WB предлагает продавцам отдать управление рекламными ставками алгоритму. Wildberries тестирует автоматическое управление позициями в CPC-рекламе. Теперь вместо самостоятельного подбора ставок можно указать желаемый диапазон размещения, а система будет регулировать стоимость клика в заданных пределах. На практике это меняет сам подход к управлению рекламой. И не обязательно в лучшую сторону. Представим товар с маржинальностью 700 ₽. По одному поисковому запросу покупатели хорошо конвертируются в заказы, по другому переходят в карточку, но не покупают. Ручное управление позволяет перераспределять бюджет: усиливать эффективные запросы, ограничивать дорогие и отключать те, которые не окупаются. Автоматический биддер решает другую задачу — пытается обеспечить заданную рекламную позицию. Но высокая позиция не гарантирует ни конверсию, ни прибыль. Например, товар может занимать первое место, получать стабильный трафик и при этом работать в минус из-за стоимости привлечения покупателя. В этом и заключается главная методологическая ошибка: оптимизировать место размещения вместо финансового результата. Есть и рыночный эффект. Если автоматическое управление ставками станет массовым, продавцы фактически начнут конкурировать не только собственными решениями, но и алгоритмами, которые самостоятельно реагируют на действия конкурентов. В такой среде стоимость рекламного участия может расти даже без улучшения качества трафика. При этом Wildberries получает дополнительный рекламный оборот, а продавец принимает на себя риск ухудшения экономики продвижения. Я бы оценивал новый инструмент не по количеству автоматизированных настроек, а по трём показателям: • Изменился ли фактический ДРР? • Снизилась ли стоимость заказа? • Выросла ли прибыль после рекламных расходов? Если позиции стали выше, а прибыль ниже — это не оптимизация. Реклама должна управляться экономикой товара, а не стремлением занять определённую строчку в поиске, тут я больше доверяю сервисам вайлдбокс и мпстатс Автоматизация полезна тогда, когда она принимает решения лучше продавца. Во всех остальных случаях это просто передача контроля над рекламным бюджетом.

Выступил на MPSTATS EXPO 2026 с темой перехода на FBS. В этом году тема особенно актуальна. Изменения в работе складской инфраструктуры Wildberries заставили многих продавцов пересмотреть привычные логистические модели и задуматься о диверсификации поставок. На выступлении разобрали переход с FBO на FBS не просто как смену модели работы, а как полноценную перестройку операционных процессов бизнеса. Обсудили, какие задачи решает FBS, с какими сложностями сталкиваются продавцы при переходе, как подготовить инфраструктуру, выстроить обработку заказов и не потерять управляемость логистики. Отдельно хочу поблагодарить Mpstats за организацию мероприятия, приглашение выступить и возможность поделиться практическим опытом с профессиональным сообществом. Спасибо Точка Банк за поддержку мероприятия и вклад в развитие предпринимательского сообщества. И, конечно, спасибо всем, кто пришёл на выступление, слушал, задавал вопросы и участвовал в обсуждении.

ИИ в бизнесе Предприниматели неуверенно делегируют задачи сотрудникам, ограничивают доступы и перепроверяют каждое действие. При этом нейросетям готовы передавать внутренние данные и доверять их выводам без проверки. На практике это создаёт новую проблему: бизнес начинает оплачивать не только работу ИИ, но и устранение последствий его ошибок. Собственник поручает нейросети проанализировать выгрузки с мпстатс и вайлдбокс. ИИ находит перерасход рекламного бюджета и рекомендует сократить ставки. Руководитель выполняет рекомендации, хотя модель не учла сезонность, изменение маржинальности товаров и рост конкуренции. В результате продажи падают, а первоначальная проблема остаётся нерешённой. 🔠Это типичная ошибка внедрения: вывод нейросети воспринимается как подтверждённый факт, хотя на деле это лишь гипотеза, требующая проверки. 🔠Начинать нужно с конкретной операции, а не с попытки автоматизировать весь бизнес. Определить входные данные, критерии корректности и измеримый результат. Затем проверить работу инструмента на реальных кейсах, выявить ошибки и только после этого включать его в регулярный процесс. Например, вместо абстрактного аудита отдела продаж можно настроить поиск сделок без движения более трёх дней. Условия проверки фиксируются заранее, результаты сверяются с CRM, а сотрудникам передаются только подтверждённые отклонения. Есть и вопрос безопасности: доступ к данным должен соответствовать задаче. Если для анализа достаточно выгрузки отчёта, предоставлять полный доступ к кабинету нецелесообразно. Отдельная категория — инструменты, которые автоматизируют простые действия вроде напоминаний и создания заметок. Если штатная функция уже решает задачу быстрее и дешевле, дополнительная подписка не создаёт экономической ценности. Эффективность внедрения измеряется сокращением трудозатрат, снижением количества ошибок, ускорением операций и влиянием на финансовый результат. Если нейросеть генерирует отчёты, которые сотрудники вынуждены часами перепроверять, автоматизация не состоялась. Компания просто добавила новый этап работы и расходы на его обслуживание. ИИ — это инструмент повышения производительности, а не источник безусловно достоверных решений. Ответственность за проверку выводов и управленческие решения по-прежнему лежит на человеке.