Разработка AI-генератора карточек товаров для маркетплейсов

Ручное заполнение карточек съедает часы команды и всё равно даёт разнобой в описаниях. Мы разрабатываем AI-генератор описаний товаров под ключ: от аудита данных до передачи готового решения с обученной моделью. Он сокращает время подготовки карточек в разы и держит единый стиль на всём ассортименте.
Часто задаваемые вопросы

AI генератор описаний товаров: где ломается ручной поток

Каталог на несколько тысяч позиций упирается не в число авторов, а в пропускную способность одного человека. Копирайтер держит в голове структуру описания, набор свойств, ограничения площадки и правила категории — и на каждой карточке заново собирает одно и то же. Прирост каталога обгоняет прирост текстов, очередь на публикацию растёт быстрее, чем закрывается.

Второе узкое место в подготовке контента — расхождение требований площадок к описанию. Одни режут длину и не пропускают ссылки, другие требуют заполненных атрибутов и жёсткой структуры заголовка, третьи по-своему трактуют вложенность категорий. Один и тот же товар приходится переписывать по-разному, и это уже не творческая работа, а механическая.

Третий слой — человеческий фактор при массовом ручном наполнении карточек. Результат выходит неровным: где-то потерян ключевой параметр, где-то продублирован абзац, где-то характеристика не совпадает с фильтром площадки. Карточка проходит проверку, но теряет показы, потому что не попадает в поисковые запросы покупателя.

Генерация описаний для маркетплейса снимает все три ограничения — но только если построена не как «кнопка с текстом», а как управляемый конвейер: данные из учётной системы, шаблон под требования конкретной площадки, автопроверка полноты и единый стиль по всему каталогу.

Ниже разбираем, что именно забирает на себя AI генератор описаний товаров и где в этом процессе остаётся человек.

Что меняется после внедрения: измеримые эффекты

Эффект от внедрения видно не на демонстрации генерации, а в производственном цикле: сколько карточек выходит за день, сколько возвращается на доработку и сколько времени редактор тратит на одну единицу контента. Ниже — метрики, которые меняются предсказуемо.

Скорость выпуска карточек

Черновик описания собирается по атрибутам товара, а не пишется с нуля: генератор подставляет характеристики, категорию и ключевые запросы, редактор правит формулировки. Средний цикл «атрибуты → готовая карточка» сокращается в 3–4 раза, а запуск новой категории на несколько сотен позиций занимает дни вместо недель.

Доля отклонённых карточек

Основная причина возвратов на площадках — формальная: превышена длина, пропущено обязательное свойство, один и тот же текст продублирован в полях. Проверка требований к выгрузке идёт до публикации и настраивается отдельно под каждый канал — у Wildberries и других площадок свои правила по составу и тону полей. Доля карточек, уходящих на доработку, падает с 15–20% до единиц.

Единый стиль и снятая нагрузка на редакторов

Тон, структура абзацев и порядок характеристик задаются профилем категории, поэтому описания у разных авторов читаются одинаково, а не «у каждого свой голос». Редактор переключается с рутины на спорные случаи — уникальные товары, сложные категории, тексты под акции. Трудозатраты на одну карточку снижаются в разы, и каталог масштабируется без пропорционального роста команды.

Варианты генерации: от шаблонов до дообученной модели

Подход выбирается по состоянию каталога, а не по «продвинутости» метода. Если характеристики лежат в структурированных полях, предсказуемее работают шаблоны описаний с правилами подстановки: текст собирается из проверенных блоков, а расхождения ловятся на уровне атрибутов. Модель подключают там, где нужен связный текст под конкретную категорию.

Второй критерий — объём каталога, прошедшего модерацию, и стабильность атрибутов. Дообучение модели на каталоге даёт единый стиль и меньше выдуманных характеристик, но требует эталонных карточек и переобучения при смене ассортимента. Поэтому чаще останавливаются на гибридной схеме генерации: правила отвечают за факты, модель — за формулировки.

Подход Когда уместен Ограничения
Шаблоны и правила подстановки характеристик Атрибуты заполнены, категории однотипны, нужна предсказуемость Однообразный текст; при пустых полях в описании появляются пропуски
Генерация базовой моделью по инструкции с образцами Каталог новый или небольшой, эталонных описаний мало, опубликовать нужно быстро Формулировки плавают от запуска к запуску, возможны выдуманные характеристики
Дообучение модели на каталоге Есть сотни карточек, прошедших модерацию, и стабильные атрибуты Нужны размеченные данные и переобучение при смене ассортимента
Гибридная схема генерации Большой каталог, разнородные категории, накоплены правила и образцы Правила, модель и проверки обновляются вместе — дороже в поддержке

Выбрать помогает прогон кандидатов на одном наборе карточек: считаем долю описаний, опубликованных без ручной правки, и число возвратов из-за несоответствия характеристик.

Этапы внедрения генератора: от аудита данных до передачи

Порядок работ здесь не случайный: качество описаний на выходе определяет не модель, а подготовка данных и правила приёмки. Если пропустить аудит каталога или не зафиксировать критерии проверки, генератор выдаёт правдоподобный текст, который потом вручную переписывают категорийные менеджеры. Ниже — план внедрения, по которому мы ведём проект.

  1. Аудит каталога и данных. Выгружаем категории, атрибуты, историю карточек и находим узкие места: пустые характеристики, расхождения в единицах измерения, дубли, несовпадающие названия брендов, карточки без фото. Результат — карта данных с указанием, по каким категориям описания можно генерировать сразу, а где сначала нужна нормализация.
  2. Схема и правила генерации. Фиксируем обязательные поля, структуру описания, требования к тону и стоп-лист: без непроверяемых утверждений, чужих брендов и обещаний, которые противоречат правилам маркетплейса.
  3. Подготовка источников. Собираем справочники синонимов и единиц, сводим атрибуты к единому виду, размечаем эталонные описания, на которые генератор будет опираться как на образец.
  4. Настройка и интеграция. Генератор связываем с учётной системой или кабинетом продавца, настраиваем очередь обработки, ограничения по объёму и журнал запусков, чтобы каждое изменение можно было отследить.
  5. Проверка на контрольной выборке. Прогоняем несколько сотен карточек из разных категорий, считаем долю описаний, принятых без правок, и разбираем отклонения. Правила и образцы корректируем по результатам, а не по ощущениям.
  6. Регламент приёмки результата. Согласуем измеримые критерии: доля карточек без ручной доработки, время на одну карточку, доля отклонений модерацией, полнота заполнения атрибутов.
  7. Передача и план внедрения. Отдаём доступы, инструкции и настройки, обучаем ответственных и расписываем запуск по категориям волнами — так ошибки первых партий не тиражируются на весь каталог.

Каждый этап заканчивается проверяемым артефактом, поэтому к моменту передачи у команды заказчика остаётся работающая схема, а не набор экспериментов.

Что вы получаете на руки: артефакты проекта

Артефакты проекта — не презентация, а рабочий контур, который остаётся у вас и запускается без нашего участия. Всё оформлено так, чтобы редакция или контент-менеджер продолжили работу самостоятельно: настройки, правила, словари и регламенты лежат в одном месте. На руки вы получаете:

  • Настроенную генерацию описаний — правила для каждого поля: заголовок, список преимуществ, характеристики, текстовый блок под конкретные категории.
  • Библиотеку шаблонов и эталонных карточек — образцы по ключевым категориям, задающие тон и структуру; по ним сверяют результат.
  • Правила и словари — названия брендов, обязательные характеристики, стоп-формулировки, требования площадок к длине и структуре текста.
  • Схему процесса — путь от выгрузки номенклатуры до публикации, с отмеченными точками: где работает человек, где автоматика.
  • Регламент модерации описаний — порядок проверки, критерии приёмки, что делать с отклонённой карточкой и кто принимает финальное решение.
  • Правила контроля качества — метрики: доля карточек без правок, полнота характеристик, повторы между карточками, периодичность замеров.
  • Документацию по генерации — описание полей и зависимостей, инструкция по правке правил без разработчика.
  • Передачу команде — разбор на вашей номенклатуре, доступы, ответственные и порядок эскалации.

Комплект снимает зависимость от подрядчика: добавлять категории, править формулировки и разбирать спорные карточки редакция может сама. Мы подключаемся, когда меняется логика — новая площадка, новый тип контента или обновлённые требования.

Кейс: как сократили ручную подготовку карточек

До внедрения каталог на 18 000 позиций вели три контент-менеджера: карточку собирали руками — заголовок, 5–7 полей характеристик, описание и ключевые запросы, — на одну позицию уходило 12–18 минут. Вывод новой линейки из 400 артикулов растягивался на две-три недели, а описания расходились по тону и структуре от менеджера к менеджеру.

Мы собрали конвейер: выгрузка поставщика парсится и нормализуется по справочнику категорий, атрибуты маппятся на обязательные поля маркетплейса, генерация идёт пакетами через API OpenAI с шаблонами запросов на категорию, а на выходе текст проходит валидацию — длина, запрещённые формулировки, повторы, наличие ключей. Чувствительные категории уходят на локальную модель, чтобы данные не покидали контур.

Метрика До После
Время на одну карточку 12–18 мин 2–3 мин на проверку и правку
Вывод линейки из 400 артикулов 2–3 недели 4–5 дней
Карточки, принятые без доработки около трети 84%
Единообразие описаний своё у каждого менеджера один шаблон на категорию

Ограничения остались: сертификаты, состав, медицинские и юридические формулировки модель не утверждает — их сверяет специалист, поэтому 12–15% карточек уходят на ручную доработку. Новые категории требуют калибровки шаблонов на выборке в 30–50 позиций, а сложные характеристики с неоднозначными значениями лучше отдавать на разметку справочника — иначе генератор повторяет ошибки исходных данных. Опишите свой каталог — вернёмся с оценкой и планом внедрения.

Чем отличается дообученная модель от шаблонных карточек

Шаблон держится на правилах подстановки: атрибуты из фида раскладываются по заранее написанным фразам. На узкой категории с десятком стабильных свойств это быстро и предсказуемо, а текст остается полностью управляемым. Предел наступает на масштабе — число осмысленных комбинаций ограничено, и к тысячной карточке формулировки начинают повторяться дословно.

Понять, что шаблон исчерпан, можно по симптомам: доля повторов внутри категории растет, согласования ломаются на редких значениях атрибутов, а свойства вне таблицы — посадка, сценарий использования, совместимость — в описание не попадают вовсе. Здесь и встает выбор: дообученная модель или шаблон с расширенным словарем. Второй вариант оправдан, пока атрибутов мало и формулировки должны оставаться строго фиксированными.

Дообученная модель учится на разметке обучающей выборки — это пары «атрибуты фида → согласованное вручную описание». В выборку идут лучшие карточки категории, правки категорийного менеджера, отдельно размеченные тон, длина, обязательные блоки и запрещенные формулировки. Полторы-две тысячи выверенных примеров на категорию дают генерацию, которая не путает свойства между собой и не додумывает характеристики, которых нет в фиде.

Контроль качества текста переезжает из головы редактора в метрики: покрытие обязательных атрибутов, сверка с фидом, доля совпадающих фрагментов между карточками, читаемость, отсутствие маркетингового шума. Уникальность описаний считается внутри категории, а не по всему каталогу — именно там повторы бьют по видимости товара. Сверху остается выборочная ручная проверка и разбор карточек, которые не прошли фильтры.

Технические вопросы перед стартом проекта

Вопросы на старте обычно касаются не самой генерации, а управляемости результата: кто отвечает за уникальность, откуда берутся характеристики, не разойдутся ли тексты с правилами площадок и что будет с новой категорией. Ниже — как эти риски закрываются на уровне настройки, а не обещаний.

Тексты не окажутся дублями внутри каталога и относительно конкурентов?

Генератор идёт по структурированным атрибутам, а не по одному шаблону, поэтому описания расходятся на уровне формулировок, порядка блоков и акцентов. Сверх этого работает автопроверка: пересечения по фрагментам внутри каталога и сверка с публичными выдачами площадок — при превышении порога карточка уходит на перегенерацию.

Откуда берутся характеристики и что мешает модели их выдумать?

Источник фактов — только заполненные поля карточки и ваш справочник значений. Если атрибут пуст, текст строится без него, а не с правдоподобной догадкой. На приёмке считаем долю карточек, где описание расходится с полями, и держим этот показатель целевым.

Как выполняются требования площадок и что при смене их правил?

Лимиты длины, обязательные блоки, служебные пометки и стоп-слова хранятся отдельными профилями под каждую площадку, включая Ozon. Проверка запускается до публикации, поэтому несоответствие отсекается на черновике, а не после отклонения карточки. Обновление профиля не требует переобучения модели.

Что делать с новой категорией, которой не было в обучении?

Размечаем небольшую выборку эталонных карточек и на ней настраиваем генерацию — этого хватает, чтобы стиль и набор полей совпали с вашей линейкой. Качество проверяем на отложенной выборке до выката в каталог, а предыдущая настройка остаётся точкой отката.

Обсудим вашу задачу и вернёмся с оценкой и планом

Чтобы оценка проекта была реалистичной, а план внедрения — выполнимым, разговор лучше начинать не с общих слов, а с фактов о каталоге. Собрать это заранее стоит вам недорого, зато мы сразу называем сроки по первой очереди, а не пересматриваем их на середине работы.

  • Состав каталога: число товарных групп, карточек и языков, на которых нужны описания. От этого зависит, сколько правил генерации и проверок закладывать.
  • Образцы карточек: десять-двадцать описаний, которые считаете эталонными, и столько же неудачных. По ним видно требуемый стиль и структуру полей.
  • Источник данных: выгрузка номенклатуры с характеристиками, наличие фото и заполненных атрибутов. Чем полнее исходные данные, тем меньше ручных правок после генерации.
  • Требования площадок: ограничения по длине и структуре полей, запрещённые формулировки, обязательные реквизиты. Их мы закладываем в проверки, а не вылавливаем после публикации.
  • Роли и согласование: кто утверждает тексты и кто отвечает за выгрузку. Без этого план внедрения упирается в ожидание ответа.
  • Критерии приёмки: доля карточек, проходящих без правок, и допустимый процент ручной доработки.

Если большая часть перечисленного есть под рукой, обсудим задачу предметно: вернёмся с оценкой сроков, составом первой очереди и планом внедрения по шагам.

Направления AI-разработки

Последние работы

  • Разработка сайта компании B2B ADVANCE
    Разработка сайта компании B2B ADVANCE
    1542
  • Разработка веб-приложения для компании FEEDME
    Разработка веб-приложения для компании FEEDME
    1393
  • Разработка веб-сайта для компании БЕЛФИНГРУПП
    Разработка веб-сайта для компании БЕЛФИНГРУПП
    1081
  • Разработка интернет магазина для компании FURNORO
    Разработка интернет магазина для компании FURNORO
    1368
  • Разработка логотипа компании B2B Advance
    Разработка логотипа компании B2B Advance
    815
  • Разработка веб-приложения для компании Enviok
    Разработка веб-приложения для компании Enviok
    1139