Авторизация
Сброс пароля
Бренд сантехники — LLM-система анализа ценовой конкуренции и поиска аналогов
Заказчик: ООО «СКЛ»
Разработали LLM-систему, которая сама находит аналоги среди конкурентов и анализирует ценовую конкуренцию для бренда сантехники. Заменили ~неделю ручной работы продакт-менеджера в месяц на автоматический пайплайн с точностью эксперта.
Агентство-исполнитель кейса
Take&Make
Автоматизируем дорогой когнитивный труд продакт-менеджеров через LLM с точностью человека. Гибкая архитектура: новые категории и свойства добавляются в админке — без переписывания кода и переобучения моделей.
1. Вводная задача от заказчика, проблематика, цели
В компании 8 продуктовых направлений, и в каждом продакт-менеджер тратит около недели в месяц на анализ ценовой конкуренции и поиск аналогов у конкурентов. Задача осложняется спецификой отрасли: сантехнические изделия у каждого бренда уникальны, количественных параметров для сравнения мало, а ключ к сопоставлению — визуальные признаки (форма излива, форма ручки переключения, цвет, фактура). Нужно было автоматизировать когнитивно сложную работу, сохранив качество решений на уровне человека-эксперта.
2. Описание реализации кейса и творческого пути по поиску оптимального решения
Главный вызов был в том, что задача не сводится ни к простому матчингу по характеристикам, ни к чисто визуальному сходству — нужно сочетание. Мы пришли к трёхэтапному пайплайну поверх парсера товаров клиента и конкурентов.
Сначала система категоризирует изделие: в админке настраиваются категории и промпты для них, LLM анализирует описания, изображения и чертежи. Дальше для каждой категории определяются свойства — тоже настраивается в админке: какие свойства есть, какие значения принимают, как LLM должна их определить. На третьем шаге товары сопоставляются по уже размеченным свойствам, с гибкими весами и правилами ультимативности: например, золотой смеситель сравнивается только с золотым — даже идеально похожий хромированный аналог попадёт другому покупателю.
Ключевая ставка — на качество промптов вместо мощных, но дорогих моделей и кастомных ML. Итеративная отладка вывела категоризацию на 100% точности.
3. Результаты сотрудничества
- Категоризация работает без ошибок: товаров, попавших не в свою категорию, нет
- Полное совпадение с экспертом-человеком в определении свойств и поиске аналогов
- Высвобождено ~неделя работы продакт-менеджера в месяц по каждому из 8 направлений
- Архитектура переиспользуется на остальные товарные направления без доработки кода
- Обсуждается переиспользование ядра системы под смежные задачи — например, распознавание изделия и артикула по фото в заявках на гарантийный ремонт
4. Заключение
Кейс показывает, что в задачах, где решение эксперта строится на визуальном анализе и нюансах, грамотный промпт-инжиниринг поверх готовых LLM дешевле и быстрее, чем обучение собственной ML-модели. А гибкая архитектура «категории / свойства / правила сопоставления» в админ-панели превращает решение из узкого инструмента в платформу, на которой бизнес сам наращивает покрытие.
Агентство-исполнитель кейса
Take&Make
Автоматизируем дорогой когнитивный труд продакт-менеджеров через LLM с точностью человека. Гибкая архитектура: новые категории и свойства добавляются в админке — без переписывания кода и переобучения моделей.