Селлер маркетплейсов опубликовал на Хабре статью с громким заголовком: каждый понедельник он передаёт ключевые управленческие решения нейросети — и за счёт этого зарабатывает 120 миллионов рублей в год на Wildberries и Ozon. Это означает, что AI перешёл рубеж между «помогает писать тексты» и «становится частью операционной модели бизнеса» в российском e-commerce. В этом материале разбираем, что именно делает автор истории, какие связки с нейросетями реально работают на маркетплейсах в России и СНГ, и как повторить подход через WebGPT — доступ к ChatGPT, Claude и DeepSeek без VPN.
Что произошло?
Хабр опубликовал колонку селлера, который раскрывает свою недельную операционку: с понедельника он выделяет два часа на сессию с нейросетью, выгружает в неё метрики за прошлую неделю — продажи по SKU, остатки на складах FBO и FBS, динамику рекламных ставок, конверсии карточек, отзывы — и получает структурированный план: что снять с продажи, какие цены поднять, куда перераспределить рекламный бюджет, какие новые карточки запустить.
По словам автора, такой подход работает уже больше года. На пике оборот его бизнеса составляет 120 миллионов рублей в год — это около 10 миллионов в месяц при средней маржинальности категории «дом и быт». При этом, как он подчёркивает, штат компании остаётся минимальным: «Я не заменяю менеджеров — у меня их и не было. Нейросеть для меня — это аналитик, маркетолог и стратег в одном окне».
Подробности приведены в оригинальной публикации селлера на Хабре, где автор приводит конкретные примеры промптов, скриншоты дашбордов и сценарии, в которых нейросеть отказалась выполнять задачу или ошиблась.
Почему это важно для российского e-commerce?
В России на 2026 год Wildberries и Ozon суммарно генерируют более 70% оборота онлайн-торговли в категории non-food. По данным аналитического агентства Data Insight, на платформах работает свыше 700 тысяч активных селлеров, и большинство из них — это микробизнес с командой 1–3 человека. Для такой аудитории появление дешёвого аналитического слоя в виде LLM — структурный сдвиг.
Раньше малый селлер не мог позволить себе ни маркетинг-аналитика, ни ассортимент-менеджера, ни брендового стратега. Теперь один человек с подпиской на ChatGPT Plus или Claude Pro закрывает все эти роли за 20 долларов в месяц. История с Хабра — это не про «волшебный промпт», а про то, что барьер входа в системную работу с маркетплейсом упал в десятки раз.
- Доступ к LLM выровнял возможности микро- и среднего бизнеса в e-commerce.
- Российские селлеры получили инструмент, который не зависит от санкций и работает на русскоязычной статистике.
- Главный сдвиг — не в технологии, а в методологии: нейросеть превращается из «помощника по тексту» в источник управленческих решений.
Как именно нейросеть помогает оптимизировать маркетплейсы?
Из истории на Хабре и комментариев под ней складывается понятная картина: нейросети сейчас закрывают четыре крупных задачи в работе селлера. Разберём каждую отдельно.
Анализ ассортимента и решение «убить или растить»
Селлер выгружает в нейросеть выгрузку по 50–200 SKU с метриками: оборачиваемость, рекламные расходы, маржа после комиссии маркетплейса, отзывы за месяц. Запрос звучит так: «определи 10 SKU, которые тянут вниз общую рентабельность, и обоснуй решение». LLM строит таблицу, ранжирует и объясняет — это вырезает часы работы аналитика.
Оптимизация цен и рекламных ставок
Wildberries и Ozon работают в режиме аукциона по рекламе. Когда у селлера 50+ карточек, ручная оптимизация ставок невозможна. Нейросеть получает CSV с ставками конкурентов, конверсиями и прибылью на одно касание — и предлагает новую сетку ставок с обоснованием.
Контент карточек и SEO под Wildberries
Хабр-автор отмечает, что 30% его роста пришлось на простую переработку заголовков и описаний с помощью Claude. LLM хорошо ловит ключевые запросы из поиска маркетплейса и переписывает карточку под алгоритм без потери смысла. Через WebGPT эту задачу можно решить и на Claude, и на ChatGPT — модели на русском работают одинаково корректно.
Сценарное планирование и «что если»
Сильнейший слой — гипотезы. «Что будет, если поднять цены на 8%?», «Какая категория просядет, если уйти с FBS на FBO?», «Стоит ли заходить в детские товары на фоне сезонности?». LLM не даёт точных прогнозов, но структурирует риски и подсказывает, какие данные нужно собрать.
Какие инструменты использует автор истории?
В публикации упомянуты конкретные модели и сервисы. Автор не привязан к одной системе и собирает стек под задачу.
- ChatGPT (GPT-5) — основной инструмент для аналитики и сценариев. Автор хвалит его способность работать с большими таблицами в одном промпте.
- Claude (Sonnet 4.6) — переработка контента карточек, длинные тексты, работа с тоном бренда.
- DeepSeek — российский фаворит для черновых задач: генерация идей, разбор отзывов, базовая аналитика. Бесплатный доступ через WebGPT делает его особенно привлекательным.
- Excel и Google Sheets в связке с LLM — данные готовятся в таблице, выгружаются в чат, ответ возвращается обратно в таблицу.
Главная сложность для российских селлеров — стабильный доступ к этим моделям. Прямые подписки OpenAI и Anthropic недоступны, банковские карты не проходят, а VPN-подключение часто рвёт сессию посередине разговора. Поэтому растущая часть аудитории заходит в эти модели через агрегаторы вроде платформы WebGPT, где доступ к ChatGPT, Claude и DeepSeek работает без VPN и оплачивается рублями.
Что говорят коллеги и эксперты?
Под статьёй на Хабре разгорелась показательная дискуссия. Часть комментаторов — действующие селлеры — подтверждают, что схожий подход применяют последний год. Другие критикуют автора за упрощение: «нейросеть не знает вашей маржи и логистики, она генерирует правдоподобный план, а не оптимальный». Тему параллельно обсуждают и в разделе vc.ru, посвящённом маркетплейсам.
«Самое опасное — слепо доверять плану. Нейросеть структурирует то, что вы в неё положили. Если вы дали кривые данные, вы получите красивый, но кривой план», — пишет один из топ-селлеров категории «электроника» в комментариях к статье.
Это важная оговорка. История с Хабра — не про автоматизацию ради автоматизации, а про дисциплину сбора данных. Селлер с 120 млн в год выиграл не потому, что у него «лучшая нейросеть», а потому, что у него аккуратно собранные данные и зафиксированный ритуал понедельника.
Как это повлияет на рынок в России и СНГ?
В короткой перспективе — ожидаемая волна публикаций «как я тоже зарабатываю на маркетплейсах с нейросетью». Часть из них будет искусственной, часть — реальной. В средней перспективе мы увидим:
- Рост спроса на доступ к LLM из России без VPN и валютных карт. Платформы вроде WebGPT уже фиксируют двукратный рост аудитории среди селлеров.
- Появление специализированных «промпт-паков» для Wildberries, Ozon и Яндекс.Маркета. Часть будет в открытом доступе, часть — за подписку.
- Сдвиг в сторону смешанных моделей: ChatGPT для аналитики, Claude для контента, DeepSeek для черновых задач — ровно как в кейсе с Хабра.
- Появление нового запроса от селлеров — «дайте мне один интерфейс ко всем нейросетям». Это уже закрывают агрегаторы.
Для Беларуси, Казахстана и других стран СНГ ситуация чуть мягче — там карты часто проходят напрямую, но русскоязычная статистика и локальные маркетплейсы (Kaspi, 21vek) остаются специфическим контекстом, в котором русскоязычные модели работают точнее английских.
Что делать прямо сейчас?
Если вы селлер маркетплейсов или планируете им стать, история с Хабра — повод не «срочно нанять промпт-инженера», а собрать минимальный рабочий контур.
- Выгрузите статистику за последний месяц в таблицу: SKU, продажи, остатки, ставки, маржа. Без этого нейросеть бесполезна.
- Выберите одну задачу — например, «определить 5 SKU с самой низкой рентабельностью и предложить, что с ними делать». Не пытайтесь сразу автоматизировать всё.
- Откройте две модели параллельно — ChatGPT и Claude. Сравните ответы. Это занимает на 5 минут больше, но фильтрует галлюцинации.
- Закрепите ритуал. Понедельник, два часа, одно и то же место. Дисциплина важнее модели.
- Не передавайте чувствительные данные: персональные данные клиентов, номера документов, банковские реквизиты. Для этого нужны отдельные корпоративные контуры.
В WebGPT доступны и ChatGPT, и Claude, и DeepSeek в одном интерфейсе — это ровно тот стек, что описан в статье на Хабре. Дополнительные материалы по работе с нейросетями для бизнеса публикуются в разделе блога WebGPT для селлеров, а общие тренды в применении ИИ — в обзоре трендов AI 2026.
Часто задаваемые вопросы
Можно ли действительно зарабатывать 120 млн рублей в год с помощью нейросети?
Цифра в статье на Хабре — это оборот, а не чистая прибыль. Реальная маржа на маркетплейсах в категории non-food редко превышает 12–18%, то есть чистый доход автора, по оценкам экспертов в комментариях, ближе к 14–20 млн рублей в год. Нейросеть — инструмент усиления, а не источник денег сам по себе. Без хорошего товара, логистики и капитала на закупку никакой промпт не выручит.
Какая нейросеть лучше всего подходит для селлеров маркетплейсов?
Универсального ответа нет. ChatGPT (GPT-5) сильнее в работе с таблицами и структурированной аналитикой. Claude (Sonnet 4.6) лучше пишет тексты карточек и работает с тоном бренда. DeepSeek быстрее и бесплатно справляется с черновыми задачами на русском. Большинство опытных селлеров используют связку из 2–3 моделей. В WebGPT доступны все три модели в одном интерфейсе.
Нужен ли VPN, чтобы пользоваться ChatGPT и Claude в России?
Технически — да, при прямом обращении к OpenAI или Anthropic. Но это нестабильно: VPN рвёт сессии, банковские карты РФ не принимаются для подписок. Альтернатива — российские агрегаторы, которые работают как прокси: WebGPT (ask.gptweb.ru), например, даёт доступ к ChatGPT, Claude и DeepSeek без VPN, с оплатой рублями.
Как избежать галлюцинаций нейросети при работе с цифрами?
Несколько простых правил. Во-первых, всегда давайте модели исходные данные, а не просите её «вспомнить» статистику. Во-вторых, перепроверяйте критичные числа в Excel — LLM часто ошибаются в арифметике на больших таблицах. В-третьих, используйте две модели параллельно: расхождение в ответах — сигнал к ручной проверке. В-четвёртых, не давайте моделям прогнозировать рынок — давайте структурировать ваши собственные предположения.
С чего начать, если я только запускаю продажи на Wildberries?
Начните не с нейросети, а с продукта и единичной экономики. Когда первые SKU выйдут в плюс, добавьте LLM в три задачи: переработка карточек, разбор отзывов на негатив и идеи для расширения линейки. Это даст быстрый эффект без необходимости разбираться в промпт-инжиниринге. Ритуал понедельника, как у автора истории с Хабра, имеет смысл вводить, когда у вас уже 20+ активных SKU.