Одну карточку можно собрать руками, тысячу — нет. Разбираем, как выстроить конвейер обработки, где в нём место ручному контролю и почему полностью автоматический пайплайн на маркетплейсе не работает.
Первый шаг — приём исходников со съёмки и раскладка по артикулам. Он кажется тривиальным, но именно здесь чаще всего рассыпается весь дальнейший процесс: файл, потерявший связь с артикулом, дальше не пройдёт.
Второй — базовая обработка: обтравка, выравнивание, приведение к единому масштабу и цвету. Это самая автоматизируемая часть, и на неё приходится основная экономия.
Третий — сборка вариантов: форматы под площадки, подложки, слайды инфографики. Здесь автоматизация работает по шаблонам, а содержание задаётся человеком.
Четвёртый — контроль и выгрузка. Он остаётся ручным в той части, где решается, годен результат или нет, и автоматическим в части раскладки файлов по площадкам.
Полезно нарисовать эту цепочку на бумаге до любых внедрений. Обычно уже на этом шаге выясняется, что между вторым и третьим этапом файлы дважды переименовываются вручную, — и половина возможной экономии лежит именно там.
Отдельно стоит отметить, где происходят передачи между людьми: съёмка сдаёт обработчику, обработчик — контент-менеджеру. Каждая передача добавляет задержку и место для потери файлов.
Обтравка и удаление фона на однотипных товарах. При одинаковой съёмке и одинаковом фоне результат стабилен, и доля брака невелика — это первое, что стоит ставить на поток.
Приведение к формату: кадрирование, поля вокруг товара, разрешение, вес файла. Механическая работа с понятными правилами, где машина точнее человека.
Единый масштаб внутри линейки. Задача, которую вручную делают плохо: на глаз выдержать одинаковый размер товара в кадре по сотне позиций почти невозможно, а скриптом — тривиально.
И раскладка по каталогам: названия файлов, папки по площадкам, комплекты для выгрузки. Здесь автоматизация экономит не столько время, сколько ошибки.
Хорошо автоматизируется и подготовка производных: уменьшенные копии, превью, версии под разные площадки. Это чистая арифметика над готовым файлом, где ошибиться сложно.
И проверка формальных требований: вес, разрешение, доля текста на слайде. Скрипт ловит несоответствие до загрузки, а не получает отказ модерации через сутки.
Оценка достоверности. Соответствует ли обработанный кадр реальному товару — вопрос, на который отвечает человек, знающий товар. Автоматика здесь может только пометить подозрительное.
Решения о содержании: какой кадр главный, что вынести на слайды, какое возражение закрывать. Это то, ради чего карточка делается, и оно остаётся ручным.
Сложные товары. Прозрачное, блестящее, ворсистое, с мелкой фурнитурой — то, на чём автоматическая обтравка ошибается систематически. Их разумно выделять в отдельный поток с ручной обработкой.
И исключения. В любом каталоге есть позиции, которые не укладываются в общее правило, и попытка загнать их в конвейер обходится дороже, чем обработать отдельно.
Не автоматизируется и работа с новинками. Первая партия нового типа товара всегда проходит вручную: только по ней становится понятно, какие правила закладывать в конвейер.
И работа с претензиями: когда карточку вернули, разбираться приходится вручную, потому что причина каждый раз своя.
После обработки первой пачки, а не после всей партии. Ошибка настройки на десяти файлах правится за минуты, на тысяче — означает переделку всей партии.
На выборке из каждой партии по фиксированному правилу: скажем, каждый десятый артикул плюс все сложные позиции. Сплошная проверка съедает выигрыш от автоматизации, отсутствие проверки — доверие к результату.
Перед выгрузкой на площадку — проверка комплектности: у всех ли артикулов есть полный набор кадров. Это чисто механическая сверка, и она ловит потери файлов, которые иначе обнаружатся уже в карточке.
И после публикации — контроль по обратной связи: возвраты и отзывы о несоответствии показывают системные ошибки обработки быстрее любой внутренней проверки.
Полезно фиксировать и причины брака в отдельном списке. Через пару партий он показывает, какие настройки менять, вместо того чтобы каждый раз править последствия.
Потому что цена ошибки несимметрична. Сэкономленные на проверке минуты стоят копейки, а карточка с неверным кадром стоит возвратов, отзывов и позиции в выдаче.
Потому что ошибки конвейера системны. Человек ошибается в одном файле, скрипт — во всех сразу и одинаково. Именно поэтому контрольные точки ставятся рано, а не в конце.
Потому что товары меняются. Новая партия, новый поставщик, новый материал — и настройки, работавшие полгода, дают брак. Конвейер требует регулярной перенастройки, а не однократной.
Разумная цель — не убрать человека, а перевести его с механической работы на контроль. Тогда тот же сотрудник ведёт не сто карточек в месяц, а тысячу.
Есть и организационная причина: конвейер требует владельца. Скрипты, которые никто не поддерживает, ломаются на первом же изменении формата и тихо начинают выдавать брак.
С измерения. Сколько времени сейчас уходит на каждый шаг — без этого невозможно понять, что автоматизировать первым, и легко потратить месяц на ускорение шага, занимающего пять процентов времени.
С самого массового и однотипного шага. Обычно это обтравка и приведение к формату: они повторяются на каждом артикуле и правил в них минимум.
С одной категории, а не со всего каталога. Отладить конвейер на однородной группе проще, а полученные настройки потом переносятся на остальные с поправками.
И с фиксации правил на бумаге до автоматизации. Процесс, который не описан словами, не автоматизируется — попытка обычно и вскрывает, что единого процесса не было вовсе.
И не покупать решение до того, как процесс описан. Инструмент, встроенный в неотлаженный процесс, ускоряет производство брака, а не работы.
Полезно начать и с самого простого инструмента, который решает задачу. Скрипт на десять строк, работающий год, полезнее платформы, которую внедряют полгода.
Мы используем файлы cookie, Яндекс Метрику и чат поддержки Jivo, чтобы сайт работал корректно и мы понимали, какие страницы полезны. Нажмите «Только необходимые» — и аналитика с чатом на вашем устройстве отключатся. Подробнее — в политике использования cookie и политике обработки персональных данных.