Как AI-модерация разогнала публикацию объявлений в агромаркетплейсе до 5 минут
Запустили AI-систему, которая сама проверяет карточки товаров, дополняет их параметрами и решает, что можно публиковать сразу, а что отправить на доработку. В итоге время модерации сократилось до считанных минут, а доля ошибок и возвратов заметно упала.
О проекте
«Зернодар» — онлайн-агромаркетплейс для купли-продажи сельхозкультур, где фермеры и закупщики находят друг друга и заключают «честные сделки» в одном цифровом окне
Возможности
-
Автоматическая проверка карточек и заявок
ИИ-платформа проверяет заполненность всех обязательных полей в карточках, формах и заявках — от товаров и объявлений до лид-форм и анкет. Это снижает объём ручной первичной проверки в любых бизнесах, где много однотипных данных.
-
Контроль корректности данных в любом каталоге
Система следит за единицами измерения, форматами и соответствием значений справочникам и лимитам
-
Фильтрация спама и нарушений для любых UGC-площадок
ИИ автоматически отсекает дубли, спам и запрещённую лексику.
-
Автоматическая проверка на соответствие правилам сервиса
Каждое объявление, заявка или форма сравнивается с внутренними политиками компании и регуляторными требованиями.
-
Умное решение «принять / отправить на доработку»
ИИ-агент самостоятельно решает, можно ли одобрить объявление, заявку, карточку или договор, либо требуется доработка, и формирует понятные причины.
Цель
Сделать модерацию быстрым и незаметным для продавцов процессом: сократить время проверки и публикации объявлений при одновременном снижении количества ошибок и возвратов на доработку.
Задачи
- Ускорить модерацию без наращивания штата.
- Повысить долю полно и корректно заполненных карточек.
- Снизить долю ошибок в характеристиках и возвратов на доработку.
- Обеспечить прозрачность процесса для продавцов за счёт понятных причин отклонения.
Этапы проекта
#1 Формирование бизнес-требований и логики модерации
-
Проект начался с детального анализа текущего процесса модерации объявлений на агромаркетплейсе. Команда совместно с бизнесом разобрала, на каких этапах теряется время, какие ошибки продавцы допускают чаще всего и по каким причинам карточки возвращаются на доработку.
-
На основе этого были зафиксированы требования к заполненности карточек, правила площадки, критерии автоматического одобрения и отклонения, а также целевые показатели скорости публикации и качества данных.
#2 Разработка функциональных возможностей AI-платформы
-
Параллельно мы провели исследование российских и зарубежных маркетплейсов, проанализировали их сильные и слабые стороны и сформировали первичный пул функциональных возможностей продукта.
-
Серия кастдев-интервью с реальными покупателями и продавцами помогла определить, какие функции критичны для пользователей уже на старте, а какие можно отложить или исключить из бэклога. В результате, например, было принято решение отказаться от постмодерации объявлений с помощью ИИ и сфокусироваться на автоматической проверке до публикации.
-
Чтобы не увеличивать маркетинговые затраты на одновременное привлечение продавцов и покупателей, команда приняла стратегическое решение сначала сфокусироваться на стороне спроса. Для этого был разработан парсер, который собирал объявления с уже существующих площадок.
-
Поскольку такие объявления часто содержат неструктурированную и неполную информацию, мы правили и дополняли их с помощью платформы OSMI AI. Система автоматически:
• извлекает характеристики товаров,
• структурирует данные в удобный формат,
• отфильтровывает спам и объявления с недостаточным количеством параметров,
• автоматически загружает качественные карточки на платформу. -
В результате была сформирована база проверенных объявлений с большим числом характеристик, что позволило пользователям эффективно фильтровать предложения и быстро находить нужные товары.
#3 Интеграция с действующим порталом маркетплейса
-
ИИ-модерация была интегрирована в существующий портал «Зернодара» без изменения привычного интерфейса для продавцов. Карточки товаров автоматически передаются в систему на проверку, после чего результаты модерации и причины доработки возвращаются в интерфейс маркетплейса. Одобренные объявления публикуются практически мгновенно, без ожидания ручной проверки со стороны модераторов.
#4 Контроль качества, обработка ошибок и тестирование
-
Перед вводом в эксплуатацию команда провела функциональное и нагрузочное тестирование системы. Были проработаны пограничные сценарии, снижено количество ложных отклонений и настроена обработка нестандартных данных. Это позволило добиться высокой точности модерации и сократить количество возвратов на доработку без потери качества контента на площадке.
#5 Запуск и ввод в промышленную эксплуатацию
-
После завершения тестирования проект был запущен в промышленную эксплуатацию и начал работать в режиме реального времени.
-
Процесс построен как сквозной пользовательский сценарий: продавец заполняет карточку товара в привычном интерфейсе маркетплейса, после чего объявление автоматически поступает на ИИ-модерацию.
-
Система проверяет заполненность обязательных параметров, корректность значений, отсутствие дублей, спама и запрещённой лексики, а также соответствие правилам площадки. Если часть характеристик указана только в текстовом описании, ИИ извлекает эти данные и дополняет ими свойства товара.
-
По результатам проверки система самостоятельно принимает решение — подтверждает публикацию либо отправляет карточку на доработку с конкретными и понятными причинами. В случае одобрения объявление публикуется на площадке практически мгновенно, без ожидания ручной проверки со стороны модераторов.
Stack
| Слой / Компонент | Инструменты и сервисы |
|---|---|
| Frontend / Web‑UI |
«1С‑Битрикс»
|
| Бизнес‑слой внутри CMS |
Php
|
| Backend |
Python
|
| Слой оркестрации AI / LLM‑цепочек |
LangChain
Платформа OSMI AI
|
Результаты и аналитика
| МЕТРИКИ | БЫЛО | СТАЛО |
|---|---|---|
| Среднее время модерации | 5–10 мин | <1–2 мин |
| Доля неполных карточек | 15% | <5% |
| Скорость публикации | 1 час | <5 мин |
| Доля ошибок в характеристиках | 10–15% | <2% |
| Количество возвратов на доработку | 15% | <4% |
Со стороны OSMI IT проект вели
МШ
Михаил Шрайбман
CEO OSMI IT
ДН
Денис Нагаев
CTO OSMI IT
АШ
Артём Ш.
Менеджер проекта
КС
Калзира С.
UX-исследователь, дизайнер
МН
Максим Н.
LLM-инженер
СС
Сергей С.
QA-инженер
ПГ
Пётр Г.
Python-разработчик
Нужен похожий проект?
Оставьте контакты — мы быстро оценим задачу, подготовим план и расскажем, как достичь ваших целей.