AI или копирайтер-человек? Кейс-эксперимент Easy Commerce для крупного селлера на Wildberries в сегменте бьюти средств
Клиент работает на маркетплейсе Wildberries в категории Beauty. Один из ключевых факторов ранжирования карточек – качество текстового наполнения.
Чтобы ускорить подготовку описаний и оценить возможности автоматизации, клиенту был предложен эксперимент: часть текстов готовил копирайтер, часть – нейросеть YandexGPT с последующей редактурой. Категория оказалась чувствительной: товары решают деликатные задачи, поэтому юридический отдел заказчика предоставил список ограничений по формулировкам.
Команда проанализировала существующие описания, собрала ключевые слова и распределила их по частотности. В процессе настройки промтов возникли сложности: нейросеть игнорировала стоп-слова, допускала «галлюцинации» – приписывала товарам недостоверные характеристики, а также при совместной работе с искусственным интеллектом оказалось довольно-таки сложно создавать уникальные описания, которые при этом было бы интересно читать.
Чтобы добиться корректной генерации, команда экспериментировала с параметрами модели и формулировкой задач. Финальным решением стало использование нейросети как инструмента для подготовки черновиков, с последующей ручной редактурой.
Целью эксперимента было не только сравнение качества текстов, но и оценка целесообразности включения ИИ в бизнес-процессы: сколько времени и ресурсов можно сэкономить без потери качества.
Чтобы ускорить подготовку описаний и оценить возможности автоматизации, клиенту был предложен эксперимент: часть текстов готовил копирайтер, часть – нейросеть YandexGPT с последующей редактурой. Категория оказалась чувствительной: товары решают деликатные задачи, поэтому юридический отдел заказчика предоставил список ограничений по формулировкам.
Команда проанализировала существующие описания, собрала ключевые слова и распределила их по частотности. В процессе настройки промтов возникли сложности: нейросеть игнорировала стоп-слова, допускала «галлюцинации» – приписывала товарам недостоверные характеристики, а также при совместной работе с искусственным интеллектом оказалось довольно-таки сложно создавать уникальные описания, которые при этом было бы интересно читать.
Чтобы добиться корректной генерации, команда экспериментировала с параметрами модели и формулировкой задач. Финальным решением стало использование нейросети как инструмента для подготовки черновиков, с последующей ручной редактурой.
Целью эксперимента было не только сравнение качества текстов, но и оценка целесообразности включения ИИ в бизнес-процессы: сколько времени и ресурсов можно сэкономить без потери качества.
КЕЙС 4
Описание кейса / решения
Для реализации эксперимента команда Easy Commerce выстроила поэтапный процесс: вначале важно было проанализировать существующие описания товаров, выявить слабые места и собрать ядро ключевых слов, распределив их по частотности. На основе полученной информации появилась возможность подготовить тестовый пул карточек, которые позже разделили между двумя потоками: часть описаний писалась копирайтером, часть — с помощью YandexGPT. После генерации все тексты от ИИ проверялись и редактировались вручную, чтобы привести их в соответствие с юридическими ограничениями и стилем бренда.
Работа с нейросетью потребовала детальной настройки. Уже на первых этапах стало очевидно, что модель не всегда точно следует инструкциям: она могла вставлять стоп-слова, игнорируя ограничения, или приписывать товарам несуществующие свойства. Чтобы минимизировать риск, команда ввела дополнительный этап: после генерации черновиков запускалась автоматическая проверка на запрещённые формулировки, и только после этого происходила ручная редактура.
Также возникли сложности с длиной текстов и их вариативностью. Нейросеть не всегда адекватно воспринимала ограничение по символам — иногда превышала лимит на сотни знаков. После ряда попыток стало ясно, что искусственный интеллект лучше справляется, если задавать объем в словах, а не в символах. Проблему однотипности удалось частично решить через уточнение промта: модель получала дополнительные инструкции по тону, стилю, целевой аудитории и даже роли, в которой она должна «выступать» (например, «представь, что ты beauty-редактор»).
После подготовки и редактуры тексты загружались на маркетплейс. Для сравнения эффективности использовался инструмент отслеживания позиций — CAT. Команда наблюдала динамику карточек и фиксировала изменения, чтобы понять, какие подходы работают лучше. На начальном этапе тексты, написанные копирайтером, демонстрировали более быстрый рост, однако по прошествии нескольких недель позиции карточек, сгенерированных при участии ИИ, стали сопоставимыми.
В итоге был выработан рабочий подход: нейросеть используется как генератор черновиков, человек — как редактор, приводящий текст к нужному уровню. Это позволило снять с копирайтера часть рутинной нагрузки, а также стандартизировать и ускорить процесс создания карточек, особенно в рамках однотипных товаров.
Таким образом, данный кейс подтвердил, что нейросеть не заменяет копирайтера, но может быть полезным инструментом в подготовке контента — при условии продуманной настройки, четкой инструкции и обязательной финальной проверки человеком.
Сроки реализации
01.04.2024 — 01.08.2024
Результаты ДО и ПОСЛЕ
В результате эксперимента все оптимизированные карточки товаров поднялись в поисковой выдаче Wildberries в среднем на 351 позицию и вышли на первую-вторую страницу. На начальном этапе тексты, написанные копирайтером, демонстрировали более быстрый рост, однако со временем позиции карточек, сгенерированных с помощью нейросети, сравнялись.
Использование YandexGPT позволило команде ускорить подготовку контента на 55% по сравнению с полностью ручной работой. Это стало возможным благодаря передаче рутинной части — создания черновиков — на сторону ИИ, с последующей редактурой человеком.
Также была зафиксирована экономия бюджета: комбинированный подход (генерация + редактура) оказался на 32,5% дешевле, чем написание всех текстов с нуля копирайтером.
Эксперимент подтвердил, что при правильной настройке и контроле нейросеть может быть эффективным помощником в создании текстов — особенно при работе с большими объемами однотипных карточек.
В то же время кейс показал и ограничения: модель давала наилучшие результаты при генерации описаний внутри одной категории. В случае разнотипных товаров потребуется дополнительная адаптация промтов, что может повлечь увеличение затрат. Поэтому использование ИИ наиболее целесообразно при работе с сериями из 10 и более схожих товаров.
В чем полезность и уникальность кейса?
Кейс ценен тем, что демонстрирует реалистичный, проверенный на практике способ интеграции генеративного ИИ в контентные процессы бренда. Мы не просто проверили, может ли нейросеть заменить копирайтера, а показали, как именно она может помогать команде — ускоряя рутину, снижая издержки и при этом не ухудшая качество. Уникальность подхода в том, что он учитывает реальные риски: юридические ограничения, галлюцинации модели, однотипность формулировок. Вместо идеализированного взгляда на ИИ мы сфокусировались на практическом сценарии, где модель используется в тандеме с человеком.
Проект позволил выработать стабильную и масштабируемую схему: нейросеть создаёт черновик, копирайтер доводит текст до нужного уровня. Такой подход обеспечивает как экономию времени и бюджета, так и соблюдение требований бренда и площадки. Дополнительную ценность кейс представляет для категорий, где точность формулировок и соблюдение ограничений особенно критичны.
Возможно ли кейс масштабировать в компании и применить для других участников рынка?
Подход можно масштабировать внутри компании и адаптировать для других брендов — при соблюдении ряда условий. Кейс показал, что связка ИИ и копирайтера даёт наилучшие результаты при работе с сериями однотипных товаров внутри одной категории. При переходе между категориями потребуется дополнительная настройка промтов и повторный запуск тестов.
Для брендов с большим объемом карточек, работающих в стабильных продуктовых линейках, такой процесс может стать эффективным и экономичным решением. Он помогает ускорить обновление контента и снизить нагрузку на редакторов без потери качества.
Для реализации эксперимента команда Easy Commerce выстроила поэтапный процесс: вначале важно было проанализировать существующие описания товаров, выявить слабые места и собрать ядро ключевых слов, распределив их по частотности. На основе полученной информации появилась возможность подготовить тестовый пул карточек, которые позже разделили между двумя потоками: часть описаний писалась копирайтером, часть — с помощью YandexGPT. После генерации все тексты от ИИ проверялись и редактировались вручную, чтобы привести их в соответствие с юридическими ограничениями и стилем бренда.
Работа с нейросетью потребовала детальной настройки. Уже на первых этапах стало очевидно, что модель не всегда точно следует инструкциям: она могла вставлять стоп-слова, игнорируя ограничения, или приписывать товарам несуществующие свойства. Чтобы минимизировать риск, команда ввела дополнительный этап: после генерации черновиков запускалась автоматическая проверка на запрещённые формулировки, и только после этого происходила ручная редактура.
Также возникли сложности с длиной текстов и их вариативностью. Нейросеть не всегда адекватно воспринимала ограничение по символам — иногда превышала лимит на сотни знаков. После ряда попыток стало ясно, что искусственный интеллект лучше справляется, если задавать объем в словах, а не в символах. Проблему однотипности удалось частично решить через уточнение промта: модель получала дополнительные инструкции по тону, стилю, целевой аудитории и даже роли, в которой она должна «выступать» (например, «представь, что ты beauty-редактор»).
После подготовки и редактуры тексты загружались на маркетплейс. Для сравнения эффективности использовался инструмент отслеживания позиций — CAT. Команда наблюдала динамику карточек и фиксировала изменения, чтобы понять, какие подходы работают лучше. На начальном этапе тексты, написанные копирайтером, демонстрировали более быстрый рост, однако по прошествии нескольких недель позиции карточек, сгенерированных при участии ИИ, стали сопоставимыми.
В итоге был выработан рабочий подход: нейросеть используется как генератор черновиков, человек — как редактор, приводящий текст к нужному уровню. Это позволило снять с копирайтера часть рутинной нагрузки, а также стандартизировать и ускорить процесс создания карточек, особенно в рамках однотипных товаров.
Таким образом, данный кейс подтвердил, что нейросеть не заменяет копирайтера, но может быть полезным инструментом в подготовке контента — при условии продуманной настройки, четкой инструкции и обязательной финальной проверки человеком.
Сроки реализации
01.04.2024 — 01.08.2024
Результаты ДО и ПОСЛЕ
В результате эксперимента все оптимизированные карточки товаров поднялись в поисковой выдаче Wildberries в среднем на 351 позицию и вышли на первую-вторую страницу. На начальном этапе тексты, написанные копирайтером, демонстрировали более быстрый рост, однако со временем позиции карточек, сгенерированных с помощью нейросети, сравнялись.
Использование YandexGPT позволило команде ускорить подготовку контента на 55% по сравнению с полностью ручной работой. Это стало возможным благодаря передаче рутинной части — создания черновиков — на сторону ИИ, с последующей редактурой человеком.
Также была зафиксирована экономия бюджета: комбинированный подход (генерация + редактура) оказался на 32,5% дешевле, чем написание всех текстов с нуля копирайтером.
Эксперимент подтвердил, что при правильной настройке и контроле нейросеть может быть эффективным помощником в создании текстов — особенно при работе с большими объемами однотипных карточек.
В то же время кейс показал и ограничения: модель давала наилучшие результаты при генерации описаний внутри одной категории. В случае разнотипных товаров потребуется дополнительная адаптация промтов, что может повлечь увеличение затрат. Поэтому использование ИИ наиболее целесообразно при работе с сериями из 10 и более схожих товаров.
В чем полезность и уникальность кейса?
Кейс ценен тем, что демонстрирует реалистичный, проверенный на практике способ интеграции генеративного ИИ в контентные процессы бренда. Мы не просто проверили, может ли нейросеть заменить копирайтера, а показали, как именно она может помогать команде — ускоряя рутину, снижая издержки и при этом не ухудшая качество. Уникальность подхода в том, что он учитывает реальные риски: юридические ограничения, галлюцинации модели, однотипность формулировок. Вместо идеализированного взгляда на ИИ мы сфокусировались на практическом сценарии, где модель используется в тандеме с человеком.
Проект позволил выработать стабильную и масштабируемую схему: нейросеть создаёт черновик, копирайтер доводит текст до нужного уровня. Такой подход обеспечивает как экономию времени и бюджета, так и соблюдение требований бренда и площадки. Дополнительную ценность кейс представляет для категорий, где точность формулировок и соблюдение ограничений особенно критичны.
Возможно ли кейс масштабировать в компании и применить для других участников рынка?
Подход можно масштабировать внутри компании и адаптировать для других брендов — при соблюдении ряда условий. Кейс показал, что связка ИИ и копирайтера даёт наилучшие результаты при работе с сериями однотипных товаров внутри одной категории. При переходе между категориями потребуется дополнительная настройка промтов и повторный запуск тестов.
Для брендов с большим объемом карточек, работающих в стабильных продуктовых линейках, такой процесс может стать эффективным и экономичным решением. Он помогает ускорить обновление контента и снизить нагрузку на редакторов без потери качества.
Результат
Подготовка карточек с помощью ИИ + редактора ускорила процесс на 55% и сократила затраты на 32,5% по сравнению с ручной работой
Описание кейса / решения
Для реализации эксперимента команда Easy Commerce выстроила поэтапный процесс: вначале важно было проанализировать существующие описания товаров, выявить слабые места и собрать ядро ключевых слов, распределив их по частотности. На основе полученной информации появилась возможность подготовить тестовый пул карточек, которые позже разделили между двумя потоками: часть описаний писалась копирайтером, часть — с помощью YandexGPT. После генерации все тексты от ИИ проверялись и редактировались вручную, чтобы привести их в соответствие с юридическими ограничениями и стилем бренда.
Работа с нейросетью потребовала детальной настройки. Уже на первых этапах стало очевидно, что модель не всегда точно следует инструкциям: она могла вставлять стоп-слова, игнорируя ограничения, или приписывать товарам несуществующие свойства. Чтобы минимизировать риск, команда ввела дополнительный этап: после генерации черновиков запускалась автоматическая проверка на запрещённые формулировки, и только после этого происходила ручная редактура.
Также возникли сложности с длиной текстов и их вариативностью. Нейросеть не всегда адекватно воспринимала ограничение по символам — иногда превышала лимит на сотни знаков. После ряда попыток стало ясно, что искусственный интеллект лучше справляется, если задавать объем в словах, а не в символах. Проблему однотипности удалось частично решить через уточнение промта: модель получала дополнительные инструкции по тону, стилю, целевой аудитории и даже роли, в которой она должна «выступать» (например, «представь, что ты beauty-редактор»).
После подготовки и редактуры тексты загружались на маркетплейс. Для сравнения эффективности использовался инструмент отслеживания позиций — CAT. Команда наблюдала динамику карточек и фиксировала изменения, чтобы понять, какие подходы работают лучше. На начальном этапе тексты, написанные копирайтером, демонстрировали более быстрый рост, однако по прошествии нескольких недель позиции карточек, сгенерированных при участии ИИ, стали сопоставимыми.
В итоге был выработан рабочий подход: нейросеть используется как генератор черновиков, человек — как редактор, приводящий текст к нужному уровню. Это позволило снять с копирайтера часть рутинной нагрузки, а также стандартизировать и ускорить процесс создания карточек, особенно в рамках однотипных товаров.
Таким образом, данный кейс подтвердил, что нейросеть не заменяет копирайтера, но может быть полезным инструментом в подготовке контента — при условии продуманной настройки, четкой инструкции и обязательной финальной проверки человеком.
Сроки реализации
01.04.2024 — 01.08.2024
Результаты ДО и ПОСЛЕ
В результате эксперимента все оптимизированные карточки товаров поднялись в поисковой выдаче Wildberries в среднем на 351 позицию и вышли на первую-вторую страницу. На начальном этапе тексты, написанные копирайтером, демонстрировали более быстрый рост, однако со временем позиции карточек, сгенерированных с помощью нейросети, сравнялись.
Использование YandexGPT позволило команде ускорить подготовку контента на 55% по сравнению с полностью ручной работой. Это стало возможным благодаря передаче рутинной части — создания черновиков — на сторону ИИ, с последующей редактурой человеком.
Также была зафиксирована экономия бюджета: комбинированный подход (генерация + редактура) оказался на 32,5% дешевле, чем написание всех текстов с нуля копирайтером.
Эксперимент подтвердил, что при правильной настройке и контроле нейросеть может быть эффективным помощником в создании текстов — особенно при работе с большими объемами однотипных карточек.
В то же время кейс показал и ограничения: модель давала наилучшие результаты при генерации описаний внутри одной категории. В случае разнотипных товаров потребуется дополнительная адаптация промтов, что может повлечь увеличение затрат. Поэтому использование ИИ наиболее целесообразно при работе с сериями из 10 и более схожих товаров.
В чем полезность и уникальность кейса?
Кейс ценен тем, что демонстрирует реалистичный, проверенный на практике способ интеграции генеративного ИИ в контентные процессы бренда. Мы не просто проверили, может ли нейросеть заменить копирайтера, а показали, как именно она может помогать команде — ускоряя рутину, снижая издержки и при этом не ухудшая качество. Уникальность подхода в том, что он учитывает реальные риски: юридические ограничения, галлюцинации модели, однотипность формулировок. Вместо идеализированного взгляда на ИИ мы сфокусировались на практическом сценарии, где модель используется в тандеме с человеком.
Проект позволил выработать стабильную и масштабируемую схему: нейросеть создаёт черновик, копирайтер доводит текст до нужного уровня. Такой подход обеспечивает как экономию времени и бюджета, так и соблюдение требований бренда и площадки. Дополнительную ценность кейс представляет для категорий, где точность формулировок и соблюдение ограничений особенно критичны.
Возможно ли кейс масштабировать в компании и применить для других участников рынка?
Подход можно масштабировать внутри компании и адаптировать для других брендов — при соблюдении ряда условий. Кейс показал, что связка ИИ и копирайтера даёт наилучшие результаты при работе с сериями однотипных товаров внутри одной категории. При переходе между категориями потребуется дополнительная настройка промтов и повторный запуск тестов.
Для брендов с большим объемом карточек, работающих в стабильных продуктовых линейках, такой процесс может стать эффективным и экономичным решением. Он помогает ускорить обновление контента и снизить нагрузку на редакторов без потери качества.
Для реализации эксперимента команда Easy Commerce выстроила поэтапный процесс: вначале важно было проанализировать существующие описания товаров, выявить слабые места и собрать ядро ключевых слов, распределив их по частотности. На основе полученной информации появилась возможность подготовить тестовый пул карточек, которые позже разделили между двумя потоками: часть описаний писалась копирайтером, часть — с помощью YandexGPT. После генерации все тексты от ИИ проверялись и редактировались вручную, чтобы привести их в соответствие с юридическими ограничениями и стилем бренда.
Работа с нейросетью потребовала детальной настройки. Уже на первых этапах стало очевидно, что модель не всегда точно следует инструкциям: она могла вставлять стоп-слова, игнорируя ограничения, или приписывать товарам несуществующие свойства. Чтобы минимизировать риск, команда ввела дополнительный этап: после генерации черновиков запускалась автоматическая проверка на запрещённые формулировки, и только после этого происходила ручная редактура.
Также возникли сложности с длиной текстов и их вариативностью. Нейросеть не всегда адекватно воспринимала ограничение по символам — иногда превышала лимит на сотни знаков. После ряда попыток стало ясно, что искусственный интеллект лучше справляется, если задавать объем в словах, а не в символах. Проблему однотипности удалось частично решить через уточнение промта: модель получала дополнительные инструкции по тону, стилю, целевой аудитории и даже роли, в которой она должна «выступать» (например, «представь, что ты beauty-редактор»).
После подготовки и редактуры тексты загружались на маркетплейс. Для сравнения эффективности использовался инструмент отслеживания позиций — CAT. Команда наблюдала динамику карточек и фиксировала изменения, чтобы понять, какие подходы работают лучше. На начальном этапе тексты, написанные копирайтером, демонстрировали более быстрый рост, однако по прошествии нескольких недель позиции карточек, сгенерированных при участии ИИ, стали сопоставимыми.
В итоге был выработан рабочий подход: нейросеть используется как генератор черновиков, человек — как редактор, приводящий текст к нужному уровню. Это позволило снять с копирайтера часть рутинной нагрузки, а также стандартизировать и ускорить процесс создания карточек, особенно в рамках однотипных товаров.
Таким образом, данный кейс подтвердил, что нейросеть не заменяет копирайтера, но может быть полезным инструментом в подготовке контента — при условии продуманной настройки, четкой инструкции и обязательной финальной проверки человеком.
Сроки реализации
01.04.2024 — 01.08.2024
Результаты ДО и ПОСЛЕ
В результате эксперимента все оптимизированные карточки товаров поднялись в поисковой выдаче Wildberries в среднем на 351 позицию и вышли на первую-вторую страницу. На начальном этапе тексты, написанные копирайтером, демонстрировали более быстрый рост, однако со временем позиции карточек, сгенерированных с помощью нейросети, сравнялись.
Использование YandexGPT позволило команде ускорить подготовку контента на 55% по сравнению с полностью ручной работой. Это стало возможным благодаря передаче рутинной части — создания черновиков — на сторону ИИ, с последующей редактурой человеком.
Также была зафиксирована экономия бюджета: комбинированный подход (генерация + редактура) оказался на 32,5% дешевле, чем написание всех текстов с нуля копирайтером.
Эксперимент подтвердил, что при правильной настройке и контроле нейросеть может быть эффективным помощником в создании текстов — особенно при работе с большими объемами однотипных карточек.
В то же время кейс показал и ограничения: модель давала наилучшие результаты при генерации описаний внутри одной категории. В случае разнотипных товаров потребуется дополнительная адаптация промтов, что может повлечь увеличение затрат. Поэтому использование ИИ наиболее целесообразно при работе с сериями из 10 и более схожих товаров.
В чем полезность и уникальность кейса?
Кейс ценен тем, что демонстрирует реалистичный, проверенный на практике способ интеграции генеративного ИИ в контентные процессы бренда. Мы не просто проверили, может ли нейросеть заменить копирайтера, а показали, как именно она может помогать команде — ускоряя рутину, снижая издержки и при этом не ухудшая качество. Уникальность подхода в том, что он учитывает реальные риски: юридические ограничения, галлюцинации модели, однотипность формулировок. Вместо идеализированного взгляда на ИИ мы сфокусировались на практическом сценарии, где модель используется в тандеме с человеком.
Проект позволил выработать стабильную и масштабируемую схему: нейросеть создаёт черновик, копирайтер доводит текст до нужного уровня. Такой подход обеспечивает как экономию времени и бюджета, так и соблюдение требований бренда и площадки. Дополнительную ценность кейс представляет для категорий, где точность формулировок и соблюдение ограничений особенно критичны.
Возможно ли кейс масштабировать в компании и применить для других участников рынка?
Подход можно масштабировать внутри компании и адаптировать для других брендов — при соблюдении ряда условий. Кейс показал, что связка ИИ и копирайтера даёт наилучшие результаты при работе с сериями однотипных товаров внутри одной категории. При переходе между категориями потребуется дополнительная настройка промтов и повторный запуск тестов.
Для брендов с большим объемом карточек, работающих в стабильных продуктовых линейках, такой процесс может стать эффективным и экономичным решением. Он помогает ускорить обновление контента и снизить нагрузку на редакторов без потери качества.
Результат
Подготовка карточек с помощью ИИ + редактора ускорила процесс на 55% и сократила затраты на 32,5% по сравнению с ручной работой