ChatGPT читает отчёт о реализации ВБ: как посчитать маржу по артикулам и не поверить ошибке

ChatGPT и отчёт о реализации хорошо работают вместе, если модель считает по вашему файлу, а вы проверяете итог по трём контрольным суммам. Тогда нейросеть берёт на себя рутину: группирует строки, сводит логистику и штрафы, делит расходы на артикулы. Решение по цене и ассортименту остаётся за вами.

Коротко

• Загружайте детализацию в .xlsx или .csv, скриншот для расчёта не годится. Себестоимость по артикулам отдайте отдельной таблицей, иначе модель её придумает.
• Просите показать код. Справка OpenAI описывает, что ChatGPT считает данные на Python и показывает расчёт по кнопке «View Analysis».
• Ответу можно доверять, когда сходятся три суммы: число строк, «К перечислению за товар» по всем артикулам и «Итого к оплате» из еженедельного отчёта.
• Если модель размечает строки, а не считает, проверьте 30 случайных строк. Ноль ошибок на 30 строках значит, что доля ошибок, скорее всего, не выше 10%.
• Нейросеть не знает, как в эту неделю вела себя ваша категория. Сравнение с рынком берите из данных, а не из ответа модели.

ChatGPT и отчёт о реализации: что модель может посчитать

Нейросеть может свести строки детализации в таблицу по артикулам и посчитать маржу. Это вычисление по вашему файлу, а не знание о рынке, поэтому ошибки здесь проверяемы.

По справке OpenAI на 29.10.2026, ChatGPT анализирует загруженные таблицы библиотекой pandas. Модель смотрит первые строки, чтобы понять структуру, затем пишет код на Python, запускает его и вставляет результат в ответ. Код виден по кнопке «View Analysis», а настройка «Always show details» открывает его по умолчанию.

Для селлера из этого следует одно: модель не «читает» отчёт глазами, она пишет программу для подсчёта. Ошибки бывают двух видов: модель неправильно поняла колонку или неправильно написала формулу. Обе видно в коде, если его открыть.

Задачи, которые стоит отдавать нейросети:

• свод по артикулам: продажи, возвраты, логистика, штрафы, к перечислению;
• ИИ-разбор юнит-экономики: расход на одну проданную единицу по каждой статье;
• поиск аномалий: артикулы с логистикой без продаж, штрафы, резкий рост доли возвратов;
• сравнение двух недель по тем же показателям.

Задачи, которые отдавать не стоит, разобраны ниже в разделе про ограничения.

Какой файл загружать и как его подготовить

Загружайте детализацию в Excel или CSV. Справка OpenAI называет поддерживаемые форматы: .xls, .xlsx, .csv, .pdf и .json. До 10 файлов в одном разговоре, для таблиц ограничение около 50 МБ в зависимости от ширины строк.

Детализация лежит в кабинете в разделе «Финансовые отчёты», вкладка «Еженедельные», рядом с отчётом за нужную неделю. Какие в ней колонки и что они значат, разобрано в статье «Детализированный отчёт ВБ». Для расчёта маржи нужны такие:

Перед загрузкой сделайте три вещи. Оставьте один лист с одной таблицей и заголовками в первой строке: справка прямо советует не держать несколько таблиц на листе и пустые строки. Удалите реквизиты, которые не хотите передавать стороннему сервису. Приготовьте второй файл с себестоимостью: артикул и цена закупки с доставкой до склада.

Скриншоты и PDF-сканы для расчёта не годятся. Цифры в них модель распознаёт как картинку, и ошибка распознавания попадёт в каждую сумму.

Как нейросеть посчитает маржу по артикулам: три промпта

Маржу по артикулам лучше получать в три шага: сначала свод, потом расходы на единицу, потом аномалии. Каждый промпт опирается на результат предыдущего, поэтому ошибку видно сразу, а не в конце.

Промпт 1. Свод по артикулам.

В файле детализация еженедельного отчёта Wildberries. Сгруппируй строки по артикулу продавца. Для каждого артикула посчитай: число продаж (строки «Продажа»), число возвратов (строки «Возврат»), сумму «Вайлдберриз реализовал Товар (Пр)» с учётом знака возврата, сумму «К перечислению за товар» с учётом знака, сумму «Услуги по доставке товара покупателю», сумму «Штрафы». Строки без артикула выведи отдельной группой. Покажи итог по всем артикулам и число строк в файле. Покажи код. Не добавляй данных, которых нет в файле.

Промпт 2. Маржа и юнит-экономика.

Во втором файле себестоимость по артикулам. Для каждого артикула посчитай чистые продажи = продажи − возвраты. Хранение из строк с обоснованием «хранение» раздели между артикулами пропорционально чистым продажам. Налог 6% от суммы «Вайлдберриз реализовал Товар (Пр)». Прибыль = К перечислению − логистика − штрафы − хранение − налог − себестоимость × чистые продажи. Выведи прибыль на артикул, на единицу и в процентах от выручки. Если себестоимости для артикула нет, напиши об этом и не считай его.

Промпт 3. Аномалии.

Найди артикулы, у которых есть логистика, но нет продаж; доля возвратов выше 20% от продаж; есть штрафы. Для каждого покажи строки файла, из которых это следует.

Ставка налога, способ деления хранения и порог 20% здесь условные. Подставьте свои. Важно, чтобы правило деления общих расходов было записано в промпте: иначе модель выберет его сама и не скажет какое.

Промпт 4. Сравнение двух недель. Когда первая неделя посчитана и сверена, загрузите детализацию следующей недели и попросите сравнение.

Вот детализация ещё одной недели. Посчитай по ней то же самое тем же кодом, что в прошлый раз. Выведи таблицу: артикул, прибыль на единицу в первую и во вторую неделю, разница в рублях. Отдельно покажи, какая строка расходов дала основную часть разницы: логистика, штрафы, хранение, налог или себестоимость.

Слова «тем же кодом» здесь главные. Они заставляют модель повторить проверенный расчёт, а не написать новый со своими допущениями. Если в новом разговоре кода прошлой недели нет, вставьте его в сообщение сами.

Разницу на единицу по двум неделям читайте с поправкой на разброс. У артикула с шестью продажами в неделю одна лишняя обратная доставка сдвигает логистику на единицу заметно: сумма делится на шесть, а не на сто. Выводы по таким артикулам делайте по сумме четырёх недель.

Как проверить ответ: три контрольные суммы

Ответ проверяют тремя суммами, которые вы можете посчитать сами без модели. Если хоть одна не сходится, дальше по ответу работать нельзя.

1. Число строк. Модель должна назвать то же число строк, что видно в файле. Расхождение значит, что часть строк потерялась при чтении, чаще всего из-за пустых строк или второго листа.
2. «К перечислению за товар». Сумма по всем артикулам из ответа модели должна совпасть с суммой колонки, посчитанной в Excel формулой. Совпадение говорит, что знаки возвратов учтены верно.
3. «Итого к оплате». Соберите итог по цепочке: к перечислению за товар минус логистика, штрафы, хранение, приёмка и прочие удержания плюс доплаты. Он должен совпасть с итогом еженедельного отчёта. Как устроена эта цепочка, показано в статье «Как понять отчёт ВБ».

Третья сумма самая важная. Она связывает ответ модели с деньгами, которые площадка реально перечислит.

Когда модель размечает, а не считает. Иногда нужно разложить строки по смыслу: например, «Обоснование штрафов и доплат» по причинам. Здесь контрольной суммы нет, и проверка другая. Возьмите 30 случайных строк и сверьте разметку руками. Если ошибок нет, по правилу трёх доля ошибок во всём файле с вероятностью 95% не выше 3 ÷ 30 = 10%. Для 50 строк граница 6%. В статье про анализ ниши с ChatGPT для разметки отзывов взят рабочий порог 27 совпадений из 30.

Сквозной пример: три артикула за неделю

Возьмём условную неделю магазина с тремя артикулами. Комиссия в примере 25% от продажи, налог 6%, хранение за неделю 2 100 ₽ на весь магазин. Это пример для проверки метода, а не данные конкретного продавца.

Логистика по артикулам: A — 9 400 ₽, B — 5 200 ₽, C — 3 300 ₽, всего 17 900 ₽. У артикула C штраф 500 ₽. Итого к оплате: 83 100 − 17 900 − 500 − 2 100 = 62 600 ₽. Это число и сверяем с еженедельным отчётом.

Себестоимость: A — 350 ₽, B — 260 ₽, C — 700 ₽. Хранение делим пропорционально чистым продажам.

Теперь посмотрим, во что обходится одна типичная ошибка. Допустим, модель сложила строки «Возврат» с плюсом, как продажи. Тогда выручка магазина вырастет на 26 400 ₽, а артикул C покажет 5 595 ₽ прибыли вместо 155 ₽. На таком ответе вы бы увеличили закупку товара, который почти ничего не зарабатывает.

Эту ошибку ловит вторая контрольная сумма. «К перечислению за товар» у модели окажется больше, чем сумма колонки в Excel, на 19 800 ₽. Цифра странная, вы открываете код и видите, что знак возврата не учтён.

Типовые ошибки модели и как их поймать

У каждой ошибки есть признак, по которому её видно без пересчёта всего файла. Сведём их в таблицу.

Последняя строка важна для процента выкупа. Если вы просите модель посчитать выкуп, укажите колонку «Дата заказа покупателем» и берите недели, закрытые три-четыре недели назад. Свежая неделя всегда показывает заниженный выкуп, это подробно разобрано в статье о расхождениях данных кабинета.

ИИ-разбор юнит-экономики: что модель не знает

ИИ-разбор юнит-экономики по отчёту ограничен тем, что в отчёте есть. Себестоимость, налог, рекламу вне кабинета и упаковку модель знает только от вас. Если вы не дали эти цифры, правильный ответ модели — «не посчитано». Ответ с цифрами без источника — признак, что модель их додумала.

Второе ограничение: отчёт описывает только ваш магазин. В нём нет ответа на вопрос, почему просели продажи. Модель может предложить причины, но это будут догадки. Исследование OpenAI от 05.09.2025 объясняет, почему так: обычное обучение и оценка моделей поощряют уверенную догадку больше, чем признание «не знаю».

Третье ограничение техническое. По справке OpenAI, среда для запуска кода создаётся на один разговор. Она удаляется в течение 13 часов после того, как разговор перестал быть активным. Если вы вернулись к расчёту на следующий день, загрузите файлы заново и проверьте суммы ещё раз.

Ваша маржа упала: это вы или категория

Отчёт о реализации отвечает на вопрос «сколько я заработал», но не на вопрос «почему». Если прибыль артикула упала, нужно понять, упал ли спрос во всей категории или только у вас. Модель этого не знает: в вашем файле нет чужих продаж.

Вручную это проверяют так. Выпишите 15⁠–⁠20 карточек соседей по категории и раз в неделю фиксируйте число отзывов. Прирост отзывов за неделю, умноженный на коэффициент, даёт грубую оценку продаж. Метод и его погрешность описаны в статье «Как оценить продажи конкурентов». Это самый долгий шаг: выписку нужно повторять каждую неделю, и пропущенная неделя ломает сравнение.

В RADAR эту часть закрывает подписка «Радар» за 4 900 ₽ в месяц. Она каждый день пересчитывает ваши категории по данным витрин четырёх площадок. На экране категории три графика: по площадкам, по ценовым диапазонам и по неделям. Если в категории что-то заметно изменилось, приходит сигнал в телеграм. Свою прибыль из отчёта о реализации вы кладёте рядом с неделями категории и видите, чьё это падение.

Что не отдавать нейросети

Не отдавайте нейросети то, что вы не показали бы постороннему человеку. Для отчёта о реализации это три вещи.

• API-ключи и пароли от кабинета. Ключ открывает доступ к данным магазина, правила выдачи ключей разобраны в статье «Как получить API-ключ на Wildberries и Ozon».
• Реквизиты компании и договоры с поставщиками, если они попали в файл.
• Закупочные цены с именами поставщиков. Для расчёта маржи хватит артикула и суммы.

Если вы не хотите, чтобы разговоры использовались для обучения моделей, в ChatGPT это настраивается в «Settings» → «Data Controls», переключатель «Improve the model for everyone». Временные чаты, по справке OpenAI на 29.10.2026, удаляются из систем компании в течение 30 дней и для обучения не используются.

Ошибки

Загружать скриншот вместо файла. Распознавание картинки добавляет ошибки в каждое число.

Не давать себестоимость. Модель либо откажется считать, либо подставит цифру из головы.

Не открывать код. Без кода не видно, как модель поняла колонки и знаки.

Проверять ответ ответом модели. Просьба «перепроверь себя» запускает тот же код. Сверяйте с суммой, которую вы посчитали сами.

Делать выводы по одной неделе. Разброс заказов за неделю примерно равен корню из их среднего числа. При 100 заказах в неделю колебание ±10 — норма, а не сигнал.

Просить объяснить падение продаж по отчёту. В отчёте нет данных о категории, и объяснение будет догадкой.

Чек-лист

• Детализация загружена в .xlsx или .csv, один лист, заголовки в первой строке.
• Себестоимость отдана отдельным файлом по артикулам.
• В промпте записаны ставка налога и правило деления общих расходов.
• Модель показала код, вы проверили знак у строк «Возврат».
• Число строк совпало с файлом.
• Сумма «К перечислению за товар» совпала с Excel.
• «Итого к оплате» по цепочке совпало с еженедельным отчётом.
• Для разметки проверены 30 случайных строк.
• Ключей, паролей и реквизитов в файле нет.

Частые вопросы

Можно ли загрузить в ChatGPT отчёт о реализации целиком?

Да, если это Excel или CSV до 50 МБ. Справка OpenAI допускает до 10 файлов в одном разговоре. Недельная детализация небольшого магазина укладывается в эти ограничения с запасом. Перед загрузкой уберите лишние листы и пустые строки.

Нейросеть может посчитать маржу без себестоимости?

Нет. В отчёте Wildberries себестоимости нет, её знаете только вы. Если модель выдала маржу без вашего файла с себестоимостью, она подставила цифру сама. Такой ответ использовать нельзя.

Как понять, что модель посчитала правильно?

Сверьте три суммы: число строк, «К перечислению за товар» по всем артикулам и «Итого к оплате» с еженедельным отчётом. Если все три совпали, свод по артикулам верен. Правило деления общих расходов проверьте по коду.

Подходит ли этот метод для ИИ-разбора юнит-экономики на Ozon?

Метод тот же: файл, свод по артикулам, контрольные суммы. Названия колонок и строк у Ozon свои, их нужно прописать в промпте. Как устроены отчёты Ozon, разобрано в статье «Отчёты селлера на Ozon».

Зачем просить модель показать код?

Код показывает, как модель поняла каждую колонку и какой знак поставила возвратам. Ошибку в коде видно за минуту, ошибку в готовой таблице можно не заметить. Код можно скопировать и запустить на следующей неделе без нового промпта.

Используются ли мои отчёты для обучения модели?

В ChatGPT это зависит от настройки «Improve the model for everyone» в разделе «Data Controls». Эта настройка решает, используются ли ваши разговоры для обучения моделей. Временные чаты удаляются в течение 30 дней.

Почему модель каждую неделю считает немного по-разному?

Без явных правил модель каждый раз заново решает, как делить общие расходы и что делать со строками без артикула. Запишите правила в промпт и сохраните код из первой удачной недели. Тогда расчёты будут сравнимы.

Что дальше

Начните с одной закрытой недели. Загрузите детализацию и себестоимость, дайте три промпта и сверьте три суммы. Когда суммы сойдутся, сохраните промпты и код: следующая неделя займёт несколько минут. Если маржа по артикулу ниже, чем вы ожидали, разберите расходы на единицу по статье «Юнит-экономика на Wildberries».

Отчёт о реализации показывает только ваш магазин. Чтобы видеть, что в те же недели происходило с категорией, нужны данные витрин. Подписка «Радар» каждый день пересчитывает ваши категории на четырёх площадках и показывает их по площадкам, ценовым диапазонам и неделям. Когда в категории что-то меняется, приходит сигнал в телеграм.

Посмотреть, что внутри «Радара» →

Источники

• OpenAI Help Center. «Data analysis with ChatGPT» — форматы файлов, 10 файлов в разговоре, около 50 МБ для таблиц, pandas, «View Analysis», удаление среды через 13 часов. Проверено 29.10.2026: https://help.openai.com/en/articles/8437071-data-analysis-with-chatgpt
• OpenAI Help Center. «Data Controls FAQ» — «Improve the model for everyone», временные чаты 30 дней. Проверено 29.10.2026: https://help.openai.com/en/articles/7730893-data-controls-faq
• OpenAI. «Why language models hallucinate», 05.09.2025 — изложение в статье RADAR «Анализ ниши маркетплейса с ChatGPT»: https://wradar.pro/blog/chatgpt-analiz-nishi-marketpleysa
• Wikipedia. «Rule of three (statistics)»: https://en.wikipedia.org/wiki/Rule_of_three_(statistics)
• RADAR. «Детализированный отчёт ВБ» — колонки и путь к файлу: https://wradar.pro/blog/detalizirovannyy-otchet-vb
• RADAR. «Как понять отчёт ВБ» — строки отчёта и проверка «Итого к оплате»: https://wradar.pro/blog/kak-chitat-otchet-vb
• RADAR. «Воронка, отчёт о реализации и API показывают разные цифры» — выкуп на дату заказа: https://wradar.pro/blog/rashozhdeniya-dannyh-kabineta-vb-ozon
• RADAR. «На сколько упали заказы, чтобы это было критично» — разброс через корень из среднего: https://wradar.pro/blog/kogda-bit-trevogu-padenie-zakazov
• RADAR. Страница подписки «Радар», проверено 29.10.2026: https://wradar.pro/radar