Отзывы потребителей: полный цикл от разметки до плана действий
- Заказчик:
- ГК SPLAT
- Руководитель проекта со стороны заказчика
- Год завершения проекта
- 2026
- Сроки выполнения проекта
- июнь, 2026 — октябрь, 2026
- Масштаб проекта
- 450 человеко-часов
- Цели
Автоматизировать полный цикл работы с отзывами потребителей о готовой продукции компании, которые публикуются на маркетплейсах, отзовиках, в социальных сетях и на аптечных площадках: более 40 000 отзывов в месяц, более 300 продуктов 11 брендов.
1. Связать отзывы потребителей с решениями по продуктам. Каждый продукт, у которого индекс удовлетворённости потребителей ниже целевого уровня, передавать бренд-менеджеру для принятия решения о доработке продукта.
2. Мониторить доработку продуктов. Отслеживать выполнение задач по доработке и влияние выполненных доработок на обратную связь потребителей в следующих кварталах.
3. Сократить трудозатраты на обработку отзывов и подготовку ежемесячной и квартальной аналитики, в том числе за счёт ИИ, с сохранением качества.
4. Обеспечить единый подход к аналитике и мастер-данным.
- Результаты
1. Решения по продуктам на основе голоса потребителя. План и факт по задачам доработки видны бренд-командам и команде клиентского опыта, следующий квартал показывает, улучшила ли доработка продукта обратную связь потребителей.
2. Одна веб-витрина вместо разрозненных отчётов и презентаций для бренд-команд, бренд-менеджеров и команды клиентского опыта.
3. Ускорение обработки отзывов потребителей за счёт предварительной разметки с помощью правил и ИИ, автоматическое формирование нескольких форм отчётности.
4. Низкая стоимость владения. Расход на ИИ 0,3–0,4 млн токенов в месяц (до $5 за квартал), приложение работает на серверах компании, без закупки лицензий и подписок.
Уникальность проекта
Уникальность проекта заключается в том, что работа с отзывами потребителей впервые в компании переведена из отчётности в управление продуктом. Группа компаний Сплат получает свыше 40 000 отзывов в месяц по 11 брендам и не может позволить себе узнавать о проблемах продукта из ручного отчёта через месяц после окончания периода. Приложение само выделяет продукты с индексом удовлетворённости ниже целевого уровня и передаёт их бренд-менеджерам: решение, задачи со сроками, контроль исполнения и проверка эффекта в следующих кварталах. В Q2 этот путь прошёл 51 продукт, в Q3 уже 93. Цифры приложения совпадают с многолетней ручной методикой, что сняло главный риск перехода. Особую ценность представляет то, что ИИ в решении не основа, а точечный инструмент: 72% продуктового негатива (2 511 из 3 476) размечают правила, результат воспроизводим от прогона к прогону, а ИИ разбирает только остаток при расходе до $5 за квартал.
- Использованное ПО
Python, FastAPI, SQLite, 1С: ЕРП (выгрузки), корпоративный AI.
- Сложность реализации
1. Разные подходы к аналитике. Разметка отзывов потребителей и аналитика по ним исторически менялись от года к году. Сначала пришлось выработать единые правила и привести ретроспективные данные к единому знаменателю, иначе периоды нельзя было сравнивать между собой.
2. Предсказуемость ИИ. На одних и тех же отзывах модель давала разные ответы от прогона к прогону, а отчётности нужен воспроизводимый результат. Поэтому основную разметку взяли на себя правила, а ИИ работает только с остатком, и его ответы проверяет человек.
- Описание проекта
Задача. Группа компаний Сплат производит средства ухода за полостью рта, косметику и бытовую химию: 11 брендов, более 300 продуктов. Потребители оставляют о продукции более 40 000 отзывов в месяц на маркетплейсах, отзовиках, в социальных сетях и на аптечных площадках, отзывы собирает внешнее агентство. Компании нужно быстро видеть, какие продукты вызывают недовольство и почему, и добиваться, чтобы по каждому такому продукту было принято и выполнено решение.
Процесс AS IS. Отзывы размечались вручную в Excel-базе, которую вели более 7 лет, по 1000–1400 отзывов в день. Подготовка квартальной и ежемесячной аналитики в ручном режиме занимала около месяца после окончания периода. Классификаторы разметки менялись, поэтому динамику по периодам было трудно сравнивать. Связь между отзывами и решениями по продуктам системно не отслеживалась.
Процесс TO BE. Приложение загружает сырой массив обратной связи потребителей, полученный от агентства, и выполняет предварительную разметку негативных отзывов (правилами и с помощью ИИ), спорные случаи проверяет человек. По каждому продукту рассчитывается индекс удовлетворённости потребителей. Данные автоматически собираются в веб-витрину: индекс по компании, бренду и продукту, причины негатива, динамика по месяцам и кварталам, прямая речь потребителей. Квартальные книги Excel и месячная презентация собираются одной кнопкой.
Продукты с индексом ниже целевого уровня попадают на рабочее место бренд-менеджера, где по ним принимается решение (доработать продукт, мониторить, вывести из ассортимента) и ставятся задачи со сроками. Команда клиентского опыта видит дашборды по всем брендам. В следующих кварталах приложение показывает, как изменились индекс и негатив по продукту: решения и сроки доработок подтверждаются или пересматриваются.
Что дальше. В полном объёме перейти на разметку отзывов в приложении. Дорабатывать правила и ИИ-разметку, дополнить формы отчётности, сократить сроки получения всей отчётности. Привести ретроспективные данные к единому знаменателю.
- География проекта
Россия, 11 брендов группы компаний Сплат.