Нейросеть для магазина: продажи, закупки и остатки

Нейросеть для магазина полезна не как ещё один чат для написания рекламных текстов, а как помощник, который сводит продажи, остатки, цены и прайсы поставщиков в конкретные решения. Для магазина с 5000 SKU она может каждый день находить товары, которые пора заказать, сравнивать цены конкурентов, готовить предложение постоянному клиенту и присылать владельцу короткий отчёт. Запуск первого сценария обычно разумно делать на одной таблице, а не через дорогое внедрение всей системы учёта.

Если у тебя офлайн-розница или оптовая компания, эта статья именно про них. Маркетплейсы со своими кабинетами и правилами — отдельная задача; здесь речь о магазине, складе, поставщиках, кассовых продажах и повторных покупках. ИИ не заменяет продавца, закупщика или бухгалтера: он убирает ручной сбор информации и показывает, где нужно принять решение.

Что нейросеть делает для офлайн-магазина

Ассортиментная матрица вместо интуиции

Владелец часто знает ходовые позиции «по ощущениям», но не видит всей картины: товар продаётся только благодаря скидке, дорогая позиция замораживает деньги, а недорогого лидера продаж регулярно не бывает на полке. Агент может разложить ассортимент по нескольким признакам: выручка, маржа, оборачиваемость, сезонность и частота дефицита.

Для этого достаточно выгрузки из кассы или учётной системы за 3–6 месяцев. В таблице нужны артикул, продажи, остаток, закупочная и розничная цена. На выходе ты получаешь группы:

• товары-лидеры, которые нельзя допускать до нулевого остатка;
• позиции с высокой маржой, но слабой продажей;
• медленные товары, которые занимают место и деньги;
• сезонные позиции, для которых пора готовить запас;
• товары, которые логично объединить в набор или поставить рядом.

Такой отчёт не принимает решение за тебя. Он сокращает путь от нескольких тысяч строк до списка из 10–20 действий на сегодня.

Планирование закупок и контроль остатков

Простейший сценарий агента — раз в день читать остатки и присылать предупреждения. Но полезный результат получается только тогда, когда в расчёте участвуют скорость продаж и срок поставки. Если магазин продаёт 8 единиц в день, поставщик везёт товар 10 дней, а безопасный запас — 20 единиц, остаток в 100 штук не выглядит большим: он покрывает примерно 12 дней.

Агент может собрать черновик заказа с пояснениями: «заказать 60 штук, потому что средняя продажа — 8 в день, поставка — 10 дней, текущий остаток — 100». Для каждой категории можно задать свои правила: минимальную партию, округление коробками, сезонный коэффициент, запрет закупки товара с низкой маржой.

Важна граница ответственности. ИИ не должен без контроля отправлять заказ на крупную сумму. На первом этапе он формирует рекомендацию и черновик письма, а закупщик проверяет остатки, бюджет и условия поставщика.

Сравнение прайсов поставщиков

Оптовик получает прайсы в разных форматах: Excel, PDF, письмо или сообщение в Telegram. Вручную приходится сопоставлять названия, артикулы, упаковки и минимальные партии. Нейросеть может привести файлы к единому виду и отметить, где цена действительно ниже, а где разница исчезает после доставки или из-за другого объёма упаковки.

Дай агенту правила сравнения: учитывать НДС или нет, включать ли доставку, как округлять валютный курс, какие бренды допустимы к замене. Результат должен содержать не только «поставщик Б дешевле», но и основание: цена за штуку, срок, минимальная партия, отсрочка, наличие.

Если в прайсе есть непонятная строка, агент должен пометить её для проверки, а не угадывать артикул. Это особенно важно для похожих моделей, расходников и товаров с разными комплектациями.

Цены, клиенты и повторные продажи

Контроль цен и маржи

Цена в магазине меняется по разным причинам: подорожал поставщик, конкурент снизил стоимость, закончилась акция или изменилась комиссия эквайринга. Агент может раз в неделю сравнивать закупочную цену, текущую розничную цену и минимально допустимую маржу.

Пример запроса: «Покажи позиции, где маржа стала ниже 20%, но продажи за последние 14 дней выше среднего». В ответе нужны таблица и действие: пересмотреть цену, найти другого поставщика, изменить комплектацию или оставить товар как трафиковый. Самостоятельно повышать цену без подтверждения не стоит: в рознице важны соседние товары, эластичность спроса и правила конкретного бизнеса.

Сценарий также помогает ловить ошибки: случайно введённую цену ниже закупочной, неправильную единицу измерения или скидку, которая не отключилась после окончания акции.

Программа лояльности без одинаковых скидок всем

Магазину не обязательно отправлять всем клиентам одно письмо со скидкой 10%. Агент может разделить базу по истории покупок: новые клиенты, регулярные, давно не возвращавшиеся и те, кто покупает только одну категорию.

Для каждого сегмента он подготовит черновик предложения. Покупателю расходника можно напомнить о вероятном сроке повторной покупки. Постоянному клиенту — предложить комплект, а не скидку на уже привычный товар. Клиенту, который давно не приходил, — спросить о причине и предложить релевантную новинку.

Отправку лучше начинать с одобрения менеджера. Проверь, что агент не использует товары, которых нет в наличии, не обещает недоступную доставку и не раскрывает внутренние данные о клиенте. Для рассылок можно использовать отдельный сценарий, а подробности есть в материале про ИИ для рассылок.

Коммерческие предложения для оптовика

Менеджер оптовой компании тратит время на однотипные КП: подобрать позиции под профиль клиента, вставить цены, условия оплаты и срок поставки. Агент может взять шаблон, прайс и историю заказов, затем подготовить первый вариант документа.

В инструкции зафиксируй, какие цены показывать разным группам клиентов, где указывать НДС, какие товары нельзя заменять и кто утверждает скидку. Если данных не хватает, пусть агент задаёт вопрос менеджеру, а не заполняет пробелы выдуманными условиями.

Для понимания общей системы полезно посмотреть ИИ для продаж: там разобраны сценарии подготовки КП, контроля сделок и напоминаний. А если магазин ведёт лиды в CRM, агент может передавать туда только проверенные результаты.

Как подключить нейросеть к данным магазина

Начни с минимальной связки: Google Таблица с остатками и продажами, папка с прайсами поставщиков и Telegram для уведомлений. В таблице должны быть понятные названия колонок, дата обновления и ответственный за данные. Старые строки не удаляй: история нужна для сравнения.

Дальше настрой четыре шага:

1. Источник. Определи, откуда агент берёт продажи, остатки и цены: выгрузка из МойСклад, Excel, Google Таблицы или API.
2. Правила. Опиши формулы минимального остатка, маржу, сроки поставки, допустимые замены и категории, которые нельзя рекомендовать автоматически.
3. Расписание. Сделай ежедневную проверку остатков и еженедельный отчёт по ассортименту. Срочные уведомления вынеси отдельно, чтобы они не терялись в сводке.
4. Контроль. Первые две недели агент готовит черновики. Сверяй его рекомендации с фактическими продажами и записывай исключения.

Создать такую связку без программирования можно в Моём агенте. Если тебе интересна техническая сторона создания интеграций и скриптов, Claude Code помогает разработчику собрать соединение с API, но для обычного владельца магазина он не является обязательным.

В моей практике: начинать нужно не с «умного магазина»

Я собирал свои сервисы вокруг конкретных рутинных задач, а не вокруг идеи «давайте подключим ИИ ко всему». За четыре месяца без знания кода получилось собрать 12 сервисов. Из этого опыта главный вывод простой: первый сценарий должен заканчиваться понятным сообщением и одним действием.

Для магазина это может быть отчёт в понедельник: пять товаров закончились слишком быстро, три позиции пора дозаказать, у двух товаров просела маржа. Такой формат легче проверить, чем автономного агента, который якобы сам ведёт весь бизнес. Если рекомендация ошиблась, ты видишь исходные данные и исправляешь правило.

Я бы не начинал с автоматической смены цен или массовой рассылки. Сначала — чтение и сводка, затем черновики, потом ограниченные действия с подтверждением. Это немного медленнее на старте, зато позволяет сохранить доверие продавцов и не превращать эксперимент в дорогую ошибку.

Ограничения и безопасный запуск

ИИ плохо работает с неактуальными данными. Если остатки обновляются раз в неделю, ежедневное предупреждение будет создавать ложную срочность. Если в прайсе нет сроков поставки, агент не может надёжно рассчитать точку заказа. Сначала настрой дисциплину данных, потом усложняй сценарий.

Не передавай агенту больше доступов, чем нужно. Для первого этапа достаточно чтения таблиц и отправки сообщений в рабочий Telegram. Право менять цены, списывать товар или отправлять заказ поставщику добавляй только после тестирования и с журналом действий.

Стоимость тоже разделяй на две части. Подписка Моего агента — 1990 ₽ за первый месяц по действующей акции, далее базовая цена первого месяца без скидки составляет 2490 ₽, со второго месяца — 990 ₽/мес. Отдельные операции оплачиваются по использованным токенам: например, обработка единицы данных на базовой модели DeepSeek V4 Pro — примерно 2 ₽, но тяжёлая модель может стоить в несколько раз дороже.

С чего начать завтра

Выбери одну категорию с заметными остатками и выгрузи продажи за последние 90 дней. Попроси агента построить список товаров с риском дефицита, объяснить расчёт и выделить данные, которых не хватает. Проверь 10 рекомендаций вручную.

Если хотя бы 7–8 из них выглядят разумно, добавь сроки поставки и минимальную партию. Через неделю настрой регулярный отчёт в Telegram. Только после этого переходи к прайсам поставщиков, персональным предложениям и КП.

Если хочешь разобраться в подходе без сложной терминологии, посмотри программу курса разговорного программирования. Нейросеть для магазина — это не попытка заменить весь коллектив одной кнопкой. Это способ убрать ежедневное сведение таблиц и вернуть владельцу время на решения: что продавать, что закупать, какую цену поставить и с каким клиентом поговорить сегодня.