ищет информацию, что переписывает, какие сведения проверяет и куда переносит результат.
После этого выберите один повторяющийся этап для проверки с ИИ. Заранее определите, какой результат вас устроит и кто его оценит.
Вопрос для первого эксперимента можно сформулировать так: «Сможем ли мы готовить проверенную карточку быстрее, сохранив точность характеристик?»
На него можно ответить за ограниченное время и с понятными затратами. А затем решить, стоит ли расширять использование ИИ на другие товары и задачи.