Коротко
Почему нейросеть уверенно называет цифры, которых нет?
Это явление называют галлюцинациями. Подробно о том, как они устроены и как их ловить, я писал в статье про галлюцинации нейросетей. В анализе рынка у них особая опасность: цифры выглядят как результат расчёта, и на них хочется сразу строить план закупки.
Режим с поиском в интернете снимает проблему только частично. Модель находит статьи, обзоры, пресс-релизы и собирает из них ответ. Но если по нише просто нет публичных данных, поиск не создаст их.
Тогда модель либо честно пишет «не нашла», либо склеивает оценку из косвенных признаков. Чем она отличается от ответа по памяти, я разбирал в статье ищет ли нейросеть в интернете.
Вопрос «какой товар продавать»: разбор одного упражнения
Упражнение «четыре уровня запроса» показывает, как растёт качество ответа, когда к вопросу добавляются роль, контекст, критерии и формат. Тему для него я беру из задач клиента, а этот вопрос команда назвала первой: какие товары из Китая запускать следующими, с критериями по себестоимости, рентабельности выше 100% и объёму рынка ниши.
Первые три уровня сработали как обычно: ответы становились конкретнее, участнику понравился третий вариант. На четвёртом уровне, с глубоким исследованием и всеми числовыми критериями, произошло три разных истории:
- У одного участника модель думала около десяти минут и в итоге опёрлась на его старую таблицу из подключённого облачного диска, хотя об этом её не просили.
- У другого модель честно ответила, что подтверждённых кандидатов под критерии нет.
- Ещё у одного таблица пришла, но с цифрами, которые всё равно пришлось бы проверять заново.
Руководитель отдела продаж сформулировал вывод точнее меня: цифры неподтверждённые, на уровне домыслов, и если каждый расчёт проверять самим, то зачем здесь нейросеть. Вопрос справедливый. В том же модуле другой сервис с поиском подтвердил: полноценной публичной аналитики по этой категории на маркетплейсе в открытом доступе нет.
После этого занятия я поменял правило подбора тем для этого упражнения. Четыре уровня теперь идут на задачах, где участник сам видит, хорош ли ответ: письмо поставщику, ответ покупателю, регламент. Рыночные вопросы - отдельно, в режиме исследования и как список гипотез.
Какие вопросы нейросеть проверить не может?
| Вопрос | Можно доверить нейросети? | Где брать ответ |
|---|---|---|
| Сформулировать критерии отбора товара | Да | Нейросеть + опыт команды |
| Какие тренды в категории обсуждают в отраслевых СМИ | Да, с источниками | Режим исследования, ссылки проверить |
| Объём рынка ниши на конкретном маркетплейсе | Нет | Аналитика площадки, платные сервисы аналитики |
| Рентабельность товара после комиссий и логистики | Только по твоим цифрам | Твоя себестоимость, тарифы площадки |
| Продажи конкурента | Нет | Сервисы аналитики маркетплейсов |
| Что продаётся у тебя и почему | Да, если дать выгрузку | Твои отчёты и таблицы |
Граница простая: если для ответа нужны цифры, которых нет ни в запросе, ни у тебя в голове, ни в открытых источниках, нейросеть их не возьмёт ниоткуда. Она может только построить оценку, и эту оценку надо называть оценкой.
Глубокое исследование: список гипотез, а не ответ
Глубокое исследование - режим, в котором модель десятки минут ищет и читает источники, а потом пишет отчёт со ссылками. Работает оно лучше обычного чата именно на открытых данных. Но и здесь стоит менять формулировку запроса.
Вместо «выбери 10 товаров с рентабельностью выше 100%» лучше просить так:
Собери до 15 кандидатов в товары для запуска в категории [категория].
Для каждого: почему он может подойти, какие источники это подтверждают
(ссылки), какие цифры подтверждены источником, а какие ты оцениваешь сам.
Оценки помечай словом «оценка». Не выдумывай цифры объёма рынка: если
данных нет, так и напиши. В конце - что нам проверить в аналитике площадки.Такой запрос снимает давление критериев. Модели не нужно подгонять ответ под «больше 100 миллионов», она собирает материал для проверки. А длинное ожидание в этом режиме - нормальная часть работы: как отличить работу от зависания, я разбирал в статье нейросеть думает или зависла.
Если к аккаунту подключены облачный диск или почта, режим исследования может опереться на твои старые файлы. Иногда это полезно, но в анализе рынка это подмена: модель выдаёт прошлую таблицу команды за свежую находку. Проверяй, на какие источники ссылается ответ.
Как проверять цифры по своим данным?
Отделить факты от оценок
Попросить нейросеть разметить в своём ответе, какие числа взяты из источников, а какие посчитаны или оценены.
Открыть каждый источник
Ссылка должна существовать и говорить то, что ей приписано. Если источник - чужая статья с оценкой, это всё ещё оценка.
Сверить с аналитикой площадки
Спрос, цены конкурентов и динамику продаж в категории смотреть в инструментах самой площадки или в сервисах аналитики, которыми пользуется команда.
Посчитать экономику на своих цифрах
Себестоимость, комиссии, логистику и возвраты подставляет команда из своих данных. Нейросеть помогает собрать расчёт в таблицу и проверить формулы.
Второй день того же обучения я как раз строю на файлах команды: отчёт о продажах, оборотная ведомость, сводная таблица руководителя. Это ответ на вопрос руководителя продаж: там нейросеть работает с подтверждёнными цифрами, и каждую можно сверить со строкой файла.
Где нейросеть в анализе рынка реально полезна?
Самые сильные сценарии, которые я вижу у команд маркетплейсов:
- Разбор своих выгрузок. Почему просели продажи, какие товары залёживаются на складах, где растут возвраты. Нейросеть быстро находит закономерности в таблице, и каждую можно проверить.
- Критерии и чек-листы. Что проверить перед запуском товара, какие риски у новой категории. Это работа на рассуждении, а не на чужих данных.
- Тексты и коммуникации. Карточки товаров, ответы покупателям, письма поставщикам.
- Сбор открытых источников. Отраслевые обзоры, новости о правилах площадки, изменения тарифов - с обязательными ссылками.
Как собирать данные из разных систем в один отчёт, я подробно писал в статье данные в разных системах - один отчёт. Для работы с таблицами напрямую полезен разбор нейросеть в Excel и PowerPoint.
Если такой анализ поручен ИИ-агенту, правило то же: агент получает выгрузки и пишет выводы со ссылкой на строки, а не ищет «рынок» в интернете.
Частые вопросы
Частые вопросы
Главный вывод
Самый полезный навык здесь не новый промпт, а одно различение: что нейросеть может знать, а что нет.
Практический шаг: возьми последний ответ нейросети с цифрами рынка и пометь в нём каждое число - «проверено» или «оценка». Пропорция многое скажет о том, на чём строится решение.
Какие решения в твоей команде сейчас опираются на цифры, которые никто не проверял по источнику?