Как научить нейросети торговать на маркетплейсах и при этом не разориться

Наша история началась в середине 2020 года, когда один из нас предложил: «А давайте разработаем машинное обучение под вайлдберриз, чтобы максимально автоматизировать все процессы алгоритмами».

Мы — продуктовая команда, которая разрабатывает штуки, связанные с машинным обучением. Начав работать на маркетплейсах исключительно ради спортивного интереса, мы даже не думали о выходе на ежемесячные обороты в миллионы рублей уже через несколько месяцев.

Для начала, чтобы понять механику всего, что происходит на маркетплейсах, мы закупились постельным бельём на 100 000 рублей, и в течение двух месяцев наблюдали за процессами продажи нашего товара. Увидев, что даже случайный товар с «Садовода» можно сливать с определённой динамикой, решили уже серьезней заняться этой темой и подключить к процессу инвестора, так как сумма будущих вложений была — на тот момент — для нас неподъемной. Инвестора нашли среди знакомых и дали ему долю в 30%.

Далее мы свели показатели в одну таблицу и провели анализ результатов. На основе полученных данных перешли к планированию и разработали для себя стратегию развития: просчитали экономику, прописали все процессы и путь из точки «А» в точку «Б», составили план продаж, распределили роли каждого участника.

Очень важно в начале любого бизнеса уделять внимание планированию и прописывать стратегию развития. Так вы сможете избежать серьёзных ошибок и будете знать, в каком направлении двигаться дальше. Многие начинающие предприниматели игнорируют этот момент, ошибочно считая, что для торговли на маркетплейсах достаточно купить товар, накрутить ценник и получить прибыль. В итоге столь хаотичные и не поддающиеся никакой логике действия будет сложно проанализировать и сделать из этого необходимые выводы. Результат такого безответственного подхода к бизнесу — убытки, кассовые разрывы и банкротства.

Следующим шагом стало формирование команды, которая должна была помочь выйти на маркетплейсы. Последовал месяц, за который мы провели порядка 30 собеседований. Результат этой кропотливой работы — сформированная команда из 6 человек:

Подготовившись к старту, мы сформировали первый заказ и отправили 3 000 000 рублей в Китай — товар повезли через карго. Чтобы зря не терять время, в ожидании доставки, приступили к составлению описания товара для карточек, а также написанию контента для соцсетей и рекламных кампаний.

Здесь хочется отметить один важный момент

Мы заранее арендовали склад и офис, так как подвернулось очень выгодное предложение, которое нельзя было упускать. Команду, как писали выше, набирали тоже заранее, и выплачивали зарплату — люди нам были необходимы, так как основная работа не позволила бы делать всё самим. Данные расходы мы включили в нашу финансовую модель и понимали, что пока нам нечем будет торговать на маркетплейсе, всё это придётся оплачивать. Именно в этом моменте многие ошибаются — заранее арендуют склад и офис, не думая о том, что эти расходы придётся потом включать в себестоимость первой партии товара. Тогда все расчёты «пойдут по швам», и перед предпринимателем возникнет дилемма — сделать высокую наценку на товар или поставить конкурентоспособную цену. В первом случае придется ждать, пока товар кто-то купит, из-за чего процесс возврата инвестиций будет надолго заморожен. Во втором же придется вовсе работать в ноль или нести убытки.

К нашему удивлению, товар приехал без задержек к середине декабря, и мы приступили к упаковке. Чтобы ускориться, сами подключились к этому процессу. И вот настал долгожданный момент, когда всё было готово к первой отправке товара на склад вайлдберриз в Коледино, но нас ждало разочарование, которое обошлось нам в приличную сумму непредвиденных расходов. Оказалось, что вайлдберриз до 10 января ограничил поставки тем, у кого еженедельный оборот был меньше 100 000 рублей. Потеряли ещё месяц.

Настало 10 января. Мы отгрузились и начали выкупать товар. В тот момент ещё не было алгоритмов вайлдберриз, которые банили отзывы. Поэтому буквально за неделю мы залетели в топ-5 по каждой из наших категорий, оставив по 30–40 отзывов на товары. В какие-то из дней с ПВЗ нам отгружали товары коробками, а другие клиенты жаловались, что мы занимаем очередь с выкупами на 3 часа в день.

Продажи уверенно пошли вверх

Дальше нас ждал ещё один неприятный момент, который напомнил нам одну народную мудрость — доверяй, но проверяй. Оказалось, что наш аналитик не включил в экономические расчёты затраты на логистику до покупателя — вайлдберриз берёт за это дополнительную плату, отдельно от комиссии за каждый проданный товар. Наша юнит-экономика по некоторым товарам стала уже не такой привлекательной.

Ок, решили слить неприбыльный товар ещё быстрее, чтобы вытащить из него хоть какие-то деньги и сконцентрироваться на прибыльном. Пока концентрировались, товар неожиданно закончился и случился жесточайший товарный разрыв. Произошло это потому, что складской учёт мы вели в Гугл-табличках и, естественно, запутались. Перешли на МойСклад, которым до сих пор пользуемся и считаем, что он — с нужными расширениями — вполне удовлетворяет нашим потребностям. Ещё одной проблемой было то, что закупили товара всего на 3 месяца, а с непредсказуемой логистикой этого оказалось недостаточно. Отныне закупаемся на большее количество времени.

За месяц на этой партии мы получили оборот в 3 000 000 рублей, с чистой прибылью всего в 500 000:

В итоге пока ждали прибытие второй партии, опять 2 месяца платили зарплату и аренду, а потом снова тратили деньги на выкупы.

Чтобы выбраться из неприятного положения, решили расширять ассортимент и поменять алгоритм отбора товаров. Тут уже внедрили наши программистские навыки — подцепились через API к аналитическим инструментам и натыкали 20 условий — по типу минимальной цены продажи, ССП и других, которые позволили сузить количество потенциальных товаров с 20 млн. до 150 штук. Отдали Китаисту на просчёт — заказали из них 30.

Ещё отказались от карго, потому что для дешёвых товаров народного потребления оно выходило слишком дорогим. Решили везти с таможенными документами и белой растаможкой, потому что у нас в команде есть логист с 10-летним опытом работы в этом направлении. Благодаря ему удалось снизить затраты в среднем порядка 15% на артикул.

На второй партии получили тот же оборот — 3 000 000 рублей в месяц, но уже с чистой прибылью почти в 800 000 с учетом затрат на команду.

Вторая закупка оказалась куда удачнее первой. У нас появилась правильная юнит-экономика, на основе которой мы теперь отбираем за неделю по 50–60 высокомаржинальных товаров — практически без человеческого вмешательства. Всё это стало возможным благодаря нашим улучшенным алгоритмам.

Отбор товара таким алгоритмом занимал много ручного времени для отсеивания неподходящих товаров, поэтому мы пошли дальше и внедрили машинное обучение. В итоге ускорили процесс отбора в несколько раз и сейчас он включает в себя:

Это позволяет с приемлемой первичной погрешностью прикинуть, какие товары стоит отдавать на просчет китаисту, а какие нет. Сейчас отбор 500 подходящих товаров занимает около 1-3 дней без аналитика по закупкам, потому что большую часть его функций мы автоматизировали, а остаток переложили на менеджера по продажам.

Когда у нас появилось более-менее целостное понимание происходящего, мы решили, что наши гипотезы успешно прошли валидацию и можно оборачивать это в продукт для селлеров российских маркетплейсов. Мы можем делать полный цикл услуги, начиная от отбора и закупки самого товара и заканчивая доставкой до российского склада заказчика со всей сертификацией. А наши нейросети — ключевое отличительное свойство нашей команды — позволяют отбирать высокомаржинальные продукты с минимальным количеством временных затрат.

Подробнее про то, как улучшить товарные карточки и увеличить конверсию покупок — читайте в следующей статье.