# Можно ли верить цифрам рынка от нейросети: разбор вопроса «какой товар продавать»

Анализ рынка с помощью нейросети: почему она додумывает объёмы ниш и рентабельность, какие вопросы ей не проверить и как работать с гипотезами и своими данными.

URL: https://posts.danashkin.ru/guides/cifry-rynka-ot-neyroseti
Обновлено: 2026-10-14

---

## Коротко

**Главное**

- На вопрос «какой товар запускать» с критериями по прибыльности и объёму рынка нейросеть либо додумывает цифры, либо честно отвечает, что подтверждённых данных нет. Публичной аналитики по нишам маркетплейсов в открытом доступе почти нет.
- Чем подробнее запрос с числовыми критериями, тем заметнее проблема: модель старается их выполнить и подставляет то, что найдёт, вплоть до старых таблиц самой команды, если к аккаунту подключён облачный диск.
- Ответ нейросети про рынок - список гипотез с источниками. Каждая цифра проверяется по своей аналитике площадки и своим файлам, прежде чем на ней принимать решение.
- Сильная сторона нейросети в анализе - работа с твоими данными: выгрузками продаж, остатками, отчётами. Там каждую цифру можно сверить со строкой файла.

## Почему нейросеть уверенно называет цифры, которых нет?

**Главное**

Языковая модель обучена давать связный ответ на вопрос. Если в запросе стоит критерий «рынок ниши больше 100 миллионов в месяц», а данных о рынке нет, модель достраивает правдоподобную цифру или опирается на любой найденный источник. Звучит это так же уверенно, как проверенный факт.

Это явление называют галлюцинациями. Подробно о том, как они устроены и как их ловить, я писал в статье про [галлюцинации нейросетей](/guides/gallyucinacii-neyrosetey-kak-proveryat). 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](/guides/neyroset-ishchet-ili-otvechaet-po-pamyati).

## Вопрос «какой товар продавать»: разбор одного упражнения

**Главное**

На корпоративном обучении для команды селлера маркетплейса я дал группе запрос четырёх уровней подробности на их собственный вопрос: какие товары запускать следующими. До третьего уровня ответы заметно росли. Четвёртый, самый подробный, дал самый слабый результат, и это стало главным уроком дня.

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:

1. 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.
2. У другого модель честно ответила, что подтверждённых кандидатов под критерии нет.
3. 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?

**Главное**

Те, где ответ стоит на свежих закрытых данных: объём продаж в нише, доля конкурента, рентабельность чужого товара, спрос в конкретной категории площадки. Эти данные есть у площадки и у платных сервисов аналитики, но не в открытом интернете и не в памяти модели.

| 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

**Главное**

Режим глубокого исследования полезен на рыночных вопросах, если ставить ему правильную задачу: собрать гипотезы с источниками и пометить, какие цифры подтверждены, а какие оценены. Тогда результат - карта для проверки, а не готовое решение о закупке.

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:

```text
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](/guides/neyroset-dumaet-ili-zavisla).

**Подключённые диски влияют на ответ**

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?

**Главное**

Каждая цифра из ответа нейросети, на которой будет решение, сверяется с источником: ссылкой из отчёта, аналитикой площадки или строкой собственного файла. Цифра без источника остаётся гипотезой. Удобнее всего, когда нейросеть сама работает с твоими выгрузками: тогда у каждого числа есть строка, где его видно.

1. **Отделить факты от оценок**

   Попросить нейросеть разметить в своём ответе, какие числа взяты из источников, а какие посчитаны или оценены.

2. **Открыть каждый источник**

   Ссылка должна существовать и говорить то, что ей приписано. Если источник - чужая статья с оценкой, это всё ещё оценка.

3. **Сверить с аналитикой площадки**

   Спрос, цены конкурентов и динамику продаж в категории смотреть в инструментах самой площадки или в сервисах аналитики, которыми пользуется команда.

4. **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?

**Главное**

В работе с твоими данными, в формулировке критериев и гипотез, в сборе открытых источников и в черновиках расчётов. То есть везде, где результат можно проверить. Решение о запуске товара остаётся на аналитике площадки и экономике команды.

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](/guides/dannye-v-raznyh-sistemah-odin-otchet). Для работы с таблицами напрямую полезен разбор [нейросеть в Excel и PowerPoint](/guides/agent-v-excel-i-powerpoint).

Если такой анализ поручен [ИИ-агенту](/concepts/ai-agent), правило то же: агент получает выгрузки и пишет выводы со ссылкой на строки, а не ищет «рынок» в интернете.

## Частые вопросы

**Главное**

Спрашивают, есть ли нейросети с доступом к аналитике маркетплейсов, можно ли доверять цифрам с источниками, стоит ли платить за режим исследования ради рыночных вопросов и как объяснить команде, где граница.

### Частые вопросы

**Есть ли нейросети с доступом к аналитике маркетплейсов?**

Если такой доступ и есть, то внутри платных сервисов аналитики маркетплейсов: там помощник опирается на базу сервиса. Это другой класс инструмента, данные в нём платные и проверяемые. Универсальный чат такого доступа по умолчанию не имеет.

**Можно ли доверять цифре, если у неё есть ссылка?**

Только после того, как ты открыл ссылку и увидел там эту цифру. Модель может сослаться на страницу, где числа нет, или пересказать оценку автора статьи как факт. Ссылка - начало проверки, а не её конец.

**Стоит ли платить за режим исследования ради рыночных вопросов?**

Стоит, если нужен быстрый обзор открытых источников и гипотез. Не стоит, если ты ждёшь от него закрытых данных о продажах: их там не будет, сколько бы модель ни думала.

**Как объяснить команде, где граница?**

Одним вопросом: нужны ли для ответа цифры, которых нет ни в запросе, ни у нас в файлах, ни в открытых источниках? Если да, ответ нейросети - гипотеза, и её проверяют в аналитике.

## Главный вывод

**Главное**

Нейросеть не знает объёмов рынка и продаж конкурентов в нише маркетплейса: этих данных нет в открытом доступе. На рыночном вопросе с числовыми критериями она додумывает цифры или честно разводит руками. Её место - гипотезы с источниками и работа с твоими собственными данными, где каждую цифру можно проверить.

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?

### Источники

- [Галлюцинация (искусственный интеллект) - почему модель уверенно выдаёт неверные факты, Википедия](https://ru.wikipedia.org/wiki/%D0%93%D0%B0%D0%BB%D0%BB%D1%8E%D1%86%D0%B8%D0%BD%D0%B0%D1%86%D0%B8%D1%8F_%28%D0%B8%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82%29)
- [ChatGPT Deep Research - режим глубокого исследования, Wikipedia](https://en.wikipedia.org/wiki/ChatGPT_Deep_Research)
- [Исследование рынка - методы и источники данных, Википедия](https://ru.wikipedia.org/wiki/%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D1%80%D1%8B%D0%BD%D0%BA%D0%B0)
- [Маркетплейс - как устроены торговые площадки, Википедия](https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%80%D0%BA%D0%B5%D1%82%D0%BF%D0%BB%D0%B5%D0%B9%D1%81)