Розробка системи AI-генерації описів товарів

При ручному копірайтингу для каталогу з 10 000 товарів потрібно 3-4 місяці. AI-система скорочує цей строк до тижня, видаючи до 10 000 описів на день — це в 50-100 разів швидше ручної праці. Ми використовуємо GPT-4o, асинхронну batch-обробку та адаптери під Wildberries, Ozon, Amazon. В одному проєкті для інтернет-магазину з 15 000 SKU ми скоротили бюджет на копірайтинг на порядок, а час виведення товарів на маркетплейси — з 3 місяців до 2 тижнів.

Чому автоматизація описів критична для e-commerce?

Ручне написання масштабується погано: при зростанні асортименту з 1 000 до 10 000 SKU витрати на копірайтинг збільшуються кратно, а строки сягають 3-4 місяців. Система на LLM вирішує це: один раз розробивши архітектуру, ви отримуєте нескінченний потік SEO-оптимізованих текстів під будь-яку площадку. LLM гарантують єдиний стиль і виключають типові помилки — друкарські помилки, дублювання, невідповідність характеристик.

Які проблеми вирішує AI-генератор?

Висока вартість і довгі строки. При ручному написанні вартість одного опису суттєва, а для каталогу з 10 000 товарів це займає місяці. Наша система знижує вартість на порядок: ціна за один опис стає незначною, а час — до 2 секунд.

Нестабільна якість. Різні копірайтери пишуть по-різному, що погіршує сприйняття бренду. LLM-генератор використовує єдиний промпт і правила для кожної площадки, забезпечуючи однаково високу якість для всіх товарів.

Обмежена SEO-оптимізація. Копірайтери рідко враховують усі ключові запити та вимоги пошукових систем. Система автоматично генерує мета-теги, заголовки та описи, оптимізовані під конкретний маркетплейс.

Архітектура системи

from openai import AsyncOpenAI from dataclasses import dataclass from typing import Optional import asyncio client = AsyncOpenAI() @dataclass class ProductData: name: str category: str brand: str sku: str attributes: dict # {color: "red", size: "M", material: "cotton"} images: list[str] = None # URL зображень price: float = None target_audience: str = "" @dataclass class GeneratedDescription: title: str # SEO заголовок short_description: str # 150–200 символів (прев'ю на маркетплейсі) full_description: str # HTML з форматуванням bullet_points: list[str] # 3–7 ключових переваг seo_keywords: list[str] meta_description: str # 160 символів для SEO class ProductDescriptionGenerator: def __init__(self, platform: str = "general"): self.platform = platform self.platform_configs = { "wildberries": {"max_title": 60, "max_desc": 4000, "bullet_count": 5}, "ozon": {"max_title": 100, "max_desc": 6000, "bullet_count": 7}, "amazon": {"max_title": 200, "max_desc": 2000, "bullet_count": 5}, "general": {"max_title": 80, "max_desc": 3000, "bullet_count": 5}, } async def generate( self, product: ProductData, tone: str = "professional", language: str = "ru" ) -> GeneratedDescription: config = self.platform_configs.get(self.platform, self.platform_configs["general"]) # Якщо є зображення — використовуємо GPT-4 Vision if product.images: return await self.generate_from_images(product, config, tone, language) else: return await self.generate_from_text(product, config, tone, language) async def generate_from_text( self, product: ProductData, config: dict, tone: str, language: str ) -> GeneratedDescription: attributes_str = "\n".join([f"- {k}: {v}" for k, v in product.attributes.items()]) response = await client.chat.completions.create( model="gpt-4o", messages=[{ "role": "system", "content": f"""Ти — експерт з написання продаючих описів для {self.platform}. Тон: {tone}. Мова: {language}. Обмеження: заголовок до {config['max_title']} символів, опис до {config['max_desc']} символів, {config['bullet_count']} булетів переваг. Створи опис товару. Поверни JSON з полями: title, short_description, full_description (HTML), bullet_points (масив), seo_keywords (масив), meta_description.""" }, { "role": "user", "content": f"""Товар: {product.name} Бренд: {product.brand} Категорія: {product.category} Характеристики: {attributes_str} ЦА: {product.target_audience or 'не вказана'}""" }], response_format={"type": "json_object"} ) data = json.loads(response.choices[0].message.content) return GeneratedDescription(**data) async def generate_from_images( self, product: ProductData, config: dict, tone: str, language: str ) -> GeneratedDescription: """Використовуємо Vision для аналізу фото товару""" import base64 image_contents = [ {"type": "image_url", "image_url": {"url": url}} for url in product.images[:3] # Максимум 3 зображення ] response = await client.chat.completions.create( model="gpt-4o", messages=[{ "role": "user", "content": [ {"type": "text", "text": f"""Проаналізуй зображення товару та створи опис. Платформа: {self.platform}. Тон: {tone}. Мова: {language}. Додаткові дані: Категорія: {product.category}, Бренд: {product.brand}. Поверни JSON: title, short_description, full_description, bullet_points, seo_keywords, meta_description."""}, ] + image_contents }], response_format={"type": "json_object"} ) data = json.loads(response.choices[0].message.content) return GeneratedDescription(**data) 

Як система обробляє каталоги з CSV/Excel?

Для завантаження товарів з CSV використовується batch-обробка: process_product_catalog читає файл, розбиває на батчі по 20 товарів і паралельно генерує описи через asyncio. Помилки обробляються через return_exceptions — збій по одному товару не зупиняє весь потік.

import pandas as pd import asyncio async def process_product_catalog( catalog_path: str, platform: str = "wildberries", batch_size: int = 20 ) -> pd.DataFrame: df = pd.read_csv(catalog_path) generator = ProductDescriptionGenerator(platform=platform) results = [] for i in range(0, len(df), batch_size): batch = df.iloc[i:i+batch_size] tasks = [] for _, row in batch.iterrows(): product = ProductData( name=row["name"], category=row["category"], brand=row.get("brand", ""), sku=row.get("sku", ""), attributes={k: row[k] for k in row.index if k not in ["name", "category", "brand", "sku"]} ) tasks.append(generator.generate(product)) batch_results = await asyncio.gather(*tasks, return_exceptions=True) for j, result in enumerate(batch_results): if isinstance(result, GeneratedDescription): row_data = batch.iloc[j].to_dict() row_data.update({ "generated_title": result.title, "generated_short_desc": result.short_description, "generated_full_desc": result.full_description, "generated_bullets": " | ".join(result.bullet_points), "seo_keywords": ", ".join(result.seo_keywords), }) results.append(row_data) return pd.DataFrame(results) 

Адаптація під площадки

Для кожного маркетплейсу (Wildberries, Ozon, Amazon) передбачені окремі класи-форматери. Вони враховують ліміти символів, вимоги до структури та ключові слова. Приклад форматерів:

class WildberriesFormatter: def format(self, desc: GeneratedDescription) -> dict: return { "наименование": desc.title[:60], "описание": desc.full_description[:4000], "характеристики": "\n".join(desc.bullet_points), } class OzonFormatter: def format(self, desc: GeneratedDescription) -> dict: return { "name": desc.title[:100], "description": desc.full_description, "short_description": desc.short_description, "keywords": desc.seo_keywords, } 

Як забезпечується SEO-оптимізація?

Система використовує правила SEO для кожної площадки: ліміти символів, ключові слова, структура заголовків. У промпт передаються категорія, бренд і характеристики товару, що дозволяє генерувати релевантні описи. Додатково застосовуються техніки few-shot і chain-of-thought для покращення якості. Наприклад, для Wildberries система автоматично вставляє популярні запити в заголовок і мета-опис.

Що входить у розробку системи під ключ?

1. Архітектура та код — ядро генератора, підтримка тексту та зображень (GPT-4 Vision), batch-обробка CSV/Excel.
2. Інтеграція з маркетплейсами — адаптери під Wildberries, Ozon, Amazon, пряме завантаження через API.
3. Документація — опис API, інструкція з додавання нових площадок, model card.
4. Навчання команди — 2 онлайн-сесії з налаштування та експлуатації.
5. Підтримка 2 тижні після запуску — виправлення помилок, доналаштування промптів.

Строки та як ми працюємо

Вартість розраховується індивідуально після аналізу вашого каталогу та вимог до інтеграції. Наша команда спеціалізується на AI-рішеннях для e-commerce понад 5 років і реалізувала 30+ проєктів. Гарантуємо якість: кожен опис проходить валідацію на відповідність SEO-правилам площадки.

Зв'яжіться з нами для оцінки вашого проєкту. Отримайте консультацію з архітектури та приблизну оцінку строків.