Более 11 тысяч запросов о реальном бизнесе

1 621 диалог. Более 11 500 запросов и уточнений. 73% пользователей возвращаются в разные дни. За этими цифрами — работа поставщиков: найти причины падения продаж, рассчитать поставку, проверить промо, подготовиться к переговорам с сетью.

Так используют РС ИИ — совместный сервис DeepDive и Retail Services, с которым поставщики работают с данными крупнейших ритейлеров. Пользователь задаёт вопрос обычным языком, получает разбор на своих данных и продолжает разговор: уточняет причины, сравнивает варианты, просит подготовить расчёт или план действий.

Мы выбрали несколько реальных историй, в которых легко узнать задачи собственной команды.

Товар есть в системе, но его не покупают

У поставщика шоколадных изделий — знакомая проблема: остатки в магазинах положительные, а продаж нет. Товар мог остаться на складе, потеряться за другой выкладкой или существовать только в учётной системе. Где искать в первую очередь?

Запрос пользователя сразу задаёт нужный результат:

Запрос пользователя«Проанализируй остатки в торговых точках на наличие виртуальных остатков и создай задание для мерчендайзера в разрезе точки и продукта».

Сервис сопоставляет остатки и продажи, выделяет подозрительные случаи и собирает задания по магазинам и товарам. Пользователь уточняет: оставить только позиции без продаж от двух дней. В итоговом разборе — 266 сочетаний «магазин — товар» в 86 магазинах.

У команды появляется адресный список: где проверить полку и ценник, где поискать товар на складе, где сверить фактический остаток с учётным. Причину ещё предстоит подтвердить на месте, но уже понятно, куда направить внимание.

Такие сигналы уже проверяют в магазинах. По обратной связи одного из поставщиков кондитерских изделий, в 8 из 10 проверенных случаев предположение о виртуальных остатках подтвердилось. В двух остальных товар был в магазине, но не был выложен на полку. Это отдельная проверка клиента, а не оценка всех 266 случаев из примера выше.

У команды появляются основания для предметного разговора с сетью: где нужна инвентаризация и корректировка учётных остатков, а где — работа с выкладкой. Аналитика помогает найти проблему и довести её до конкретного действия в магазине.

Заказать столько, сколько нужно, к дате поставки

Поставщик кондитерских изделий просит рассчитать заказ на распределительные центры до конца месяца. Нужно учесть остатки, продажи, время доставки и округление до целого короба.

По ходу разговора появляется важное уточнение:

Запрос пользователя«Чтобы к концу сентября, когда придёт поставка, на стоке оказалось около десяти дней запаса».

Пока машина едет, товар продолжает продаваться. Поэтому десять дней запаса сегодня и десять дней на дату прихода — разные расчёты. Пользователь просит учесть расход за прошедшие дни и проверить, какие поставки ещё успеют доехать без ускорения.

Сервис пересчитывает потребность по товарам и РЦ. Затем команда проверяет другой сценарий: что изменится, если снизить норматив запаса до пяти дней?

Практический результат — проект заказа по товарам и распределительным центрам, который можно проверить и согласовать с логистикой. В одном разговоре команда сравнивает варианты пополнения и ищет баланс между риском дефицита и лишним запасом.

Поддержать ввод в матрицу и удержать бюджет

Поставщик сыров готовит предложение торговой сети. Чтобы поддержать ввод нарезки в регулярную матрицу, обсуждает купоны, бонусы в электронной торговле и кэшбэк за третью упаковку.

Механик несколько, а бюджет один. Сколько придётся компенсировать сети? Что произойдёт при другом объёме продаж? Какие условия стоит пересмотреть?

Пользователь задаёт сервису ограничение:

Запрос пользователя«Как нам не выйти за рамки 500 тысяч за квартал по промобюджету?»

В диалоге разбирают варианты календаря и глубины скидок, уточняют объёмы, обсуждают общий предел компенсации. Затем пользователь переносит начало активностей и просит оформить выбранные условия: «Не в табличках, а текстом, чтобы я вставила в КП».

Практический результат — расчёт вариантов и черновик коммерческого предложения с обозначенным бюджетом. Команда получает основу для переговоров: какие активности предложить, при каких объёмах и с какими ограничениями.

Один вопрос становится рабочим решением

В 63% диалогов пользователи продолжают разговор после первого сообщения. Это хорошо объясняют сами истории: меняются вводные, появляются ограничения, нужно сравнить сценарии или превратить расчёт в документ.

Пользователи приносят в разговор знание своего бизнеса. Сервис помогает разобрать данные и подготовить результат в нужной форме — список проверок, проект заказа, план промо или текст для сети. Решение и его исполнение остаются за командой.

Опыт совместного сервиса с Retail Services лёг в основу DeepDive CPG. В выделенном решении можно подключать собственные данные, проводить кросс-ритейл аналитику и встраивать такую работу в процессы компании — в облаке или в своём контуре.

На демонстрацию можно прийти со своей задачей. Например: где теряем продажи, какие магазины проверить или сколько товара заказать к следующей поставке. Именно с таких вопросов начинаются реальные рабочие диалоги.

Источник: сводка использования РС ИИ за май–октябрь 2026 года и реальные диалоги из выгрузки за 1 мая — 14 октября. Компании и товары обезличены, вопросы сокращены для ясности. Примеры показывают подготовленные системой результаты.