Анализ отзывов на маркетплейсах

Четыре уровня аналитики

Разбор устроен по возрастанию глубины: от общей картины по магазинам до отчёта по одному артикулу, собранного ИИ на основе всей истории обращений.

Сводка активности

Верхний уровень отвечает на вопрос, что вообще происходит с клиентским потоком прямо сейчас и справляется ли команда.

Инбокс по магазинам

Сколько необработанных обращений висит по каждому подключённому магазину на всех трёх площадках. Видно, где очередь копится, а не растворяется в общем счётчике.

Почасовой профиль нагрузки

В какие часы суток приходит основная масса отзывов и вопросов. По этому графику видно, совпадает ли расписание людей с реальным потоком.

Среднее время ожидания покупателя

Сколько в среднем проходит от появления обращения до ответа. Метрика, которая напрямую связана с тем, как выглядит карточка для следующего покупателя.

Выручка и возвраты рядом

Оба показателя показаны вместе, потому что смотреть на них по отдельности бессмысленно: рост продаж с растущей долей возвратов означает другое, чем рост без него.

Отчёты по товарам

Второй уровень переводит разговор с магазинов на конкретные артикулы. Именно здесь видно, какой товар генерирует нагрузку и почему.

Топ SKU по клиентскому сигналу

Артикулы, вокруг которых больше всего обращений любого рода. Это не то же самое, что топ по низким оценкам: товар может собирать много вопросов при хорошем рейтинге, и это тоже сигнал.

Топ по возвратам с разбивкой на этапы

Возврат на доставке, в ПВЗ и после выкупа означают разные причины. Отказ при вручении обычно говорит о несовпадении ожиданий с карточкой, возврат после выкупа чаще о самом товаре.

Топ по вопросам и отзывам с классами

Рядом с артикулом видно, к каким классам относятся обращения: проблема с товаром, несоответствие ожиданиям, проблема при доставке. Классов семь, подклассов 36, поэтому картина конкретная, а не «много негатива».

ИИ-отчёт по одному SKU

Третий уровень запускается по кнопке для выбранного артикула. Берутся продажи, возвраты, чаты, вопросы и отзывы, отбираются до 1000 последних вопросов и отзывов, результат приходит готовым PDF. Стоит 100 токенов.

Кто покупает и для кого

Портрет покупателя, восстановленный из текста обращений: для себя, в подарок, для ребёнка, для работы. Это меняет то, как должна быть написана карточка.

Сценарии использования

Как товаром реально пользуются, включая сценарии, которых продавец не закладывал. Часто отсюда берутся идеи для описания и для новых позиций.

Отделение системного брака от единичного

Главная часть отчёта. Разница между «одна партия пришла с дефектом» и «конструкция ломается у всех» определяет, что делать: менять поставщика, править описание или ничего не делать.

ТОП-10 преимуществ и ТОП-10 недостатков

Ранжированные списки того, что покупатели хвалят и на что жалуются, с опорой на частоту упоминаний, а не на впечатление от последних отзывов.

ТОП-10 вопросов

Что чаще всего спрашивают до покупки. Каждый такой вопрос это дырка в карточке: если ответ добавить в описание, вопрос перестанет приходить.

Рекомендации по правкам в карточку

Конкретные предложения с обоснованием: что дописать в описание, что поправить в характеристиках, что показать на фото. Обоснование важнее самой правки, потому что позволяет решить, соглашаться ли.

Что видно в структуре потока

Ниже структура обращений в магазинах, подключённых к UNIT, за май–август 2026 года, 125 812 отзывов. Это выборка клиентов сервиса, а не рынок целиком.

Все площадки: 125 812 отзывов в магазинах, подключённых к UNIT.

82,8 % пятёрок приходят без текста, а 91,6 % единиц наоборот с текстом. Отсюда следует, что содержательные данные о товаре сосредоточены в небольшой части потока, и именно её нужно разбирать, а не считать среднюю оценку.

Фото и видео

Медиа встречаются редко: фото в 2,5 % отзывов, видео в 1,0 %. При этом именно они чаще сопровождают претензии к внешнему виду и комплектации, поэтому такие обращения полезно смотреть отдельно.

Аналитика возвратов

Возврат это отзыв, который покупатель не написал. Причина отказа часто объясняет негатив в карточке лучше, чем сами отзывы.

Возвраты собираются по трём площадкам, но причины приходят по-разному.

Данные по 47 006 записям возвратов в магазинах, подключённых к UNIT. Видно, что отказов из-за несовпадения ожиданий на порядок больше, чем из-за брака. Это правится описанием, замерами и фотографиями, а не производством.

Почему аналитика и обработка обращений это одно

Отдельный аналитический сервис работает с выгрузкой: данные приходят с задержкой, без классов и без связи с тем, что вы ответили. Здесь аналитика строится на том же потоке, который обрабатывается.

• Каждое обращение уже размечено подклассом на этапе обработки, поэтому разрезы доступны сразу и без ручной разметки.
• Отзывы, вопросы, чаты и возвраты по одному артикулу лежат рядом, а не в четырёх выгрузках.
• Видно не только что написал покупатель, но и что ответили и в каком режиме.
• Настройка правил и разбор данных происходят в одном интерфейсе, поэтому вывод сразу превращается в изменение правила.

Как устроена сама обработка, написано на странице ответов на отзывы, а выбор режимов разобран в автоматизации.

Аналитика по площадкам

Данные всех подключённых магазинов сводятся вместе, но у каждой площадки свой профиль обращений и свои особенности разбора.

Сколько стоит аналитика

Первые два уровня входят в любой тариф и не расходуют токены: сводка активности и отчёты по товарам доступны сразу после подключения магазина.

Тарифы: Стартовый 3 000 ₽ за 500 токенов, Расширенный 10 000 ₽ за 2 000 токенов, Масштабный 16 000 ₽ за 4 000 токенов. Пробный период даёт 300 токенов, то есть три полных отчёта по SKU, если потратить их на это. Детали на странице тарифов.

Как начать