Нейросеть ищет товары для комплекта

Блокнот и ручки кажутся очевидным набором. Но покупают ли их вместе, или это просто два популярных товара? И если объединить их со скидкой, появятся новые покупки или магазин отдаст часть маржи людям, которые и так брали оба предмета?

Начать можно с небольшого исследования корзин. Нейросеть поможет сформулировать правила отбора, объяснить расчёты и подготовить план проверки предложения. Сами сочетания нужно считать по заказам, а выгоду оценивать отдельно. Пройдём этот путь на искусственных данных магазина канцелярии: от определения корзины до решения, стоит ли делать пробную партию.

Какой комплект стоит проверить

Сначала определите формат: рекомендация «добавить к заказу», виртуальный набор из отдельных позиций или заранее упакованный комплект с самостоятельным артикулом. У них различаются затраты, управление остатками и удобство выбора. Хорошая пара для рекомендации не обязательно подходит для физической упаковки.

В нашем вымышленном магазине проверяем идею «блокнот A5 и набор ручек для ежедневных записей». Сначала выясним, встречаются ли они в одних заказах; потом посчитаем цену, при которой набор имеет смысл для магазина.

Попросите ИИ перечислить, что может помешать этой идее: слабая связь покупок, несовместимые варианты, слишком дорогая скидка, нехватка одного компонента. Такой список пригодится, когда будете выбирать между заманчивой парой в отчёте и набором, который реально можно собрать.

Есть ли в выгрузке состав заказа

Минимальная основа анализа: идентификатор заказа и идентификатор товарной позиции, SKU. Дополнительно полезны дата, количество, статус, промо, канал продаж и наличие. Название товара храните отдельно от SKU: одинаковые названия не гарантируют одинаковую модель или комплектацию.

Одна строка отчёта маркетплейса не обязательно означает одну покупательскую корзину. Номер отправления может описывать часть заказа; внутренний номер товарной операции может вообще не объединять позиции. Проверьте назначение идентификатора в документации выгрузки. Без надёжного ключа нельзя склеивать товары по близкому времени покупки или одному адресу.

Есть и граница видимости: продавец может видеть только свои позиции, а не все покупки человека на площадке. Тогда вывод относится к наблюдаемым заказам этого продавца, а не к полным корзинам покупателей маркетплейса. Если доступны лишь дневные продажи отдельных SKU, связь внутри корзины восстановить нельзя. Остаётся гипотеза по смыслу товаров, без численного доказательства совместных покупок.

Какие заказы включить в расчёт

Для первого исследования выберем заказы одного канала за один период с сопоставимыми условиями продажи. В правилах запишем: считаем полученные покупателем товары, исключаем отменённые позиции, оцениваем возвраты на конкретную дату. Данные недавних заказов могут ещё измениться, поэтому их не стоит считать окончательными.

Решите, что изучаете: первоначальный выбор или товары, оставшиеся у покупателя. Во втором случае заказ «блокнот и ручки», из которого вернули ручки, станет корзиной «только блокнот»; общее число корзин не изменится. Полностью возвращённый заказ исключается, и общее число уменьшается. Запись о возврате не считайте новой корзиной. Сохраняйте оба состава, чтобы при необходимости сравнить выбор при покупке и результат после возвратов.

Каждый SKU учитывайте в корзине один раз, даже если купили три одинаковых блокнота. Готовые наборы и товары, автоматически добавленные по акции, выделяйте отдельно. Продажа заранее собранной пары ещё ничего не говорит о том, выбрали бы покупатели оба товара самостоятельно.

Персональные данные здесь не нужны. Подготовьте локально разрешённый набор с условными номерами заказов или передавайте модели только агрегаты. Удаление имён не гарантирует анонимность подробной истории покупок; ключи соответствий и исходные записи оставьте в защищённом контуре.

Учебный пример: 200 корзин

Возьмём вымышленные данные магазина: после описанной очистки осталось 200 корзин. Обозначим блокнот буквой A, набор ручек буквой B. Другие товары в заказах допустимы и не меняют принадлежность к четырём группам.

Блокнот встречается в 60 корзинах, ручки в 50. Эти контрольные суммы должны воспроизводиться из исходной таблицы: 30 + 30 и 30 + 20. Важна также последняя группа. Если оставить только заказы, содержащие интересующую пару, изменится знаменатель и исследование будет отвечать уже на другой вопрос.

Не требуйте от модели найти «недостающие» продажи, чтобы результат совпал с ожиданием. Если её подсчёт отличается, проверяйте фильтры, повторяющиеся строки и то, что именно она посчитала: корзины, единицы товара или покупателей.

Три показателя для одной пары

Support, поддержка пары: какая доля всех корзин содержит оба товара? В примере 30 / 200 = 15%. Это показывает распространённость сочетания. Рядом всегда полезно оставлять абсолютное число: 30 совместных покупок.

Confidence, уверенность правила A → B: в какой доле корзин с блокнотом присутствуют ручки? Получаем 30 / 60 = 50%. Слово «уверенность» здесь обозначает условную частоту, а не уверенность нейросети и не статистическую достоверность вывода. В обратную сторону результат другой: B → A даёт 30 / 50 = 60%.

Lift: насколько совместное присутствие отличается от ориентира независимых покупок? Доля ручек во всей выборке равна 50 / 200 = 25%. Поэтому lift = 0,50 / 0,25 = 2. При независимости и таких же долях товаров ожидалось бы 200 × 0,30 × 0,25 = 15 совместных корзин; наблюдаем 30.

Это характеристика выбранных данных. Она не обещает двукратного роста продаж после запуска набора. В отличие от confidence, lift для A → B и B → A совпадает. Если один из товаров совсем не встречается, соответствующие отношения с нулевым знаменателем не рассчитывают.

Популярность и случайные совпадения

Добавим в тот же искусственный пример клейкую ленту C: она есть в 160 корзинах, а вместе с блокнотом в 48. Confidence A → C равен 48 / 60 = 80%. Выглядит убедительнее ручек, пока не учтём, что сама лента встречается в 80% всех корзин. Lift равен 0,80 / 0,80 = 1: особой связи на уровне этого показателя не видно.

Теперь рассмотрим редкую пару: товар D купили в двух заказах, E в четырёх, совместных заказов было два. Confidence D → E составляет 100%, lift равен 50, но support всего 1%. Достаточно третьего заказа с D без E, чтобы confidence снизился до 2 / 3, примерно 66,7%. На двух наблюдениях крупную закупку набора обосновывать рано.

Универсального порога «достаточно 30 покупок» здесь нет. Посмотрите, не сделал ли большую часть заказов один постоянный клиент: тридцать заказов не означают тридцать независимых покупателей. Если законных данных для такой проверки нет, оставьте это ограничением, не пытайтесь восстанавливать личности.

Зафиксируйте выбранную пару и проверьте её на следующем сопоставимом периоде, не меняя правила отбора ради лучшего результата. Это особенно полезно, если вы выбирали победителя среди сотен сочетаний. Повторяемость укрепляет гипотезу, но не устанавливает причину покупок; для редкой пары результат всё ещё может быть неопределённым.

Промпт для разбора найденных пар

Для небольшого набора пар хватит сводной таблицы и проверяемых формул. Для большого ассортимента нужен воспроизводимый расчёт в таблицах или специализированном инструменте. Не поручайте чат-модели незаметно «прочитать всё», если не можете проверить число обработанных заказов и полноту результата.

Этот запрос можно использовать без загрузки клиентской истории:

В Claude на MashaGPT можно обсудить приведённые агрегаты и попросить объяснить разницу между популярным товаром и устойчивой парой. Такой разбор используйте для уточнения гипотезы, а не как подтверждение будущих продаж.

Принимайте объяснение только после сверки арифметики. Если модель называет confidence вероятностью покупки после показа набора, она уже вышла за пределы данных: историю показа мы ей не давали.

Почему товары оказались рядом

Разберите условия, при которых появились совместные покупки. Была ли скидка именно на пару или общая акция магазина? Не приходится ли большинство заказов на подготовку к занятиям? Отметьте промо и крупные оптовые заказы, затем сравните частоты с остальными. Если в каждой группе остаются единичные покупки, объяснение пока выбрать нельзя.

Наличие проверяйте за период покупок, а не по сегодняшнему остатку. Когда ручки закончились, покупатель не мог добавить их к блокноту. Выделите дни, когда оба товара можно было заказать в этом канале, и заново посчитайте все частоты, включая N. Сохраните и общий расчёт, чтобы было видно, как отбор дней изменил результат. Без истории наличия отсутствие совместных заказов нельзя уверенно объяснить отсутствием интереса.

Затем осмотрите сам набор. Помещаются ли ручки в выбранную упаковку? Есть ли нужный цвет, формат и количество? Не является ли второй товар заменой первого? Нейросеть может предложить вопросы совместимости, но ответ должен опираться на характеристики и проверку образцов. Статистическая связь не устанавливает свойства товара.

Сколько стоит скидка на комплект

Продолжим пример с блокнотом и ручками. По отдельности они стоят 490 и 190 рублей, вместе 680. Себестоимость пары 290 рублей. Зададим расходы на продажу и доставку одним заказом в 100 рублей, на упаковку ещё 20. После этих расходов останется: 680 - 290 - 100 - 20 = 270 рублей.

Комплект предлагаем за 620 рублей. Пусть переменные расходы равны 90 рублям, специальная упаковка стоит 30. Получаем 620 - 290 - 90 - 30 = 210 рублей. Все суммы придуманы, это не тарифы какой-либо площадки. Расчёт не включает постоянные расходы и налоги и не равен чистой прибыли.

Если покупатель и так взял бы обе позиции, предложение уменьшит вклад на 60 рублей. Если он собирался купить только блокнот, сравнение другое: 490 - 220 себестоимости - 80 переменных расходов - 15 упаковки = 175 рублей. Переход к комплекту в таком сценарии добавит 35 рублей.

Исторические корзины не скажут, какой сценарий реализуется у будущего покупателя. Перед запуском проверьте, не складывается ли скидка комплекта с промокодом. Считайте от фактической цены после скидок; обещанную компенсацию площадки учитывайте отдельно только после проверки её условий. Не вычитайте повторно то, что уже уменьшило исходную сумму. В расходах проверьте сборку, доставку по новым габаритам, обратную логистику и переупаковку возвратов по своим данным.

Как проверить предложение в магазине

Начните с партии, которую можно собрать без крупных невозвратных затрат. За каждым проданным комплектом резервируйте оба компонента с учётом поштучных продаж. Не подменяйте закончившиеся ручки другим набором посреди проверки. Размер партии ограничивает возможные потери, но не определяет, хватит ли данных для вывода.

На собственном сайте при наличии подходящего инструмента можно случайно разделить посетителей, которым доступны эти товары: одной группе показать комплект, другой оставить обычный выбор. Закрепите вариант за посетителем. Заранее определите срок, главный показатель, минимальное полезное изменение и нужное число наблюдений с учётом разброса результатов. Не завершайте проверку при первом удачном дне.

Основной показатель здесь: сколько остаётся после переменных расходов в расчёте на посетителя из каждой группы, включая тех, кто ничего не купил. Рост среднего чека среди купивших может скрыть потерю части покупателей. Возвраты и расходы относите к исходному заказу и его группе. Сбой наличия фиксируйте отдельно, не исключайте задним числом неудачные заказы только из одной группы.

Если канал не позволяет управлять показами и случайным распределением, проведите ограниченный пилот и сравните сопоставимые периоды. Называйте результат наблюдением: реклама, сезонность и другие изменения мешают приписать разницу именно комплекту.

Оставлять комплект или нет

До старта запишите основания остановки: ошибки комплектации, убыток на заказе, критичный дефицит компонента или неприемлемый рост возвратов. Укажите дату пересмотра результата и достаточный срок наблюдения за возвратами, исходя из своего процесса. Не сравнивайте окончательные возвраты старых заказов с незавершёнными новыми.

После проверки возможны разные решения: продолжить набор, изменить цену, оставить только рекомендацию совместной покупки или отказаться от идеи. При слишком малом объёме данных допустим вывод «пока неизвестно». Он полезнее уверенного прогноза на нескольких продажах.

Попросите нейросеть собрать короткую итоговую записку: какая пара проверялась, что показали расчёты, какие расходы учтены и почему выбран именно этот следующий шаг. Проверьте, что в ней не появился обещанный рост продаж, которого ваши данные не подтверждают.