Маржа по каждому SKU — к утреннему кофе

Клиент и проблема

Селлер с 340 SKU на Wildberries и Ozon. Два кабинета, разные комиссии, логистика меняется каждую неделю. Юнит-экономика жила в разрозненных таблицах: менеджер вручную выгружал отчёты, сводил цифры и тратил на это 25 часов в месяц. К моменту, когда сводка была готова, данные успевали устареть.

С отзывами ещё хуже. Покупатели писали, а ответ приходил через 3–4 дня — когда карточка уже просела в выдаче, а негатив собрал просмотры. Отвечали на 41% отзывов, на остальные просто не хватало рук.

Что собрали

За 5 дней развернули связку на n8n, которая закрыла обе задачи разом.

• Дашборд маржинальности: каждую ночь система забирает данные из API Wildberries и Ozon, считает юнит-экономику по каждому SKU и обновляет сводку в Google Sheets.
• Автоответы на отзывы: GPT определяет тональность, пишет ответ в тоне бренда и публикует его. Спорные случаи уходят менеджеру.
• Алерты по демпингу: система следит за ценами конкурентов и сообщает, когда пора пересматривать свою.

Как это работает

Раньше утро владельца начиналось с выгрузок: два кабинета, шесть таблиц, калькулятор. Теперь он открывает один дашборд к утреннему кофе — маржа по каждому из 340 SKU посчитана за ночь. Сразу видно, какие позиции тянут прибыль вниз, где подорожала логистика и какой товар пора выводить из ассортимента.

Отзывы больше не ждут менеджера. Покупатель пишет — GPT анализирует тональность, генерирует ответ и публикует его в течение часа. Если в отзыве претензия по качеству или конфликт, система не сочиняет отписку, а передаёт кейс живому человеку. Когда конкурент роняет цену, владелец получает алерт с конкретным SKU и цифрами — и решает, включаться в гонку или держать маржу.

Результат

Было 25 часов ручной работы в месяц — стало 0. Доля отвеченных отзывов выросла с 41% до 98%: карточки перестали терять рейтинг из-за молчания. Маржа прибавила +6% за счёт репрайсинга — на демпинг селлер реагирует в день события, а не через неделю. Запуск занял 5 дней.