ИИ-агент бизнес-отчётности

Задача

Владелец бизнеса принимал решения на глазок, потому что сборка реальных данных занимала слишком много времени. GA4, WooCommerce, CRM и таблица с выручкой - каждый жил в отдельной вкладке. Сопоставить их, чтобы ответить на вопрос «как прошёл вчерашний день?», занимало 25 - 30 минут, когда это вообще делалось. Важные сигналы - всплеск трафика без соответствующих конверсий, партия брошенных корзин, остывающий лид в CRM - попросту упускались.

Рассмотренные варианты

1. BI-дашборд (Looker Studio, Metabase) - решал задачу агрегации данных, но всё равно требовал, чтобы владелец открыл его, интерпретировал графики и решил, что делать. Ни push-уведомлений, ни повествования.
2. Ручной еженедельный отчёт от ассистента - добавлял затраты на труд и задержку; ежедневный ритм был невозможен.
3. ИИ-агент, который собирает, интерпретирует и излагает данные - выбрано. Каждое утро присылает письменную сводку в Telegram или на почту с цифрами, аномалиями и конкретными рекомендованными действиями - без необходимости открывать дашборд.

Решение

Агент работает по утреннему расписанию. Он собирает вчерашние данные из GA4 (сессии, конверсии, топ-источники), WooCommerce (выручка, заказы, брошенные корзины), CRM (новые лиды, движение сделок) и любых подключённых таблиц. Он выявляет аномалии - показатели, отклоняющиеся более чем на одно стандартное отклонение от среднего за 30 дней, и формирует сводку на простом языке с тремя-пятью рекомендованными действиями. Сводка отправляется в Telegram и/или на почту.

Реализация

Планировщик на Python запускает ежедневный сбор данных через GA4 Data API, WooCommerce REST API, CRM API и Google Sheets API. Сырые цифры передаются в GPT-4 со структурированным промптом, который поручает модели выявлять тренды, помечать аномалии и формировать применимые рекомендации, ранжированные по потенциальному эффекту.

Детекция аномалий использует скользящую базовую линию за 30 дней, вычисляемую в момент сбора, отдельная ML-модель не требуется. Итоговый отчёт форматируется как лаконичное сообщение в Telegram с жирными заголовками и списками, оптимизированное для чтения с телефона менее чем за 90 секунд.

Результат

Время ежедневного обзора сократилось с 30 минут (когда он вообще случался) до 90 секунд (каждый день). Две аномалии, влияющие на выручку, сломанная форма оформления заказа и всплеск возвратов по одной линейке товаров - были пойманы в течение 24 часов вместо обнаружения в еженедельном обзоре. Принятие решений сместилось из реактивного в проактивное.