Компания «Агроном-Сад» — производитель и дистрибьютор продуктов питания, лидер в сфере производства яблок премиум класса в России. Предприятие, а точнее его крупнейший инвестор – фонд Evermount Capital Group, уже на протяжении нескольких лет тесно взаимодействуют со специалистами Conteq, которые раннее внедрили для компании систему бизнес-аналитики на базе Visiology, обеспечили возможность оперативной визуализации информации из данных 1С и разработали ряд уникальных отчетов для руководителя.
Запрос Заказчика
Заказчик обратился с задачей — обработка данных из БД с выгруженными из интернет-площадок отзывами. Компания «Агроном-Сад» активно работает с маркетплейсами и онлайн-площадками, такими как Ozon, Перекресток, Азбука Вкуса и др. Отзывы потребителей — ключевой источник обратной связи, но раньше их обработка занимала слишком много времени и давала разрозненную картину. Заказчик обращался к подрядчику, который использовал ChatGPT для создания саммари по отзывам, но процесс был недостаточно масштабируемым и не обладал необходимой прозрачностью преобразований. Однако прошлый опыт обернулся плюсом – у Заказчика уже имелся OpenAI-аккаунт, что открыло возможности для более гибкого внедрения нового решения на базе Visiology.
Начало работы
В апреле 2025 года платформа Visiology представила новый релиз 3.12, который послужил заметным шагом в сторону интеграции системы с искусственным интеллектом. Благодаря данному релизу наш клиент получил возможность внедрить Beta-сборку аналитической платформы Visiology с расширенным функционалом ETL, включающую функции AI-преобразований и AI-анализа:
Первая функция позволяет с помощью ИИ сгенерировать SQL-код для загруженного в Visiology источника данных;
Вторая – создать новый столбец на основе построчной обработки ИИ всех данных строки.
Далее мы провели работы по установке Beta-сборки Visiology и подключили аккаунт OpenAI к Visiology.
Решение
В рамках решения мы настроили ETL-процессы для загрузки отзывов в хранилище данных, а также реализовали ряд функций для извлечения максимальной пользы от поступающей информации:
Автоматическая классификация отзывов по тональности (положительная, нейтральная, отрицательная) и тематике (вкус, запах, упаковка, размер, цена, состав, качество, доставка, другое).
ИИ-саммари отзывов за каждую из последних 4 недель по каждому продукту.
Объединённая итоговая характеристика, отображающая изменения восприятия продукта со временем.
Все это позволило Заказчику не только отслеживать динамику общего количества отзывов, но и понимать причины изменения потребительской оценки.
Дашборд
Наша команда разработала отчет «Анализ отзывов по продуктам». Основная цель этого дашборда — способность отображать динамику отзывов за последние 4 недели, с возможностью погружения в детализацию по площадкам и производителям, чтобы быстрее понимать обратную связь клиентов по товарам и иметь возможность оперативно реагировать на нее.
Отчет должен продемонстрировать возможности использования ИИ в Visiology, поэтому нами был выбран ограниченный список метрик для обработки, который принесет наибольшую пользу, сможет выразить основные тенденции в отзывах и при этом не потребует большого количества визуализаций.
Для начала мы разметили данные с помощью ИИ по тональности отзывов и по теме содержания отзыва. Тональность отзыва необходима для понимания общего настроения текста отзыва. Не все отзывы имеют оценку по шкале, которая может отличаться в зависимости от конкретной площадки. Чтобы унифицировать оценку отзыва, мы выбрали оценку по 3 категориям: положительная тональность, нейтральная и отрицательная.
По теме отзыва мы попросили ИИ выделить одну основную категорию из предложенных: вкус, запах, упаковка, размер, цена, состав, качество, доставка, другое.
Еще один возможный запрос – дать ИИ свободу выбора подкатегории отзыва, но мы решили отказаться от такой детализации на данном этапе, чтобы сосредоточиться на анализе основных тенденций.
Визуализации
Из 2 дополнительных разрезов, которые мы получили из анализа текстов отзывов, можно увидеть достаточно много информации для полноценного анализа ситуации.
Наша команда создала следующие визуализации:
Доля положительных, отрицательных и нейтральных отзывов в общем количестве отзывов за 4 недели
Общее количество положительных, отрицательных и нейтральных отзывов за последнюю неделю
Чтобы оценить, насколько отзывы в последнюю неделю отличаются от недавних отзывов, сравниваем количество за последнюю неделю со средним значением количества отзывов за предыдущие 3 недели.
Динамика количества положительных, отрицательных и нейтральных отзывов по площадкам и производителям
Два основных разреза, в которых Заказчику интересно наблюдать динамику отзывов – площадки, с которых приходят отзывы и производители товаров. Поэтому мы создали отдельные визуализации в динамике для каждой тональности с переключателем между производителями и площадками.
Прирост отзывов за неделю по тональности и тематике отзывов
Мы создали две гистограммы, которые показывают, насколько изменилось количество отзывов по сравнению с прошлой неделей.
Таблицы с долей положительных и отрицательных отзывов среди всех отзывов по 4 неделям
Таблицы позволяют оценить, как по конкретному продукту изменялись отзывы, улучшилась ли тональность отзывов в динамике или наоборот ухудшалась.
Саммари
Еще одна функциональность, которая выполнялось с помощью ИИ, – это суммаризация отзывов за 4 недели.
Заказчику важно было получить не просто итоговую оценку отзывов, но и проанализировать ее изменения по неделям.
Поэтому сначала мы создали запрос подготовить характеристику всех отзывов по продукту за неделю, а затем еще раз попросили ИИ оценить полученные характеристики за каждую неделю и дать общий итог, как изменялось отношение покупателей к продукту от недели к неделе.
Итоговую суммарицацию мы вывели в отдельную таблицу и прикрепили ссылку на площадку для каждого продукта.
Мы видим сценарий работы с этими данными следующим образом: аналитик или руководитель может наглядно оценить, как меняется доля отрицательных отзывов по продукту, далее посмотреть на итоговую характеристику, чтобы проанализировать, что привело к такой динамике, а затем перейти на страницу продукта для более детальной работы с отзывами
Результат
После внедрения отчета Заказчик получил:
Единый оперативный центр мониторинга мнения потребителей. Заказчик может оценить отзывы не только эмоционально, но и количественно.
Возможность быстро реагировать на негативные тренды – способность сопоставлять изменения в отзывах с событиями.
Чёткое понимание, какие параметры продукции вызывают больше всего обратной связи.
Что дальше?
Решение способно к масштабированию. Совместно с Заказчиком мы рассматриваем расширение категорий анализа – способность понимать цели обратной связи (жалоба, похвала, вопрос), увеличение знаний о покупателях через их отзывы – создание реального портрета клиента, а также установление связей между отзывами покупателей и показателями продаж и др.
Проект с «Агроном-Сад» наглядно демонстрирует: ИИ-инструменты уже дают реальную бизнес-ценность — главное, знать, как их правильно применять.