Wildberries переводит аналитику в ИИ-чат: чем AI-ассистент отличается от аналитического агента
Wildberries уже даёт продавцам задавать вопросы об аналитике в ИИ-чате и расширяет набор ML-инструментов. Но получить цифру по запросу и провести полноценное расследование причины — разные задачи. Разбираем эту границу на реальном кейсе bublick.
В 2026 году AI на Wildberries всё заметнее превращается из вспомогательной функции в интерфейс к данным. В официальном «Помощнике» продавец уже может задавать вопросы в свободной форме, запрашивать аналитику по товарам и настраивать регулярные мониторинги. Ответы ИИ формируются на основе аналитических отчётов и материалов справочного центра.
А 20 августа Wildberries объявил ещё об одном ИИ-инструменте для продавцов — тестовом сервисе «Анализ внимания», который оценивает визуальные акценты изображений карточки: тепловую карту, заметность элементов и предполагаемую траекторию взгляда.
Это хороший индикатор общего направления: нейросеть становится не отдельной кнопкой «сгенерировать текст», а новым способом взаимодействовать с маркетплейсом и его аналитикой.
Что уже умеет официальный ИИ Wildberries
В актуальной документации WB у «Помощника» описаны три сценария: свободные вопросы ИИ, запрос аналитики по товару и мониторинги. Через чат можно работать с продажами, ценами и скидками, остатками и поставками, видимостью и спросом. Для ряда показателей доступно сравнение с предыдущим периодом.
Сам факт появления такого интерфейса важнее конкретного списка функций. Площадка признаёт проблему, знакомую любому растущему селлеру: данных и отчётов становится слишком много, а путь от цифры до решения — слишком длинным.
AI-ассистент
- понимает вопрос на естественном языке;
- находит нужный показатель или отчёт;
- суммирует и объясняет данные;
- снижает число ручных переходов по интерфейсу.
Аналитический агент
- строит последовательность проверок;
- соединяет несколько доменов данных;
- декомпозирует результат до факторов и SKU;
- проверяет альтернативные гипотезы;
- показывает доказательства и границы вывода.
Это не официальный отраслевой стандарт терминов, а полезное рабочее различие. В этой статье под аналитическим агентом мы понимаем систему, которая не просто отвечает на вопрос, а выполняет несколько связанных аналитических шагов и меняет маршрут проверки по мере появления новых фактов.
Пример: «Почему прибыль упала на 36,2%?»
Посмотрим на реальный вопрос из bublick. Пользователь попросил разобрать снижение прибыли за полную финансовую неделю 24–30 августа 2026 года относительно предыдущей полной недели и назвать главные причины.
Простой чат мог бы закончить ответ здесь: «прибыль упала из-за снижения продаж». Но для управленческого решения этого мало. Нужно понять, какие финансовые статьи сформировали мост, какие товары дали отрицательный вклад и нет ли вторичной проблемы, которая усилила падение.
5 последовательных фрагментов одного реального диалога. Листайте вправо или используйте стрелки.
Что в этом кейсе делает анализ «агентным»
1. Проверяется корректность сравнения
Перед выводом агент сопоставляет две завершённые полные финансовые недели. Это мелочь только на первый взгляд: сравнение незрелого периода с завершённым часто создаёт ложную динамику.
2. Строится финансовый мост
Разница прибыли не описывается одной причиной. В кейсе основной отрицательный канал — уменьшение выплаты продавцу на 5 630,63 ₽, дополнительно логистика дала ещё 360,26 ₽ расходов, хранение — 44,09 ₽. При этом снижение себестоимости и налога частично компенсировало просадку. Сам мост сходится до итоговых −3 334,38 ₽.
3. Общий результат декомпозируется до вариантов товара
Дальше агент ищет, какие SKU сформировали минус. Это уже переход от бухгалтерского ответа «где изменилась сумма» к операционному вопросу «что именно перестало продаваться или стало работать хуже».
4. Уточняющий вопрос меняет маршрут анализа
Пользователь замечает: продаж стало меньше, но логистика выросла. Вместо повторения первого ответа агент раскладывает статью на логистику состоявшихся продаж и логистику отмен. Оказывается, расход по состоявшимся продажам снизился, а отменная логистика выросла сильнее и перекрыла снижение.
5. Гипотеза может быть отвергнута
Следующий естественный вопрос — не вырос ли тариф. По проверенным основным вариантам агент не находит подтверждения окончания зафиксированного тарифа и не выдаёт удобную догадку за факт. Более подтверждённое объяснение — рост отменных логистических операций и изменение состава отправлений.
Шесть требований к AI, которому можно доверить аналитику бизнеса
- Доступ к фактическим данным, а не только к базе знаний. Иначе модель знает правила, но не знает, что происходит именно с вашим магазином.
- Контекст нескольких аналитических областей. Причина падения продаж может находиться в рекламе, цене, остатках или финансовых расходах.
- Сопоставимые периоды и единые определения метрик. Без этого красивый анализ легко строится на несопоставимых цифрах.
- Доказательства. Таблица, график, ссылка на исходный отчёт или конкретный срез должны позволять перепроверить вывод.
- Неопределённость должна называться неопределённостью. Если данных недостаточно, агент должен сказать «не подтверждено», а не достраивать правдоподобную историю.
- Возможность продолжить расследование. Хороший агент должен понимать уточняющий вопрос и углубляться в найденную проблему, а не начинать анализ заново.
Почему галлюцинации в аналитике опаснее, чем в обычном чат-боте
Если генератор придумал неудачный заголовок — это легко заметить и исправить. Если аналитический AI уверенно приписал падение прибыли повышению тарифа, которого не было, продавец может принять уже денежное решение: изменить цену, отключить рекламу, отказаться от склада или пересобрать поставку.
Поэтому для аналитического агента особенно важны ограничения источников, свежесть данных, контроль формул и возможность показать, на чём именно основан вывод.
Куда движется аналитика маркетплейсов
Дашборды никуда не исчезнут. График лучше текста, когда нужно увидеть динамику, а таблица удобнее чата для массового сравнения SKU. Но меняется точка входа.
Вместо маршрута «найди нужный отчёт → настрой фильтры → выгрузи данные → сравни → придумай гипотезу» всё чаще будет появляться маршрут «задай бизнес-вопрос → получи план проверки → открой доказательства».
Wildberries уже движется в эту сторону собственным «Помощником» и другими AI/ML-инструментами. Независимые сервисы могут идти дальше за счёт объединения разных аналитических областей и собственных сценариев проверки.
Что это значит для селлера прямо сейчас
Оценивать AI-инструмент стоит не по тому, насколько «умно» звучит ответ. Лучше задать ему вопрос, где недостаточно одной цифры:
- почему упала прибыль;
- почему реклама стала дороже при том же количестве продаж;
- какие SKU сформировали падение заказов;
- почему выросла логистика;
- можно ли снизить цену без потери целевой маржи.
А затем проверить: построил ли AI цепочку причин, показал ли данные и умеет ли отвечать на неудобные уточнения.
Если хочется сначала разобрать саму финансовую механику без AI, у нас есть отдельный материал: как считать прибыль на Wildberries с учётом комиссий, логистики, хранения, рекламы и других расходов.