Case 02 / AI Product

Marketplace / Wildberries AI

Role: Product / Marketplace Automation

ProblemАналитика карточки, конкурентов, визуалов и тестов разнесена по разным инструментам

SolutionEnd-to-end AI-контур от SKU-анализа до собственного A/B-теста

My contributionProduct vision, data semantics, test architecture, UX и approval gates

Status / ResultProduct/MVP build: собран рабочий контур и спецификация клиентского кабинета

01 / Задача

Для улучшения карточки товара недостаточно просто «нарисовать новую обложку». Нужно понять текущее состояние SKU, посмотреть поисковую выдачу и сильных конкурентов, разобрать их визуальные решения, сформировать несколько гипотез и проверить их не по вкусу команды, а по поведению покупателей.

Проблема — этот цикл обычно разорван между аналитикой, дизайнером, генеративными инструментами, внешним сервисом тестов и таблицами. Цель продукта — собрать его в один управляемый workflow.

02 / Workflow

От карточки товара до следующей проверяемой гипотезы.

01SKU baseline

Воронка, заказы, остатки, sellable stock и текущее состояние карточки.

02Search page

Анализ первой страницы выдачи по целевому ключевому запросу.

03Competitors

Выбор сильных конкурентов и разбор их визуальных паттернов.

04Concepts

Генерация набора разных обложек и визуальных гипотез.

05Funnel slides

Подготовка остальных слайдов карточки под последовательность аргументов.

06Video

Короткий ролик как дополнительный формат контента карточки.

07 / APPROVELaunch test

Тест запускается только после подтверждения выбранной гипотезы.

08Feedback loop

Результаты A/B-теста возвращаются в продукт для следующего цикла.

03 / Архитектура

Собственный feedback loop вместо зависимости от одного внешнего сервиса.

Marketplace dataWB Analytics / funnel

Market contextSearch page / competitors / MPstats

AI layerVisual & content concepts

ExperimentOwn A/B service

ProductClient cabinet + results

Внешние сервисы используются как источник UX-референсов и данных, но core workflow проектируется так, чтобы анализ, генерация и сбор результатов не зависели от закрытого API одного провайдера.

04 / Мой вклад

Продуктовая архитектура поверх реальной операционки маркетплейса.

Формирование концепции «контент-завода» как продукта, а не набора промптов
Определение data contract и семантики метрик карточки
Логика анализа первой страницы выдачи и выбора конкурентов
Структура генерации 10 разных визуальных концепций для MVP
Проектирование собственного A/B-контура вместо внешней зависимости
Требования к клиентскому личному кабинету
UX-анализ аналогичных сервисов и перенос удачных паттернов
Approval rule: никаких изменений/запусков без явного подтверждения

05 / Result

Собран продуктовый контур, который можно масштабировать по кабинетам и SKU.

Аналитика SKU и маркетингового контекста объединена в одну модель процесса.
MVP способен формировать набор из 10 визуальных концепций для теста.
Генерация обложки, слайдов и видео связана с одним продуктовым workflow.
Собственный A/B-сервис становится источником результатов вместо ручного переноса.
Клиентский кабинет заложен как обязательная часть коммерческого продукта.

WildberriesWB AnalyticsMPstats / market dataSQLiteAI visionImage generationA/B testingClient cabinetApproval Gate

Нужно автоматизировать контент и тесты карточек?Разобрать процесс ↗

Следующий уровень / возможное расширение

Brand Brain для Content Factory: брендбук, tone of voice, ассортимент, ограничения по коммуникации, прошлые материалы и результаты тестов становятся корпоративным контекстом. Генерация визуалов и текстов остаётся в Content Factory, а knowledge layer помогает проверять соответствие внутренним правилам бренда. Корпоративный AI ↗ · Knowledge layer ↗