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.

E-commerce AI-модерация Автоматизация Маркетплейс

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

  1. Ускорить модерацию без наращивания штата.
  2. Повысить долю полно и корректно заполненных карточек.
  3. Снизить долю ошибок в характеристиках и возвратов на доработку.
  4. 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.

Предыдущий кейс

Разработка корпоративного сайта

Следующий кейс

Чат-бот для подбора и поиска товаров на базе ИИ

Все сайты (и мы не исключение) используют cookies, поэтому просто нажмите на кнопку.