Управление e-commerce *

Классический совет при каннибализации запросов - найти пересекающиеся страницы и склеить их редиректом. На практике это часто ломает рабочую структуру: пересечение может оказаться недельным шумом, естественной смешанной выдачей или временным перехватом карточкой товара.

Собрал воркфлоу на n8n для категорийного ядра магазина. Система сопоставляет 28 7 дневные срезы GSC и Метрики, считает детерминированный риск-скоринг 0-100 по шести факторам (доминирование, сдвиг позиций, клики, тренд, персистентность) и строит граф реальных конфликтов.

Внутри - математика скоринга, отделение категорий от карточек товаров и ссылки на репозиторий с воркфлоу.

У нас есть скрипт, который каждый день просит Google переиндексировать свежие страницы двух сайтов через Search Console — вручную по одному URL это бы никто не тянул, а сайтов и статей достаточно, чтобы запускать это руками было бы отдельной работой. 3 сентября я посмотрел в лог и увидел: за прогон дошло 59 проверок по доставке и 4 отказа «превышена квота», а адреса avitoma, помеченные как приоритетные в gsc_pinned.txt, за сутки не отправились ни разу. Не «отправились с опозданием» — ни разу, вообще.

Правовое регулирование доменов набирает обороты

Ранее мы уже кратко рассматривали эту тему. Сегодня хочу рассмотреть её подробнее, ибо эта тема актуальна для всех - и для бизнеса, и для экспертов, для всех, у кого есть сайт.

Привет, я основатель издательства детских книг Rabbits and Books. На складе Wildberries сгорел наш тираж больше чем на 3 млн рублей, и мы лишились трети годового оборота. После пары постов в соцсетях нам позвонили из Сбера и предложили бесплатно сделать интернет-магазин. И уже через 2 недели команда Сбер2В Онлайн-продаж запустила полностью рабочий сайт с настроенной оплатой и доставкой. Сейчас расскажу, как мы автоматизировали заполнение карточек товаров и получили 700 тысяч рублей за первые пять дней работы сайта:

Аптайм-монитор может рапортовать о 100% доступности, а поисковый трафик при этом медленно падает. Классический сценарий: обновили шаблон и поймали noindex, сменили H1 "для красоты" или отвалилась микроразметка. Сервер честно отдаст 200 OK, но для поисковика страница фактически мертва.

Чтобы не ждать неделями просадки в Search Console, собрал автоматический аудит на n8n: ежедневный экспресс-контроль статусов и метатегов плюс еженедельный разбор состава каталога, JSON-LD и наличия товаров.

Внутри - физика разделения проверок, обход ограничений песочницы n8n регулярками и ссылка на GitHub с готовыми воркфлоу и шаблоном таблицы.

Баг всплыл не из мониторинга, а из жалобы: клиент написал, что AI-карточка сгенерировалась и легла в пикер, а счётчик кадров в пакете при этом не уменьшился — как будто генерация не потрачена. Разбор лога занял вечер 5 сентября, потому что первая гипотеза (двойной клик на кнопке) не подтвердилась: id генерации был один.

04.09 в 09:06:45 UTC ночной опрос Fleet нашёл одного «нового» курьера. Дальше автоматика отработала без единой ошибки: new_ids: 1, dispatch_alerted: 1, sms_sent: 1. В Google Sheet появилась строка 1248, в служебную группу пришёл алерт, человеку ушла SMS с просьбой подтвердить налоговый статус.

Разбираем технологии речевой аналитики: ASR, словари, ML, семантический анализ, LLM и Auto-QA. Сравниваем подходы Deeray, Naumen, SpeechSense, BSS, WordPulse и других систем.

Поиск слова «дорого» в транскрипте звонка когда-то считался речевой аналитикой.

Сегодня бизнес хочет получить ответ уже на совершенно другой вопрос:

Сравнили 10 систем речевой аналитики для крупного бизнеса: AI и LLM, On-Premise, API, омниканальность, контроль качества, интеграции, цены, плюсы и ограничения.

Смартфон можно купить за рубежом, положить в чемодан и физически пересечь с ним государственную границу. Но для того, чтобы аппарат полноценно заработал в местной мобильной сети и легально оказался на внутреннем рынке, этого все чаще недостаточно.

После физической границы появляется вторая — цифровая. Государство получает возможность повторно проверить и ограничить устройство уже внутри страны: по IMEI, данным о ввозе, таможенной декларации, сведениям об импортере, а в отдельных процедурах — и по личности человека, который регистрировал и/или использует аппарат.

Так часть контроля перемещается с аэропортов и автомобильных пунктов пропуска в телекоммуникационную и торговую инфраструктуру. Контроль по IMEI становится одним из механизмов такой цифровой границы.

235 рекламных кампаний, восемь месяцев дневной статистики, 1,5 млн рублей расхода. Три ловушки в отчётах, из-за которых выводы сначала получились красивыми и неверными, и что осталось от цифр после проверки.

Когда мы начали работать над AI‑консультантом для интернет‑магазина, идея была достаточно простой: помочь пользователю быстрее находить нужную информацию о товарах и упростить выбор.

В интернет‑магазинах уже есть поиск, фильтры и карточки товаров. Но этого часто недостаточно, когда человек приходит не с конкретным названием товара, а с задачей. Например: «Мне нужен инструмент для ремонта квартиры» или «Чем отличаются эти два товара и какой подойдет лучше?».

В офлайн‑магазине в такой ситуации можно обратиться к консультанту: объяснить задачу, уточнить детали и получить несколько вариантов. Мы хотели перенести похожий сценарий на сайт. Но довольно быстро стало понятно, что схема «пользователь → LLM → ответ» для этого не подходит.

Нужно понять запрос, сохранить контекст разговора, решить, нужен ли каталог, найти в нем товары, получить актуальную цену, при необходимости обратиться к базе знаний и только после этого дать модели данные для ответа.

Проект мы разрабатывали командой ASAP, и в этой статье разберем, как мы подошли к проектированию AI‑консультанта: устроили взаимодействие LLM с каталогом более чем из 200 тысяч товаров, какие задачи оставили коду, как работаем с актуальными ценами и остатками и почему вокруг языковой модели в итоге пришлось построить достаточно большой слой классической backend‑логики.

Привет! Меня зовут Иван Одинцв, я продакт-менеджер в команде товарных рекомендаций «Магнита». В какой-то момент мы упёрлись в неприятную стену: команда научилась быстро проверять гипотезы — а сами гипотезы при этом закончились. Все сильные идеи уже были в проде, а в бэклоге оседал «осадок», до которого руки не доходили неслучайно.

Алиса уже умеет за один диалог понять, какой пылесос нужен покупателю, подобрать модели, показать цены и привести к покупке. Следующий шаг очевиден: агент человека сам запросит цены, остатки и доставку у агентов магазинов, выберет предложение и оформит заказ. MCP, A2A, UCP, AP2, ACP и YCP постепенно собирают техническую основу такой торговли. Разбираю, что из этого уже работает в России и США, что изменилось всего за последний месяц и насколько реально, что через 1–2 года человеку станет все реже нужен сайт интернет‑магазина.

Сегодня в рубрике — книга о том, как можно создать плюшевое золото. Да такое, что о нём, словно о поп-звезде, услышит весь мир.

Даже если вы не знаете, как выглядит Лабубу, Molly или Skullpanda, информация о ком-то из них наверняка попадала в зону вашей слышимости. А может, приближалась настолько близко, что приходилось раскошеливаться — добровольно или не очень.

У основания этой империи — Ван Нин, выпускник неприметного вуза, чья идея оказалась сильнее денег и скептицизма инвесторов.

Всё началось с отказа. К 2015 году Pop Mart продавала японские фигурки Sonny Angel — они приносили треть всей выручки. Но Pop Mart была лишь дистрибьютором. Права принадлежали японской Dreams. Когда Ван Нин попытался открыть магазин в Шанхае, партнёры запретили продажу. Предложения об эксклюзивной дистрибуции, совместных коллекциях, участии в выставке — всё было отклонено. «Дайте Sonny Angel идти своим путём».Тогда у компании не осталось ничего, кроме как искать особенный путь для Pop Mart.

«Представьте: мы платим огромную аренду, а нам запрещают продавать товар, который дает 30 % всей выручки. Это был удар. Мы пытались договориться: предлагали стать крупным дистрибьютором, заняться маркетингом или запустить совместное производство. Но партнеры были категорически против. Мы столкнулись с полным непониманием», — прокомментировал этот период Ван Нин.

Читателям с нишевыми увлечениями вроде историй брендов и товарных знаков книга будет интересна историями о том, как защищать интеллектуальную собственность. Весь раздел про отношения с японскими партнёрами и поиск своего IP — прости господи, чистый мастрид для корпюристов и стратегов.

Возвраты в онлайн‑торговле одеждой держатся, по разным оценкам, на уровне 20–30%, а в отдельных категориях доходят до половины заказов. Главная причина устойчиво одна: не подошло по посадке, и на неё приходится около половины всех возвратов. Задача выглядит как классическая рекомендательная: есть покупатель, есть товар, надо предсказать метку. Ниже я разберу, почему в этой постановке она недоопределена в принципе, и что из‑за этого происходит с моделями.

Привет, мы команда «Ножиков» и хотим сделать так, чтобы нож воспринимался как стильный аксессуар вроде часов. Такой аксессуар можно носить с собой, и он будет классно смотреться. Красивое лезвие подчеркивает имидж, его не нужно бояться. Мы стараемся разрушать миф, что наличие ножа — это какой-то тревожный сигнал. В этом тексте расскажем, почему не продаем модели дороже 100,000 рублей и как мы собрали миллион подписчиков на нашем ютуб-канале:

Мы решили поручить анализ данных ChatGPT. И быстро поняли, что проблема вовсе не в модели. Оказалось, что LLM может красиво объяснять, но не должна считать. Ошибка была не в промпте, а в архитектуре системы.

В статье рассказываю, почему мы разделили код и ИИ, как избавились от галлюцинаций в аналитике и почему теперь модель объясняет результаты, а не пытается их вычислять.

Привет, мы производим детские игрушки для бренда JackoToys, хотя большинство игроков на рынке просто закупает их из Китая. Но качественные китайские игрушки стоят от 5 тысяч рублей, а в масс-маркете импортёру приходится закладывать в цену доставку и пошлины, поэтому он экономит на сырье. Свои сложности есть и у нас, за последнее время маржа упала с 30% до 10%. И даже в такой ситуации мы продолжаем упаковывать игрушки в две коробки, и вот почему мы это делаем:

Месяц назад я внедрил разметку ProductGroup на карточки товара с размерами. Google и Яндекс увидели разное. Вплоть до того, что валидатор Яндекса вообще не знает такой тип. Это переработанная версия текста, который я публиковал раньше. Тогда он был снят модерацией, сейчас переписан и дополнен цифрами за месяц после внедрения.

Кейс будет полезен тем, у кого есть интернет магазин с торговыми предложениями. Ваш сайт на JS фреймворке и индексируемость у карточек около нуля. Чаще всего такие страницы плохо понимает робот поисковой системы.