Разбор Ozon-кабинета: AI нашёл 135 891 ₽ за две недели

Разбор Ozon-кабинета обычно выглядит так: вечер, выгрузки из личного кабинета и Excel, в котором всё сводится руками. Здесь получилось иначе. Кабинет на 187 товаров разобрал AI, пока владелец занимался своими делами, и за две недели триала нашёл 135 891 ₽ потенциала к возврату. Ниже разбираем, что именно он нашёл, как считал и где сам говорит, что это оценка.

1. Что AI нашёл за 2 недели

Активный селлер на Ozon, оборот в диапазоне 2-5 млн ₽/мес, ассортимент 187 товаров. Подключил два API-ключа: Ozon Seller (заказы, комиссии, возвраты, логистика) и Ozon Performance (расходы на рекламу по кампаниям). Оба за 5 минут. За 24 часа система загрузила полный кабинет вместе с историей за 365 дней.

Через две недели AI выдал разбор:

• 12 SKU из 187 работают в минус (около 6% ассортимента);
• 26 рекомендаций с конкретным товаром, действием и расчётом в рублях;
• 135 891 ₽ потенциала к возврату в месяц.

Цифры реальные, товары и название магазина обезличены. Это разбор одного живого кабинета, не пример «у нас 1000 кейсов». У другого селлера сумма будет своя, увидит её в первом разборе.

И сразу важная оговорка. 135 891 ₽ - это то, что AI нашёл в одном конкретном кабинете при конкретных цифрах. Обещания результата здесь нет, как нет и утверждения «вы потеряли столько». Что значит «потенциал к возврату» и почему мы держим именно эту формулировку, в следующем разделе.

2. Что значит «потенциал к возврату» и где его граница?

Когда селлер видит «135 891 ₽», он не получает чек на эту сумму в конце месяца. Он получает разбор: где у него утекают деньги и сколько именно по каждому SKU. Дальше решение и применение за ним.

Слово «потенциал» в копи мы держим намеренно. Альтернатива «убыток» или «теряешь» некорректна, потому что часть найденной суммы это возможность изменить будущее. В прошлом убытка здесь нет.

Структура «135 891 ₽» в живом разборе разложилась так:

1. Чистая экономия (факт). Перестать тратить на рекламу товаров с 0 заказов = деньги действительно остаются на счёте. Это уже посчитано по прошедшим данным, выручка не теряется.

1. Оценка с допущением. Снизить ставки там, где реклама съедает больше 25% выручки. Часть заказов может уйти со снижением ставки. Это верхняя граница экономии.

1. Прогноз потерь («если не трогать»). Возвраты на уровне 22% по конкретной карточке. Если ничего не менять, потери продолжатся в следующем периоде.

AI помечает каждую рекомендацию тегом: где факт, где оценка, где риск бездействия. Подробно про этот механизм в разделе 7. Для нас это важный принцип: где данных не хватает, мы говорим об этом прямо и не выдаём догадку за правду.

3. Откуда взялись 12 убыточных SKU из 187?

Стандартный Ozon-кабинет показывает общий оборот, общую прибыль (минус комиссии и логистика, обычно без рекламы и возвратов с задержкой) и ДРР по кабинету целиком. Этого достаточно для общего понимания, но недостаточно для решения «оставить товар или снять с продажи».

Контекст рынка: в 2025 году Ozon шесть раз пересматривал тарифы (Oborot.ru), с апреля 2026 совокупные удержания по ряду категорий поднялись до 45-50%, по fashion до 43-48% при базовой комиссии 24% FBO / 33,5% FBS. Иван Пономарёв, владелец магазина тактической одежды с оборотом 8,2 млн ₽/мес, в материале Habr описал это так:

«С учётом комиссий, логистики, рекламы и штрафов маркетплейс забирает в среднем 55% от выручки. Рентабельность 5% - это уже очень неплохо. По итогам года - минус. Маркетплейсы дают 76% выручки, и именно они тянут в минус.»

В этой реальности товар с самым большим оборотом легко оказывается в минус по прибыли. В общих цифрах кабинета этого не разглядеть: он тащит выручку и там же съедает её обратно через рекламу и возвраты. Селлер думает «топ по обороту, значит работает», а по факту дотирует его из своего кармана.

SKUmind делает шесть вычислений по каждому SKU:

1. Выручка за период.
2. Минус комиссия Ozon по факту сделок. Витринная ставка тут мало что говорит: реальная комиссия часто заметно выше базовых 15-17%, потому что в неё попадают эквайринг, last mile, обработка возврата. Как считается фактическая ставка и почему она расходится с тарифом, разбирали в статье о фактической комиссии.
3. Минус прямая логистика: приёмка, доставка покупателю, обратная доставка возврата.
4. Минус реклама по этому SKU. Performance API даёт расходы по кампаниям, мы привязываем к артикулу.
5. Минус возвраты с задержкой. Возврат за товар, проданный месяц назад, бьёт по марже текущего месяца. Стандартный отчёт обычно не подтягивает это к карточке.
6. Минус налог. Для УСН считаем процент от выручки, режим можно настроить. Как налог ложится на экономику продаж через маркетплейс - в разборе УСН для селлера.

Остаток это чистая прибыль по SKU. Минус означает убыточный товар. У нашего селлера их оказалось 12 из 187. Построчно, как собирается такой P&L по каждому артикулу, разбирали в отдельной статье.

Дальше каждый из 12 попадает в один из трёх ящиков: «реклама съедает маржу» (5 SKU), «возвраты съедают маржу» (4 SKU), «цена ниже себестоимости» (3 SKU). По этим ящикам идём ниже.

4. Где реклама работает в минус и почему этого не видно в личном кабинете Ozon?

Личный кабинет Ozon показывает ДРР по кампаниям и по кабинету. Это полезно, но решение «отключить рекламу на конкретном товаре» по этим данным не принимается: нужен ДРР на каждом SKU плюс сравнение с маржой этого SKU.

В живом разборе AI вытащил такой пример (товар обезличен):

Кружка термо 350мл. ДРР 68%. Реклама съедает всю маржу. Органика стабильна 30 дней, товар продаётся и без неё. Рекомендация: отключить рекламу. Эффект +18 200 ₽/мес чистой экономии.

«Чистая экономия» здесь посчитана по факту. Заказы через рекламу прекращаются, расход уходит, выручка не теряется, потому что то же количество заказов идёт через органику. На графике посещаемости карточки видно: при отключённой рекламе органика не падает.

Селлер сам этого мог не увидеть. У него 12 SKU в рекламе, общий ДРР 28%, выглядит нормально. Когда AI разбирает каждый SKU отдельно, оказывается, что у 5 ДРР выше 50%, у остальных 7 ниже 20%. Усреднение скрыло проблему ровно по тем товарам, где она была.

## Хочешь увидеть свой P&L по каждому SKU?

У SKUmind есть пробный период без карты. Подключаешь Ozon-кабинет по API за 5 минут. За 24 часа загружается весь кабинет вместе с историей за 365 дней. После первый разбор.

5. Как возвраты «съедают» маржу: 4 SKU из разбора

Возвраты в Ozon приходят с задержкой 14-30 дней после продажи. В личном кабинете возвраты обычно смотрятся «котлом», общий процент возвратов по кабинету. У нашего селлера он был 6%.

В fashion-категориях средний возврат заметно выше: по исследованию агентства Shift, покупатели возвращают от 30 до 45% заказов одежды и обуви на крупных маркетплейсах. По данным Точка Банк × Data Insight 2025, 21% Ozon-селлеров называет возвраты главной проблемой бизнеса.

Из чего складывается стоимость одного возврата и почему она не заканчивается на возвращённом товаре - в разборе возвратов на Ozon.

В разборе живого кабинета AI разнёс возвраты по карточкам и нашёл:

• 1 SKU с 22% возвратов (плед флис 150×200);
• 1 SKU с 18% возвратов;
• 2 SKU с 14-16%.

По одному из этих товаров возвраты съели 40% продаж за месяц. На каждые 10 проданных штук вернулось 4. Логистика обратной доставки + обработка + штрафы маркетплейса = маржа в минус, даже если цена выглядит хорошей.

AI здесь советует проверить карточку и размерную сетку. Снимать товар с продажи он не предлагает. Часто возвраты по размеру лечатся одной правкой описания или таблицы размеров, и SKU выходит из проблемного списка через 30 дней.

6. Топ-3 решения с конкретными суммами

Принцип ранжирования простой: суммируем потенциал по каждой рекомендации, сортируем, №1 это самое важное. Если у селлера есть час на сегодня, он закрывает топ-3 и забирает половину результата сразу. Оставшиеся 23 идут в работу по мере возможности.

Из живого разбора (товары обезличены):

1. +18 200 ₽, факт. Отключить рекламу на «Кружка термо 350мл»: ДРР 68%, органика стабильна.
2. +15 400 ₽, оценка. Поднять цену на «Органайзер настольный дуб»: сейчас ниже себестоимости, каждая продажа -90 ₽.
3. +13 400 ₽, потери при бездействии. Разобраться с возвратами «Плед флис 150×200»: 22% возвратов против 6% по кабинету.

Каждая рекомендация с конкретным товаром, конкретным действием и конкретной суммой: «отключить эту кампанию», «поднять цену на этот SKU», «проверить таблицу размеров на этой карточке». Общих формулировок вроде «оптимизировать рекламу» или «следить за маржой» система не выдаёт - по ним нечего сделать в понедельник утром.

7. Где система знает точно, а где честно говорит «это оценка»?

В нашей подаче этот блок называется «Честный ИИ». Зачем мы это сделали:

• Селлеры устали от AI-сервисов, которые выдают «гарантированный рост на 30%» и не показывают, откуда цифра.
• Если все рекомендации одного цвета (типа «сделай вот это и заработаешь N ₽»), доверять им сложнее. Непонятно, что проверяемо, а что догадка модели.
• Когда система сама признаёт, что часть выводов это оценка, остальные «факт» и «если не трогать» начинают весить больше.

Пример из живого разбора:

• 🔵 Факт. Отключить рекламу на товарах с 0 заказов → +4 742 ₽. Чистая экономия расхода. Выручка не теряется, заказов и так не было.
• 🟡 Оценка. Снизить ставки там, где реклама съедает больше 25% → ≈ +15 948 ₽. Часть заказов может уйти со снижением ставки. Это верхняя оценка.
• 🔴 Если не трогать. Возвраты на 22% по конкретному SKU → ≈ -50 353 ₽. Потери продолжатся в следующем периоде при том же качестве карточки.

Стандартный AI на рынке сегодня устроен иначе: модели генерируют описания карточек, отвечают на отзывы, делают SEO-тексты. Это AI на стороне входа, помогает создавать контент. Output-сторона - вердикт по бизнесу с пометками уверенности - пока пусто. Ольга Будз, руководитель отдела продаж производителя одежды NFES, описывает ту же боль с другой стороны в материале Habr:

«Самое важное, что разные системы показывали разную прибыль. И это нас больше всего насторожило. Оцифровка позволила увидеть моменты, которые было невозможно заметить, анализируя разрозненные файлы.»

Где AI гадает, он это признаёт. Для нас это маркер доверия, не слабость.

8. Почему 3 модели независимо, а не одна?

Архитектура простая по смыслу, нетривиальная по реализации.

1. Три модели разных лабораторий получают одни и те же данные кабинета: историю за 365 дней и разнесённые по каждому SKU расходы.
2. Каждая выдаёт свой вердикт по каждому товару: убыточный, поднять цену, отключить рекламу, нормально, проверить возвраты.
3. Отдельный арбитр сводит вердикты. В итог идёт пункт, за который высказались не меньше двух моделей из трёх, и рядом с ним стоит метка поддержки - 3/3 или 2/3.
4. Позиция, оставшаяся в меньшинстве, из разбора не пропадает. Она попадает в блок особых мнений четырьмя полями: тема спора, позиция большинства, позиция несогласного вместе с его обоснованием и решение арбитра - принял он возражение или отклонил и почему.

Зачем это:

• Одна модель ошибается чаще, чем три независимо. Базовый ансамблевый эффект.
• Разные лаборатории по-разному видят пограничные случаи: товар на грани прибыли, реклама с волатильным результатом, процент возвратов без устойчивого тренда. Расхождение между ними само по себе сигнал «здесь надо разбираться руками».
• Метка поддержки доезжает до тебя. Видно, прошёл пункт единогласно или с перевесом в один голос, и это другое качество доверия, чем безличное «AI считает что».
• Особое мнение тоже видно. Там, где модели разошлись, чаще всего и лежит то, в чём стоит разобраться самому.

Подробнее про реверс Ozon API и архитектуру под три модели в техническом разборе на Хабре.

9. Что происходит после первого разбора?

Разовый разбор это снимок. Подходит для первого знакомства, но недостаточно для управления кабинетом. Маркетплейс постоянно меняется: комиссии корректируются, реклама даёт разные эффекты, возвраты приходят с задержкой.

С каждым следующим разбором AI показывает разницу:

• какие SKU поменяли вердикт (был «убыточный» → стал «нормальный» или наоборот);
• какие новые утечки появились (новая рекламная кампания ушла в минус, выросли возвраты по какой-то карточке);
• что стабилизировалось (цена скорректировалась, возвраты упали, товар вышел из проблемного списка).

На триале доступны лимиты Базы, на Про стратегических разборов в месяц заметно больше. Это рабочий цикл управления кабинетом. Просто раньше для него нужен был отдельный человек, который сводит всё руками в Excel.

10. Как попробовать у себя за 30 минут?

Технически процесс выглядит так:

• API-ключи Ozon Seller и Performance создаются в личном кабинете Ozon за минуту каждый.
• За 24 часа подтягивается весь кабинет с историей за 365 дней.
• Первый разбор обычно появляется в течение того же дня.

Тарифы публично:

• Пробный период - на лимитах Базы. Карта не нужна, отмена в один клик.
• База - 1 490 ₽/мес. P&L по кабинету с ежедневным обновлением цифр, ежедневный авто-разбор, недельные разборы и стратегический разбор, разборы по отдельному SKU, SEO-заголовки, один кабинет.
• Про - 2 990 ₽/мес. Всё из Базы с заметно более высокими лимитами. Плюс «Особое мнение» - независимая вторая оценка по спорному товару, два кабинета и приоритет в очереди разборов.

Актуальный срок пробного периода и лимиты по каждому тарифу - на странице тарифов. Больше кабинетов - по запросу. Для крупных продавцов есть отдельный тариф с ценой по договору.

Оплата картой через ЮKassa или по счёту для юрлиц с закрывающими документами.

Источники

• Лендинг SKUmind с примерами обезличенного разбора: skumind.ai
• Прошлая VC-статья: Запустил SKUmind: 2 недели, 103 PR и первые уроки
• Технический разбор архитектуры на Хабре: habr.com/ru/articles/1036774
• Иван Пономарёв на Habr про реальные удержания маркетплейсов: «Я продаю на 8,2 млн в месяц, отдаю маркетплейсам половину выручки»
• Ольга Будз и Керим Жумаев (NFES) на Habr про оцифровку P&L: «Почему селлеры не понимают, прибыльны ли они на самом деле»
• Исследование Точка Банк × Data Insight 2025 про боли селлеров: datainsight.ru
• Шестое повышение тарифов Ozon в 2025: Oborot.ru
• Возвраты на маркетплейсах, исследование Shift: AdIndex
• Telegram-канал @skumind с разборами что shipped в продукте и что встретилось на боевых кабинетах.

Хочешь увидеть свою сумму потенциала к возврату? Она будет в первом разборе. Пробный период без карты, отмена в один клик.