ИИ для карточек WB и Ozon: где ускоряет работу, а где портит продажи

Коротко

• ИИ хорошо ускоряет черновую и объёмную работу с карточками: первый драфт описания, переписывание под тон бренда, перевод, генерация вариантов заголовков, вычитка, разбор отзывов и вопросов, нормализация характеристик по шаблону.
• ИИ опасно отдавать без проверки там, где ошибка стоит денег или блокировки: числовые характеристики (габариты, состав, мощность, комплектация), категорийные атрибуты, обязательные поля, ключевые запросы для SEO-выдачи, юридически значимые формулировки.
• Главный риск — не «плохой текст», а тихая деградация: карточка выглядит прилично, но вылетает по нерелевантным запросам или теряет позиции, потому что ИИ выкинул нужное слово и добавил ненужное.
• Рабочая схема — не «ИИ пишет карточки», а ИИ готовит, человек проверяет ключевое, система логирует, что и когда поменялось. Это и есть human-in-the-loop, без него на маркетплейсах быстро прилетает.
• Экономия реальна: на объёме 200–500 карточек ИИ-черновики срезают 60–70% времени на текст, но только если поверх стоит контроль характеристик и ключей.

Проблема: карточка — это не текст, а структура

Со стороны карточка выглядит как «картинка + описание». Для алгоритма маркетплейса это набор полей с разным весом и разной ценой ошибки. И ИИ относится ко всем этим полям одинаково — как к тексту, который надо сделать «хорошим». В этом корень большинства проблем.

Разложим карточку на слои по тому, что будет, если ИИ ошибётся.

Слой 1. Свободный текст — описание, преимущества, УТП. Здесь ошибка стоит дёшево: неудачная формулировка снижает конверсию, но её видно и легко поправить. Это самая безопасная зона для ИИ.

Слой 2. SEO-слой — вхождения запросов в заголовок и описание. Тут ошибка невидима глазом, но дорого стоит. Если ИИ переписал описание «красиво» и выкинул слова, по которым карточку находили, вы теряете показы. Причём не сразу — позиции проседают за пару недель, и связать это с редактурой уже трудно.

Слой 3. Характеристики и атрибуты — состав, габариты, цвет, размер, материал, комплектация. Здесь ошибка стоит максимально дорого. Неверный состав или габариты — это возвраты, жалобы, штрафы и риск блокировки карточки. ИИ склонен «додумывать»: если в исходнике не хватает данных, он подставит правдоподобное значение. Для текста это норма, для характеристик — катастрофа.

Слой 4. Категорийные и обязательные поля. WB и Ozon требуют определённые атрибуты для категории, и они влияют на попадание в фильтры. Ошибётся ИИ в типе товара или обязательном поле — карточка выпадет из подборок, где её искали.

Вывод простой: нельзя решать «отдавать карточки ИИ или нет». Надо решать по слоям. Слой 1 — почти полностью машине. Слой 2 — машине с обязательной сверкой ключей. Слои 3 и 4 — только с человеком или жёсткой валидацией по справочнику.

Где ИИ реально ускоряет работу

Теперь конкретика — задачи, где ИИ на карточках даёт честную экономию, из практики селлеров на WB и Ozon.

Первый черновик описания

Самое очевидное и самое безопасное. У вас есть товар, пара фактов, характеристики от поставщика — ИИ собирает связный первый драфт: структура, преимущества, сценарии использования. Человек не пишет с нуля, а редактирует готовое. На карточке это разница между 20 минутами и 4 минутами.

Ключевое слово — черновик. ИИ не выкладывает описание в карточку, он отдаёт его редактору. Дальше человек проверяет факты и вхождения ключей.

Переписывание под единый тон

Когда карточки писали пять разных фрилансеров за два года, у вас зоопарк стилей. ИИ хорошо приводит всё к одному голосу бренда: убрать канцелярит, выровнять длину, единый формат преимуществ. Здесь риск минимален — вы меняете форму, а не факты. Только следите, чтобы при «причёсывании» не вылетели ключевые слова (см. слой 2).

Разбор отзывов и вопросов

Недооценённая история. У активной карточки — сотни отзывов и вопросов. ИИ вычленяет из них повторяющиеся возражения и претензии: «маломерит», «не тот цвет», «нет инструкции». Это прямой сигнал, что поправить в карточке и в самом товаре. Ручками такой разбор по 40 SKU никто не делает — а ИИ делает за час.

Черновики ответов на отзывы

Ответ на отзыв — это публичный текст, который влияет на решение других покупателей. ИИ готовит вежливый черновик по шаблону бренда, менеджер проверяет и отправляет. Полностью на автомате отвечать не стоит: на негатив по конкретной проблеме нужен человек, иначе получите шаблонное «нам очень жаль» под реальной болью клиента — это злит сильнее молчания.

Перевод и локализация

Выходите на маркетплейсы в другой стране — ИИ переводит карточки пачкой. Но перевод характеристик всё равно сверяется по категорийному справочнику площадки: единицы измерения, названия атрибутов, размерные сетки различаются, и дословный перевод их ломает.

Нормализация характеристик по шаблону

Тонкий, но полезный сценарий. У вас данные от поставщика в хаотичном виде — ИИ раскладывает их по вашей структуре полей. Важно: он перекладывает существующие данные, а не придумывает недостающие. Если поле пустое — оно остаётся пустым и уходит на ручное заполнение, а не заполняется «похожим значением».

Если вы примерно понимаете, чем управляемый агент отличается от «болталки на нейросети», прочитайте разбор чем AI-агент отличается от чат-бота — здесь ровно та же логика: агент действует по правилам и оставляет след, а не просто генерирует текст.

Где ИИ портит продажи

Теперь обратная сторона. Эти ошибки редко видно сразу — они проявляются просадкой метрик через 2–4 недели.

Выкинутые ключевые слова

Самая частая и самая дорогая ошибка. Селлер просит ИИ «сделать описание красивее». ИИ переписывает — грамотно, гладко — и в процессе выбрасывает три запроса, по которым карточка стабильно получала показы. Внешне стало лучше. По факту вы уронили органику. Через месяц смотрите на упавшие показы и не понимаете причину, потому что «мы же просто текст поправили».

Защита: перед редактурой зафиксировать список ключей карточки и после генерации проверить, что все они на месте. Это разница между ускорением и саботажем.

Придуманные характеристики

ИИ не любит пустых полей. Не хватает данных о составе ткани — он подставит «хлопок 95%, эластан 5%», потому что для такой категории это правдоподобно. Для покупателя это ложь в карточке: возвраты, жалобы, риск санкций площадки. Никогда не давайте ИИ заполнять числовые и составные характеристики «по смыслу». Только из проверенного источника или в ручную проверку.

Переспам ключами

Обратная крайность. Просите «добавить SEO» — получаете описание, где ключ вставлен восемь раз, читать невозможно, а алгоритм маркетплейса воспринимает это как манипуляцию. Конверсия падает, потому что живой человек не дочитывает до кнопки. ИИ не чувствует меру плотности ключей — её задаёт человек или правило.

Единый шаблон на всю линейку

Прогнали 200 карточек через один промпт — получили 200 почти одинаковых описаний. Для алгоритма это слабый сигнал уникальности, для покупателя, который смотрит две ваши модели рядом, — ощущение, что выбирать не из чего. Массовость без вариативности убивает смысл отдельных карточек.

Несоответствие категории площадки

ИИ пишет по общей логике, а у WB и Ozon свои требования к обязательным атрибутам и своим значениям в справочниках. Сгенерированный «идеальный» текст может не пройти валидацию или встать не в ту категорию — и карточка не покажется там, где её ждали.

ROI: сколько экономит и на чём

Считать надо честно, с учётом проверки, а не по маркетинговому «ИИ пишет карточки за секунды».

Возьмём типовой объём — обновление 300 карточек перед сезоном.

Руками. Копирайтер на карточку тратит 25–40 минут: собрать факты, написать, вставить ключи, оформить. На 300 карточек — примерно 150–200 часов. Это месяц работы одного человека или бюджет на подрядчиков.

С ИИ-черновиком и проверкой. ИИ готовит драфт за секунды, человек редактирует и сверяет ключи/характеристики — 8–12 минут на карточку. На 300 карточек — 40–60 часов. Экономия по времени на тексте — примерно 60–70%.

Но экономия появляется только при двух условиях. Первое — проверка характеристик остаётся у человека или у валидатора по справочнику, иначе вы «сэкономите» время сейчас и заплатите возвратами и штрафами потом. Второе — есть контроль ключей, иначе сэкономленные часы обернутся потерей органических показов, которую в деньгах не сразу и посчитаешь.

Практический вывод: ROI на карточках даёт не «генерация», а связка генерация + проверка + лог изменений. Отдельная генерация без проверки — это не экономия, а отложенный убыток. Про то, как вообще прикидывать выгоду до внедрения, есть отдельный разбор — как понять, что процесс пора автоматизировать.

Риски и контроль: human-in-the-loop без пафоса

На маркетплейсах цена ошибки выше, чем в блоге или рассылке: тут блокировки, штрафы, возвраты и потеря позиций. Поэтому контроль — не бюрократия, а страховка. Что должно быть выстроено.

Границы по слоям. Явно зафиксируйте, что ИИ пишет сам (описание, преимущества), что готовит на проверку (SEO-слой), а что вообще не трогает без человека (характеристики, обязательные поля). Это правило, а не «на усмотрение менеджера».

Проверка ключей до и после. Список запросов карточки фиксируется до генерации и сверяется после. Ни один ключ не должен пропасть молча.

Валидация характеристик по справочнику. Числа и атрибуты сверяются с данными поставщика и категорийным справочником площадки. Пустое поле остаётся пустым и уходит человеку, а не заполняется «правдоподобным».

Логи изменений. Кто/что/когда поменял в карточке. Когда через три недели просели показы, лог отвечает на вопрос «что мы вообще меняли». Без него вы гадаете.

Права доступа. ИИ-инструмент не должен иметь прямой доступ на публикацию в кабинет без подтверждения. Готовит — да. Публикует — после человека, хотя бы на старте.

Постепенное расширение автономии. Начинаете с полной проверки. По мере накопления статистики, где ИИ не ошибается, часть операций (например, приведение тона) можно отпускать на автомат. Но характеристики остаются под контролем всегда.

Это и есть человек-в-контуре: не «ИИ работает вместо вас», а «ИИ делает объём, вы держите точки, где ошибка стоит денег».

Как внедрить у себя: пошагово

Без больших проектов. Так, чтобы за неделю получить рабочую схему и понять, стоит ли масштабировать.

Шаг 1. Разберите карточку на слои. Возьмите 10 своих карточек и распишите: где свободный текст, где SEO-слой, где характеристики, где обязательные поля. Это карта того, что можно и что нельзя отдавать.

Шаг 2. Соберите источник правды по характеристикам. Одна таблица, где по каждому SKU лежат проверенные габариты, состав, комплектация. ИИ будет брать только отсюда, а не «додумывать». Пустые ячейки — это задачи, а не поле для фантазии модели.

Шаг 3. Зафиксируйте ключи по карточкам. Выгрузите запросы, по которым карточки получают показы. Это ваш чек-лист «что не должно пропасть» при любой редактуре.

Шаг 4. Настройте генерацию черновика, а не публикацию. ИИ отдаёт драфт в таблицу или интерфейс редактора. Между генерацией и кабинетом — человек. Всегда на старте.

Шаг 5. Добавьте две автопроверки. Первая — все ключи на месте после редактуры. Вторая — характеристики совпадают с источником правды. Это две проверки, которые ловят 80% дорогих ошибок.

Шаг 6. Прогоните 20–30 карточек и сравните. Замерьте время и, главное, посмотрите через 2–3 недели на показы и конверсию по обновлённым карточкам против необновлённых. Только так вы поймёте, помогает схема или тихо вредит.

Дальше — масштабирование того, что подтвердилось метриками, а не «внедрение ИИ ради ИИ».

FAQ

Можно ли полностью доверить ИИ заполнение карточек WB и Ozon? Нет. Свободный текст — можно с проверкой, характеристики и обязательные поля — только с человеком или жёсткой валидацией по справочнику. Полностью автономное заполнение приводит к придуманным характеристикам и потере ключей, а на маркетплейсах это возвраты, штрафы и просадка выдачи.

ИИ переписал описания, а показы упали. Почему? Скорее всего, при «улучшении» текста выпали ключевые слова, по которым карточки находили. Внешне текст стал лучше, а органика просела. Поэтому список ключей фиксируют до редактуры и сверяют после.

ИИ придумывает характеристики, которых нет. Как бороться? Не давать ему заполнять числовые и составные поля «по смыслу». ИИ должен брать характеристики только из проверенного источника (таблица по SKU), а пустые поля оставлять пустыми и отдавать человеку.

Стоит ли отвечать на отзывы через ИИ? Черновик — да, отправку без проверки — нет. Особенно на конкретный негатив: шаблонный ответ ИИ под реальной проблемой раздражает покупателей сильнее, чем молчание. Менеджер проверяет и отправляет.

Сколько времени реально экономит ИИ на карточках? На объёме 200–500 карточек — примерно 60–70% времени на текстовую часть, при условии, что поверх стоит проверка ключей и характеристик. Без проверки это не экономия, а отложенный убыток от ошибок.

С чего начать, если карточек сотни и всё вручную? Разберите карточку на слои, соберите таблицу проверенных характеристик, зафиксируйте ключи и настройте генерацию черновиков с двумя автопроверками. Прогоните 20–30 карточек и сравните метрики через 2–3 недели, прежде чем масштабировать.

Чем это отличается от «просто попросить ChatGPT написать описание»? Разовая генерация даёт текст без контроля ключей, характеристик и логов. Рабочая схема — это связка «генерация → проверка → фиксация изменений», где ошибка ловится до публикации, а не всплывает в упавших продажах через месяц.

Что делать дальше

Если у вас сотни карточек и вы прикидываете, что из этого отдать ИИ, а что оставить людям, — не начинайте с промптов. Начните с разбора своих карточек по слоям и честного вопроса «где ошибка стоит денег». Дальше уже понятно, что автоматизировать в первую очередь.

Хотите разобрать свой конкретный процесс по карточкам — напишите Дмитрию в Telegram @dmkosik или коротко опишите, как сейчас устроена работа с карточками (сколько SKU, кто пишет, что болит), и мы на диагностике Paramiko покажем, где ИИ ускорит, а где лучше не трогать. Без давления и без обещаний «заменим вам всех копирайтеров» — так на маркетплейсах не работает.