AI и аналитика · 20.06.2026

AI-поиск аномалий на маркетплейсах: цены, продажи и остатки

У селлера ежедневно меняются тысячи показателей, но вручную проверить каждый товар невозможно. Поиск аномалий нужен, чтобы заметить действительно необычное отклонение, объяснить его контекстом и предложить безопасное действие, а не просто прислать ещё один отчёт.

Проверить на своих товарах
Панель аномалий цен, продаж и остатков маркетплейса

Определите событие, которое требует реакции

Аномалия — не любое изменение. Цена на 3% ниже вчерашней может быть нормальной частью акции, а неизменная цена при резком падении маржи — критической из-за новой комиссии. Сначала перечислите бизнес-события: уход ниже минимума, провал продаж, скачок возвратов, отрицательный остаток или зависшая очередь.

Для каждого события задайте владельца, срок реакции и допустимое действие. Если сигнал не меняет решение, его не стоит показывать как тревогу. Информационные изменения можно оставить в журнале, а в рабочую очередь выводить только отклонения с измеримым риском денег или доступности.

Постройте ожидаемый коридор

Простой порог подходит для жёстких ограничений: цена ниже минимума недопустима всегда. Продажи и просмотры требуют динамического коридора с учётом дня недели, сезона, тренда и обычного разброса товара. Сравнение только со вчерашним днём создаёт слишком много ложных тревог.

Для нового или редкого SKU истории мало, поэтому используйте ориентиры категории и более широкий коридор. По мере накопления данных модель должна переходить к индивидуальной норме. В отчёте важно показывать базовый период, ожидаемое значение и величину отклонения.

Свяжите показатели в причинную цепочку

Падение заказов само по себе неоднозначно. Проверьте остаток, показы, CTR, конверсию, цену покупателя, позицию конкурента, рекламу и срок доставки. Если исчезли показы, изменение цены может не помочь; если показы стабильны, но упала конверсия, причина ближе к предложению или карточке.

Для остатков важна цепочка физический запас — доступный остаток — очередь API — витрина. Расхождение между этапами показывает, где возник сбой. Такой контекст превращает сообщение «остаток изменился» в задачу «обновление WB не подтверждено 40 минут, риск пяти лишних заказов».

Расставьте приоритет по денежному риску

Сортируйте сигналы по ожидаемой потере маржи, стоимости дефицита, объёму ошибочного остатка и скорости ухудшения. Процентное отклонение без масштаба опасно: падение на 80% у товара с одной продажей менее важно, чем снижение на 15% у лидера категории.

Добавьте уверенность модели и обратимость действия. Автоматически можно остановить цену ниже жёсткого минимума, но массово менять карточки или закупку по слабому сигналу нельзя. Чем дороже и менее обратимо решение, тем больше данных и человеческого подтверждения требуется.

Не допускайте усталости от уведомлений

Объединяйте повторяющиеся события одного товара в инцидент, вводите период тишины и закрывайте тревогу после подтверждённого восстановления. Если API прислал одну ошибку 429 для сотни товаров, селлеру нужен один инцидент очереди, а не сто одинаковых сообщений.

Канал выбирайте по срочности: критические риски — в Telegram или MAX, задачи на день — в рабочую очередь, диагностические детали — в журнал. Пользователь должен понимать, почему получил сигнал, что уже сделала система и какой следующий шаг остаётся за человеком.

Обучайте AI на результате решения

Сохраняйте исходный сигнал, контекст, выбранное действие и результат через заданный период. Если менеджер регулярно отклоняет одну тревогу как сезонную норму, коридор нужно скорректировать. Если автоматическое действие ухудшает маржу, сценарий должен перейти в режим подтверждения.

ВитринаPro объединяет историю цен, продаж, акций, остатков и очередей нескольких магазинов. AI может объяснять отклонение связанными событиями, оценивать риск и фиксировать обратную связь, сохраняя жёсткие ограничения клиента выше статистической рекомендации.

Частые вопросы

Чем аномалия отличается от обычного изменения показателя?

Она выходит за ожидаемый для товара и контекста коридор либо нарушает жёсткое бизнес-ограничение. Сам факт изменения ещё не означает проблему.

Можно ли автоматически исправлять все найденные аномалии?

Нет. Автоматизируют обратимые действия с высокой уверенностью и жёсткими границами. Закупку, массовые изменения карточек и спорные ценовые решения лучше подтверждать.

Как уменьшить число ложных тревог?

Учитывать день недели, сезон, акции, рекламу и индивидуальный разброс SKU, объединять повторы в инциденты и обучать пороги на обратной связи менеджера.

Какие сигналы должны быть самыми срочными?

Продажа ниже минимальной цены, риск оверселла, резкий дефицит лидера, массовый сбой очереди и отклонение с большой ожидаемой потерей маржи.

Настройте единый журнал событий и приоритетов, чтобы AI показывал причину отклонения и безопасный следующий шаг.

Проверить на своих товарах
Оператор
Печатает...