ТОП 30 вопросов к ИИ ассистенту Growsight для поиска драйверов роста бизнеса. E-Com сфера.
Когда в e-commerce «что-то просело» или, наоборот, внезапно выросло, времени на долгие отчёты обычно нет. Коммерческому директору нужны быстрые ответы: где именно изменилось, почему и что делать завтра утром. В Growsight это удобно делать диалогом на русском языке: загрузили продажи, маркетинг, склад, финансы (или подключили интеграции в Enterprise), задали вопрос — получили цифры, графики и инсайты. Ниже — 30 практичных промт-скриптов, которые помогают находить драйверы роста: от воронки и ROMI до оборачиваемости и дебиторки.
1) «Покажи динамику выручки, маржи и количества заказов по неделям за последние 6 месяцев. Где были аномалии и чем они объясняются по каналам/категориям?»
2) «Разложи изменение выручки MoM на факторы: трафик, конверсия, средний чек, доля повторных, цена/скидка. Что дало основной вклад?»
3) «Найди 10 SKU и 10 категорий, которые дали максимальный вклад в рост/падение маржи за месяц. Укажи причину: цена, скидка, себестоимость, микс.»
4) «Сравни конверсию по этапам воронки (просмотр → корзина → оформление → оплата) по устройствам и источникам. Где самое узкое место?»
5) «Покажи, какие каналы привели больше всего новых покупателей и какие — больше всего маржинальной выручки. Разница и причины?»
6) «Посчитай CAC и ROMI по каналам/кампаниям за последние 8 недель с учётом маржи. Какие кампании масштабировать, какие остановить?»
7) «Сделай когортный анализ retention по месяцам первого заказа. Как меняется повторная покупка на 30/60/90 день по каналам привлечения?»
8) «Оцени LTV по когортам и сегментам (канал, категория первой покупки, регион). Где самый высокий LTV и чем эти клиенты отличаются?»
9) «Проверь влияние скидок: как меняются конверсия, AOV и маржа при разных уровнях discount. Где точка, после которой скидка “съедает” прибыль?»
10) «Найди сегменты клиентов с высокой маржой и высокой частотой покупок. Сформируй правила сегмента (RFM/поведение) и размер аудитории.»
11) «Покажи клиентов, у которых снизилась частота покупок за последние 90 дней. Что общего: категории, средний чек, каналы, причина ухода?»
12) «Сегментируй заказы по типу доставки/ПВЗ/курьер. Где больше отмен и возвратов, и как это влияет на итоговую маржу?»
13) «Разбери причины возвратов по категориям/SKU и поставщикам. Какие 20% причин дают 80% потерь?»
14) «Посчитай потери от out-of-stock: какие товары чаще всего отсутствовали и сколько выручки/маржи мы недополучили?»
15) «Покажи оборачиваемость по SKU и складам: дни запаса, скорость продаж, прогноз даты стокаута. Где риск дефицита, где неликвид?»
16) «Сделай ABC/XYZ анализ ассортимента по марже и стабильности спроса. Какие товары держать в приоритете закупок?»
17) «Выяви каннибализацию: какие SKU “перетягивают” продажи друг у друга после изменения цены/акции. Что оптимизировать в матрице?»
18) «Проверь эффективность промо: сравни периоды “до/во время/после” акций по выручке, марже, новым клиентам и повторным. Есть ли отложенный эффект?»
19) «Найди, какие категории чаще покупают вместе. Сформируй 10 лучших бандлов/кросс-селл предложений с ожидаемым эффектом на AOV.»
20) «Проанализируй путь клиента: какая последовательность категорий приводит к повторной покупке и росту LTV?»
21) «Покажи вклад менеджеров/команд (если есть B2B/опт) в выручку и маржу, а также просадки по этапам. Где проблема: скорость ответа, скидки, потери сделок?»
22) «Сравни план-факт по KPI: выручка, маржа, конверсия, CAC, оборачиваемость. Где отклонение критичное и какие драйверы?»
23) «Сделай прогноз выручки и маржи на 4 недели с учётом сезонности, трафика и складских ограничений. Какие условия должны выполниться для плана?»
24) «Проверь ценовую конкурентоспособность (если есть данные): где мы дороже рынка и теряем конверсию, где можем поднять цену без потери спроса?»
25) «Найди “золотую полку” цен: диапазоны, где конверсия максимальна при сохранении маржи. Рекомендации по пересмотру прайса.»
26) «Разложи расходы на логистику и упаковку на заказ/единицу по регионам и способам доставки. Где экономика не сходится и что менять?»
27) «Покажи валовую прибыль по клиентам/сегментам с учётом скидок, доставок, возвратов и маркетинга. Какие сегменты убыточны?»
28) «Дебиторка: дай срез по срокам (0–30/31–60/61–90/90+), крупнейшие риски, динамика просрочки. Какие контрагенты ухудшились за месяц?»
29) «Cash flow: как изменились поступления и выплаты по неделям, какие статьи дают кассовые разрывы. Предложи приоритеты действий.»
30) «Сформируй список конкретных “следующих шагов” на основе всех найденных драйверов: 5 быстрых побед на 2 недели и 5 инициатив на квартал с ожидаемым эффектом.»
Эти вопросы работают особенно хорошо, когда данные связаны между собой: заказы, товары, клиенты, маркетинговые расходы, склад, возвраты, финансы. В Growsight можно задавать уточняющие вопросы в одном диалоге, сохранять найденные сегменты и смотреть, как они меняются со временем, а результат — выгружать без округлений в Excel/CSV для команды. В Enterprise-режиме инсайты превращаются в действия: запустить рассылку по найденному сегменту, поставить задачу в CRM, сформировать заказ поставщику.
Сильный рост в e-com редко приходит из одной «волшебной кнопки». Он появляется там, где команда системно видит причинно-следственные связи: почему конверсия упала именно в этом шаге, зачем выручка выросла за счёт скидок и чем это обернулось для маржи, какие SKU тянут вниз оборотные средства, а какие — вытягивают прибыль. Правильные вопросы к данным — уже половина стратегии. Остальное — скорость, с которой вы превращаете ответы в решения.