Создать контент для 55 карточек за день, определить выгодные ставки в рекламе и продать платьев на 400 000 Р. Искусственный интеллект ускоряет выполнение задач, но не сделает всё за вас. В формате мини-кейсов рассказываем, как увеличить прибыль с помощью ИИ, полезных алгоритмов маркетплейсов и внешних сервисов.
Полная версия статьи на VC
Проблематика
Любой маркетплейс ― это экосистема, в которой искусственный интеллект играет важную роль. Алгоритмы анализируют множество факторов для ранжирования товара в поисковой выдаче, поведение покупателей ― для создания персонализированных предложений. Селлерам AI подсказывает, куда лучше сделать следующую поставку и в каком количестве, составляет рекомендации по ценообразованию и позволяет автоматизировать рекламные кампании.
Кроме того, селлер может использовать внешние сервисы, работа которых тоже основана на использовании искусственного интеллекта, а также нейросети для генерации контента. Если делать это с умом, вы получите преимущество перед конкурентами и быстрее адаптируетесь к изменениям на рынке. Но полностью полагаться на алгоритмы опасно…
Кроме того, селлер может использовать внешние сервисы, работа которых тоже основана на использовании искусственного интеллекта, а также нейросети для генерации контента. Если делать это с умом, вы получите преимущество перед конкурентами и быстрее адаптируетесь к изменениям на рынке. Но полностью полагаться на алгоритмы опасно…
Задачи
Расскажем, как решить бизнес-задачи селлеров за счет использования умных алгоритмов трех типов:
- Собственно нейросетей.
- Алгоритмов маркетплейсов.
- Внешних сервисов со встроенным искусственным интеллектом.
Что сделали
Продавец материалов для маникюра за день подготовил описания и тезисы для инфографики 55 товаров
Проблема: продавцу материалов для маникюра нужно как можно скорее подготовить описания и УТП для инфографики, чтобы начать продажи новых товаров. Ассортимент пополнился сразу 55 позициями, готовить контент вручную займет примерно две недели ― это долго.
Решение: мы использовали нейросети, чтобы выделить и подсветить активные компоненты в составе продукта, а не искать в интернете информацию о каждом из них. Вводили запрос о том, чем полезен ингредиент, и получали готовый ответ.
Еще сгенерировали необычные формулировки для описаний товаров, чтобы отстроиться от конкурентов. Например, другие селлеры указывали в описаниях гель-лаков одни и те же свойства: плотное покрытие, не затекает в боковые валики и под кутикулу, а оттенки описывали парой-тройкой синонимов.
Решили усилить эмоциональный посыл. Плюсом к УТП и преимуществам, которые тоже включили в воронку, попросили нейросеть составить креативное и цепляющее описание коллекции гель-лаков.
Результат: всего за один день мы подготовили продающий контент для 55 товаров, сократив время минимум в 10 раз. Сразу запустили продажи и настроили рекламу на карточки.
Решение: мы использовали нейросети, чтобы выделить и подсветить активные компоненты в составе продукта, а не искать в интернете информацию о каждом из них. Вводили запрос о том, чем полезен ингредиент, и получали готовый ответ.
Еще сгенерировали необычные формулировки для описаний товаров, чтобы отстроиться от конкурентов. Например, другие селлеры указывали в описаниях гель-лаков одни и те же свойства: плотное покрытие, не затекает в боковые валики и под кутикулу, а оттенки описывали парой-тройкой синонимов.
Решили усилить эмоциональный посыл. Плюсом к УТП и преимуществам, которые тоже включили в воронку, попросили нейросеть составить креативное и цепляющее описание коллекции гель-лаков.
Результат: всего за один день мы подготовили продающий контент для 55 товаров, сократив время минимум в 10 раз. Сразу запустили продажи и настроили рекламу на карточки.
Магазин косметики не мог провести фотосъемку товаров. Сгенерировали изображения с фоном в редакторе ЯМ совершенно бесплатно
Проблема: у магазина косметики были изображения самих товаров, но не было ресурсов, чтобы организовать предметную съемку с красивыми фонами для карточек на Яндекс Маркете.
Решение: стали генерировать изображения во встроенном редакторе маркетплейса YandexArt. Сначала загрузили фото товаров на темном фоне. Получилось не очень: нейросеть не смогла органично вписать предметы в сгенерированное изображение, на коробках появились зеленые блики. Тогда использовали фото другого товара на светлом фоне. Результат оказался лучше.
Результат: ИИ помог селлеру получить качественные иллюстрации за короткий срок, за который невозможно организовать, провести съемку, выбрать и обработать фотографии. При этом он не оплачивал фотосессию.
Решение: стали генерировать изображения во встроенном редакторе маркетплейса YandexArt. Сначала загрузили фото товаров на темном фоне. Получилось не очень: нейросеть не смогла органично вписать предметы в сгенерированное изображение, на коробках появились зеленые блики. Тогда использовали фото другого товара на светлом фоне. Результат оказался лучше.
Результат: ИИ помог селлеру получить качественные иллюстрации за короткий срок, за который невозможно организовать, провести съемку, выбрать и обработать фотографии. При этом он не оплачивал фотосессию.
Отговорили селлера запускать продажи женских брюк и спасли от слива бюджета. Помогла аналитика
Проблема: селлер производит и продает на Wildberries горнолыжную одежду, а хочет запустить в продажу еще и новую категорию ― классические женские брюки для офиса. Товар популярный, но сойдется ли экономика?
Решение: проанализировали через сервис MarketGuru категорию женских брюк. Учли частотность запросов, цены на продукцию, конкуренцию и объемы продаж у других игроков.
Увидели ярко выраженную сезонность. Пик спроса приходится на август, когда покупатели начинают готовиться к школе или подбирают одежду в офис. С сентября до ноября продажи падают, так как покупка легких моделей становится неактуальной, а для более теплых сезон еще не наступил.
Еще обнаружили высокий уровень конкуренции: в категории женских брюк 202 806 товаров и почти 2000 брендов. Средняя цена брюк ― 2000 рублей.
Результат: мы не рекомендовали запускать продажи. Будет трудно выделиться на фоне 2000 брендов, особенно если нет явных УТП, которые могли бы зацепить целевую аудиторию. Продвигаться тоже будет сложно: селлер рискует слить весь бюджет и не получить прибыль. Средняя цена брюк в категории достаточно низкая и оставляет мало возможностей для маневров.
Решение: проанализировали через сервис MarketGuru категорию женских брюк. Учли частотность запросов, цены на продукцию, конкуренцию и объемы продаж у других игроков.
Увидели ярко выраженную сезонность. Пик спроса приходится на август, когда покупатели начинают готовиться к школе или подбирают одежду в офис. С сентября до ноября продажи падают, так как покупка легких моделей становится неактуальной, а для более теплых сезон еще не наступил.
Еще обнаружили высокий уровень конкуренции: в категории женских брюк 202 806 товаров и почти 2000 брендов. Средняя цена брюк ― 2000 рублей.
Результат: мы не рекомендовали запускать продажи. Будет трудно выделиться на фоне 2000 брендов, особенно если нет явных УТП, которые могли бы зацепить целевую аудиторию. Продвигаться тоже будет сложно: селлер рискует слить весь бюджет и не получить прибыль. Средняя цена брюк в категории достаточно низкая и оставляет мало возможностей для маневров.
Реклама платьев на WB была убыточна. Использовали автобиддер и за месяц продали на 400 000 руб. с долей рекламных расходов 12%
Проблема: селлер продвигал платья на Wildberries, но реклама была убыточной: продажи на 200 000 руб., ДРР достигает 38%. С учетом себестоимости товаров и расходов прибыли практически не оставалось.
Решение: проанализировали показатели и увидели, что автоматические ставки в рекламных кампаниях слишком высоки. При средней цене платья в 4000 рублей реклама не окупается.
Проанализировали ставки с помощью автобиддера MarketGuru. Этот инструмент работает по тому же принципу, что и автоматическая РК, но отличие в том, что можно задать максимальную стоимость ставки и желаемую позицию в поисковой выдаче. AI опирается на эти значения и подбирает оптимальную ставку. Мы учли рекомендации биддера и настроили параметры кампании так, чтобы ДРР не превышал 10-15%.
Результат: за месяц получили 98 заказов на общую сумму 389 312 рублей. При этом больше половины выручки, или 220 тыс. рублей, принесли так называемые ассоциированные конверсии — покупки других платьев после перехода в карточку продвигаемого товара. За них деньги из бюджета кампании не списываются. ДРР снизился в 3 раза с 38% до 12%, что позволяет селлеру сохранять достаточную прибыльность продаж.
Решение: проанализировали показатели и увидели, что автоматические ставки в рекламных кампаниях слишком высоки. При средней цене платья в 4000 рублей реклама не окупается.
Проанализировали ставки с помощью автобиддера MarketGuru. Этот инструмент работает по тому же принципу, что и автоматическая РК, но отличие в том, что можно задать максимальную стоимость ставки и желаемую позицию в поисковой выдаче. AI опирается на эти значения и подбирает оптимальную ставку. Мы учли рекомендации биддера и настроили параметры кампании так, чтобы ДРР не превышал 10-15%.
Результат: за месяц получили 98 заказов на общую сумму 389 312 рублей. При этом больше половины выручки, или 220 тыс. рублей, принесли так называемые ассоциированные конверсии — покупки других платьев после перехода в карточку продвигаемого товара. За них деньги из бюджета кампании не списываются. ДРР снизился в 3 раза с 38% до 12%, что позволяет селлеру сохранять достаточную прибыльность продаж.
Селлер запускал продажи термосов. Быстро изучили конкурентов и определили выгодные цены для товаров
Проблема: селлер выводил на Wildberries и Ozon термосы. Нужно было рассчитать цены так, чтобы и не зарубить продажи, и получить прибыль.
Решение: с помощью сервиса Mpstats мы проанализировали ценовую политику в нише и определили наиболее актуальную цену на каждом маркетплейсе.
Распределение продаж и выручки по сегментам на WB показывает, что лучше всего продаются термосы с ценой от 1133 до 1284 руб., а также от 1335 до 1563 рублей. На Ozon самая топовая группа — термосы со стоимостью от 1016 до 1524 рубля.
Результат: мы рассчитали экономику и установили цены на Wildberries на уровне начала второго сегмента — 1389 руб., на Ozon — ближе к верхней границе, 1439 рублей. Таким образом мы дали сигнал WB, что на этом маркетплейсе термос дешевле, чем на Ozon, а значит, больше шансов на повышение позиций карточки в выдаче.
Решение: с помощью сервиса Mpstats мы проанализировали ценовую политику в нише и определили наиболее актуальную цену на каждом маркетплейсе.
Распределение продаж и выручки по сегментам на WB показывает, что лучше всего продаются термосы с ценой от 1133 до 1284 руб., а также от 1335 до 1563 рублей. На Ozon самая топовая группа — термосы со стоимостью от 1016 до 1524 рубля.
Результат: мы рассчитали экономику и установили цены на Wildberries на уровне начала второго сегмента — 1389 руб., на Ozon — ближе к верхней границе, 1439 рублей. Таким образом мы дали сигнал WB, что на этом маркетплейсе термос дешевле, чем на Ozon, а значит, больше шансов на повышение позиций карточки в выдаче.
Селлер продавал женскую одежду больших размеров в центральной части России. Расширили географию поставок и увеличили выручку в 7 раз
Проблема: продавец женской одежды больших размеров недоволен выручкой на Ozon. Он продает товары в центральной части России, в основном в Москве. В другие регионы поставляет единицы позиций.
Решение: мы рассчитали количество товаров с учетом трех факторов — показатели воронки продаж, поведение пользователей и рекомендации Ozon по поставкам в кластеры. Площадка анализирует продажи товаров в каждом регионе и на основе этих данных рекомендует количество позиций к отгрузке. На практике получается, что если у товара есть хотя бы одна продажа в любом регионе, система автоматически рекомендует поставить туда одну единицу этой позиции.
Система предложила отгрузить 2 единицы на Восток и в дальние регионы. Мы учли советы по отгрузке в кластерах и грамотно распределили ассортимент по регионам.
Результат: выручка выросла в 7 раз — с 5148 до 35 675 рублей.
Решение: мы рассчитали количество товаров с учетом трех факторов — показатели воронки продаж, поведение пользователей и рекомендации Ozon по поставкам в кластеры. Площадка анализирует продажи товаров в каждом регионе и на основе этих данных рекомендует количество позиций к отгрузке. На практике получается, что если у товара есть хотя бы одна продажа в любом регионе, система автоматически рекомендует поставить туда одну единицу этой позиции.
Система предложила отгрузить 2 единицы на Восток и в дальние регионы. Мы учли советы по отгрузке в кластерах и грамотно распределили ассортимент по регионам.
Результат: выручка выросла в 7 раз — с 5148 до 35 675 рублей.
