Запустил SKUmind: 2 недели, 103 PR и первые уроки
Основатель-одиночка с Claude Code как командой разработки. Ретроспектив 2 недель после запуска — что построено, что сломалось, что понял о рынке маркетплейс-аналитики.
Что я строю и почему именно сейчас
SKUmind — ИИ-аналитика прибыли для продавцов на Ozon, Wildberries и Amazon (раскатываю поэтапно). Базовая идея в одной фразе: «особое мнение по прибыли каждого артикула».
Большинство продавцов и их менеджеров фокусируются на топ-50 артикулах по обороту. ИИ читает все артикулы и находит убыточные бестселлеры, которые никто руками не считает.
28 апреля состоялся публичный запуск. Основные социальные сети подняты (LinkedIn, X, Telegram-канал @skumind, GitHub), сайт живой на 4 доменах, интеграция с API Ozon работает, первые продавцы в подключении. Две недели прошло — этот текст честный ретроспектив: что реально построил, что пошло не по плану, и куда двигаюсь дальше.
Проблема: «прибыль» которой нет
Я аттестованный специалист по Яндекс.Директ, сам запускал интернет-магазин. Урок дорогой и повторяющийся: «цена минус себестоимость» — это не прибыль. И даже «минус комиссия маркетплейса» — тоже ещё не прибыль.
Конкретный пример из реального кабинета (данные анонимизированы): магазин постельного белья на Ozon, 50 активных артикулов. Квартальный анализ дал такую картину: 8 из 50 артикулов приносят реальную прибыль, 16 топ-бестселлеров по обороту ушли в минус после полного учёта всех расходов. Диапазон маржинальности на один артикул: от +21к до −58к рублей квартально.
Пять статей, в которых тонет маржа:
- Комиссии маркетплейса — 10-42% (в отдельных категориях выше)
- Возвраты, брак и штрафы — 5-25%
- Реклама — 10-25%
- Логистика и фулфилмент — 5-15%
- Налоги (УСН, лимит НДС 20М) — 6-15%
- Комиссии маркетплейса — 10-30%
- Возвраты, брак и штрафы — 5-25%
- Реклама — 10-25%
- Логистика и фулфилмент — 5-15%
- Налоги (УСН, лимит НДС 20М) — 6-15%
Комиссия маркетплейса часто доходит до 40%+, а это лишь первый слой. В отдельных категориях все пять статей съедают 50-65% выручки — при том что «комиссия Ozon» в голове менеджера стоит как «15%».
Полный отчёт по каждому артикулу из 200-2000 руками каждую неделю никто не считает — это 4+ часа на 500 позиций. Не задача для человека. Поэтому убыточные бестселлеры стабильно остаются невидимыми: их находит только полная сверка, которой никто не делает.
Решение: особое мнение по каждому артикулу
Концепция бренда SKUmind — «minority report on every SKU's profit» / «особое мнение по прибыли каждого артикула».
Метафора эксплуатирует двойное значение «minority report»: 1. В юриспруденции: особое мнение судьи, которое расходится с большинством — но иногда оказывается правым 2. В фильме Спилберга: ИИ видит то, что не видят люди
В контексте SKUmind: ИИ смотрит на все 500-2000 артикулов, в то время как команда работает с топ-50. И иногда «особое мнение» ИИ расходится с интуицией менеджера. Если оно правое — это minority report по прибыли.
Каждую неделю/день/по запросу SKUmind:
1. Достаёт все артикулы и финансовые данные через API маркетплейса
2. Сводит полный отчёт по каждому артикулу (выручка минус все 5 статей расходов)
3. Классифицирует: убыточные / можно поднять цену / растить / стабильные
4. Даёт объяснение на каждый вердикт (не оценку, а текст: «убыточен потому что 18% возвратов в этой категории + 22% реклама + лимит НДС близко»)
Ключевая задача — усиление команды, а не замена.
Технически: Claude API как независимый аналитик
Большинство BI-инструментов для маркетплейсов работают на правилах:
«если возвраты > 15% — сигнал» - «если реклама > 20% — рекомендация снизить цену»
В разных категориях одно и то же число значит разное. Что норма для одежды — катастрофа для электроники. Универсальное правило бесполезно.
SKUmind вместо правил использует Claude API как опытного аналитика. Каждый артикул обрабатывается с полным финансовым контекстом и категорийной нормой — не дешёвый вызов по правилам, а мини-консультация. Архитектура промптинга — отдельная тема, на Habr будет глубже.
Отдача для продавца в десятки раз выше: он понимает что делать, а не получает абстрактную оценку «риск 0.7». Как если бы в команде был аналитик, который успевает посмотреть все 500 товаров каждую неделю.
Это ключевая разница от классических BI: AI-native подход vs BI-инструмент с ИИ-надстройкой. SKUmind делает первое.
Отдельный технический момент — API маркетплейсов разбирали через языковые модели с расширенным контекстом. Это позволило за пару дней сделать разведку, которая руками заняла бы недели — без неё стартовая архитектура была бы построена на устаревших предположениях о структуре API.
Финансовая структура Ozon глубже, чем кажется на первый взгляд. Без полного разбора привычные расчёты прибыли остаются приблизительными — и именно в этой «приблизительности» прячутся убыточные бестселлеры.
Подробный технический разбор (запросы, архитектура, паттерны кода, обратная разработка API Ozon) — завтра на Habr'е (13 мая).
Как я делаю это соло: Claude Code с параллельными агентами = команда
«Основатель-одиночка» в 2024 означало выгорание. В 2026 с Claude Code и параллельными агентами — это команда без совещаний.
Текущий состав: - 1 основатель (я) - Параллельные агенты Claude Code (~3-5 одновременно в отдельных рабочих ветках)
- Финансовое ядро: алгоритм распределения расходов на каждый артикул с явной сверкой
- Личный кабинет: основной каркас, карточка ИИ-анализа, переключатель тем оформления (три варианта)
- Инфраструктура: панель управления кабинетами, система обратной связи (плавающая кнопка → Telegram), восстановление данных подключения за 365 дней
- Бренд: 4 домена, сайт RU/EN/CN, товарный знак подан в Роспатент (заявка №7281386225)
Оговорка: это не магия. Скорость принятия решений — что строить и зачем — теперь узкое место, а не скорость разработки. Проверка кода занимает 60-70% дня. Это другая мышца.
Технологический стек: - Claude Sonnet 4.6 + Opus 4.7 (1М контекст) для разработки - Claude API для анализа (в продакшне) - Python + FastAPI на сервере - Next.js + Tailwind на клиенте - PostgreSQL - Vercel (сайт) + Timeweb VPS (сервер, RU)
Честный прогресс: 2 недели после запуска
Бренд:
- ✅ 4 домена куплены (.ai, .com, .io, .ru)
- ✅ Сайт с локализацией RU/EN/CN
- ✅ Основные социальные сети (LinkedIn, X, Telegram, GitHub) под единым брендингом
- ✅ Фирменные материалы (аватар, обложка, превью для соцсетей)
- ✅ Товарный знак подан в Роспатент (заявка №7281386225 от 28.04.2026
Продукт (что сделано за 2 недели):
- ✅ Интеграция с API Ozon: артикулы, себестоимость, полная финансовая структура
- ✅ Алгоритм распределения расходов: затраты → артикул, явная сверка
- ✅ Классификация артикулов: убыточные / поднять цену / растить
- ✅ Личный кабинет: каркас, карточка ИИ-анализа, три темы оформления
- ✅ Панель управления: работа с кабинетами, ручные действия
- ✅ Система обратной связи: плавающая кнопка → уведомления в Telegram
- ⏳ API Wildberries: интеграция в разработке
- ⏳ PDF + еженедельный отчёт на почту-
Метрики запуска — честно:
- Пост о запуске в LinkedIn: 73 показа, 0 реакций в первый час
- Пост о запуске в X: холодный старт, менее 100 показов
-Telegram-канал: 0 подписчиков — закономерно, внутри Telegram канал ещё не продвигал, ссылки шли только из LinkedIn/X на стороннюю платформу
Это не отлично, и я это понял примерно через 30 минут после публикации. Уроки:
- Подготовка аудитории до публикации критична. У меня было 0 личных сообщений до публикации — алгоритм воспринял это как «никому не интересно» и снизил охват. Ошибка №1.
- В LinkedIn решает первый час. 0 реакций в первый час = алгоритм снижает охват на дни вперёд. Судьба поста решается в первые 60 минут, не за первый день.
- Демография была в порядке — 25% уровня директора, 21% компаний от 51 до 200 сотрудников = именно та B2B-аудитория. Охват правильный по составу, просто маленький по объёму.
- Реальные данные работают лучше объявлений. Пост с анонимизированным кейсом дал больше отклика, чем объявление о запуске.
Со второй недели применяю план подготовки: 30-60 минут личных сообщений близким контактам за час до публикации, взаимное вовлечение.
Куда дальше
Ближайшая дорожная карта:
- Habr: завтра (13 мая) — технический разбор: архитектура, запросы, обратная разработка API Ozon
- Wildberries: интеграция в разработке, дата появится когда будет проверено
- Яндекс Маркет: второй этап после Wildberries
- Amazon / международный рынок: третий этап, после накопления достаточной прибыли
Открытые вопросы, на которые ищу ответы:
1. Тарифы: фиксированная цена для раннего доступа или подписка? Какая метрика обеспечивает удержание в маркетплейс-аналитике?
2. Продвижение на международном рынке: аналог VC.ru на английском — это HN, Product Hunt, сообщества Amazon-продавцов? Любые рекомендации welcome
3. Каналы продаж для нишевого B2B SaaS в РФ: для среднего чека 5-15к ₽/мес с узкой целевой аудиторией (продавцы Ozon/WB от 5М ₽/мес оборота) — где конверсия выше: контент-маркетинг через VC.ru/Habr/Telegram, холодные обращения через LinkedIn по 50 целевым аккаунтам, или партнёрство с маркетплейс-агентствами на проценте с продаж?
Если у тебя есть мнение по любому — буду благодарен в комментариях.
Как получить ранний доступ
Первые 100 продавцов на Ozon получают:
- Бесплатный первый месяц после старта платной подписки
- Фиксированная цена навсегда — стартовая цена закрепляется, даже когда тарифы вырастут
- Прямой канал к основателю через @skumind_bot
Промокод: MINORITY
Как воспользоваться:
1. Форма на skumind.ai
2. Или напишите в @skumind_bot слово MINORITY
Веду открытую разработку в Telegram @skumind, на LinkedIn Vsevolod Kobzar , на X @skumind_ai. Раз в 2-3 дня — что построено, что сломалось, выводы.