Маркетплейсы · Аналитика продаж

Прибыль по каждому SKU на трёх маркетплейсах со сверкой 0,00 %

Пять кабинетов на WB, Ozon и Яндекс Маркете свели в одну юнит-экономику по SKU. Расхождение с расчётом заказчика — 0,00 %, прогноз спроса в 2,7 раза точнее наивного.

Статус: В продакшене
Срок: ~2,5 месяца (две фазы)
Стек: Python / FastAPI
ClickHouse + PostgreSQL
LightGBM / XGBoost / scikit-learn
API Wildberries, Ozon, Яндекс Маркет
OpenAI API (function calling)
Docker / Traefik / GitHub Actions

Разобрать мою задачу Оценить эффект с AVA Все кейсы

Задача

Производитель товаров для дома продаёт через пять кабинетов на трёх маркетплейсах и не видел реальной прибыли по товару: отчёты площадок устроены по-разному, часть операций попадает в разные месяцы, реклама и расходы кабинета не доходили до SKU. Сверка в Excel занимала дни и всё равно расходилась. Нужен был один источник правды по прибыли, прогноз спроса для закупок и контроль переплат площадкам.

Что сделали

Свели данные пяти кабинетов в один конвейер: история за 12 месяцев, ежедневное обновление, восстановление после сбоев без потерь. Доступ к площадкам только на чтение — в кабинетах ничего не меняем.
Восстановили логику месячного отчёта площадки и сверили с ручным расчётом заказчика по дням и по товарам. Себестоимость подгружается из учётной системы файлом — по согласованию с заказчиком.
Прогноз спроса на 7–30 дней: несколько моделей соревнуются на отложенном периоде, в работу идёт победитель. Дообучение ежедневное, деградация отслеживается, метрика приёмки считается автоматически.
Сигналы о скором обнулении остатков и детектор трендов — со встроенным бэктестом на истории. Комиссии, логистика и хранение сверяются с тарифом площадки — готовая база для претензий.
Панель с ролями, ИИ-помощник по данным кабинетов, алерты в Telegram и на почту, еженедельный P&L. Приёмка по измеримым KPI, еженедельные демо, автотесты в CI.

Результат

0,00 %: расхождение с ручным расчётом заказчика по штукам, выручке, себестоимости, прибыли и марже на контрольном SKU за месяц; порог приёмки — 1 %
в 2,7 раза: точнее наивного прогноза: недельный WAPE по SKU с 80 % выручки — 29,6 % против 81,4 %. Цель 25 % пока не взята: история есть по 66,9 % SKU
1,18 млн строк: продаж по 5 кабинетам за 12 месяцев прошли через конвейер; 10,7 % из них — операции с заказом и начислением в разных месяцах
~7,5 % расходов: кабинета за месяц не попадали в отчёт по SKU (операции без артикула). Найдены и учтены в полном расходе; итог сошёлся до одной контрольной операции

Направления

Предиктивная аналитика: решения, которые считают, а не гадают

Прогнозирование · ML · Аналитика данных

Внедрение ИИ в бизнес: начинаем с процесса, а не с модели

Внедрение ИИ · Автоматизация процессов · Интеграция

Инфраструктура и DevOps: чтобы прод был предсказуемым

DevOps · Kubernetes · CI/CD · Наблюдаемость

Другие кейсы

Музыкальная индустрия · SaaS

MVP в эксплуатации (закрытый запуск)

Музыкальный релиз без потерянных дедлайнов

SaaS для артистов и малых лейблов: 9-стадийный цикл релиза, дедлайны 12 площадок, AI-черновики с подтверждением человеком. От нуля до production-контура за 7 недель.

7 недель: от первого коммита до production-контура с Vault, шифрованными бэкапами, SLO и переездом в РФ-ДЦ (265 коммитов)
16 дней: от старта разработки до инвесторской презентации с живым демо продукта

ИТ-консалтинг · Квалификация лидов

Внутренний продукт

Посетитель сайта уходит с планом пилота, а продажи — с готовым лидом

Мы заменили форму заявки ИИ-консультантом: он расспрашивает посетителя о бизнесе, выдаёт план пилота с KPI и рисками, а в CRM попадает лид с бюджетом и сроками.

1 день: Рабочий MVP — фронтенд, бэкенд и конфиги деплоя — собран за один день
16 дней: От первого коммита до прод-контура с HTTPS и выпущенным сертификатом на собственном домене

Авиация — торговля авиационными компонентами и MRO

Пилот

Закупки авиазапчастей: от почты и таблиц к управляемому конвейеру

AI-агент читает входящие RFQ, сравнивает предложения поставщиков и проверяет документы. Рядом — операционная система, которая ведёт сделку по обязательным этапам.

Полный цикл: полный цикл AI-контура на живом процессе закупок — от входящего RFQ в почте до уведомления команды; подтверждено владельцем
3: типа сопроводительных документов проверял агент: FAA 8130-3, EASA Form 1, COC; подсчёт по брифу владельца

Посчитать эффект на своих цифрах

AVA — калькулятор экономики процесса. За пару минут он покажет, окупается ли похожая задача в вашем случае, ещё до разговора с нами и без обязательств.

Оценить эффект с AVA

Похожая задача?

Опишите процесс и данные, которые у вас есть. Скажем, что из этого считается в деньгах, а что — нет, до начала работ.

или напишите напрямую: hello@xteam.pro