Почему упали продажи: как проверить объяснение ИИ по данным
Мы в СибБро предлагаем проверять объяснение падения продаж по исходным данным и воспроизводимым расчётам. За убедительным ответом про сезонность, ассортимент и рекламу могут стоять несопоставимые недели, неполная выгрузка или догадка. Разберём, как понять, какие данные подтверждают вывод и что ещё предстоит проверить.
Мы рекомендуем разделять поиск изменений, вклад отдельных сегментов, тренды, сезонность и оценку эффекта событий. В качестве технического примера рассмотрим функции расширенной аналитики BigQuery: они выполняют расчёты рядом с данными и возвращают структурированные результаты для разговорного агента. Для своего процесса нам важно связать понятный ответ с вычислениями, которые можно повторить и проверить.
Предлагаемый ниже пилот подходит для регулярного разбора продаж по магазинам, товарам и каналам. Начать можно с одной согласованной метрики и ограниченного набора данных. Первое полезное действие помощника — собрать проверяемую справку для руководителя, после которой понятно, какой вопрос задать аналитику, коммерческому отделу или ответственному за учёт.
Сначала договоритесь, что именно снизилось
Слово «продажи» может означать сумму заказов, оплату, отгрузку или выручку после возвратов. До подключения ИИ зафиксируйте определение показателя, источник, валюту, часовой пояс и правила учёта отмен. Один и тот же заказ не должен попадать в итог несколько раз из-за соединения строк заказа с платежами или отгрузками.
Сравнивайте сопоставимые периоды. Неполную текущую неделю нельзя без оговорки сопоставлять с полной прошлой. Учитывайте число рабочих дней, праздники, открытие новых магазинов и изменение состава каналов. Если данные за последний день ещё загружаются, помощник должен назвать этот предел и отложить окончательное объяснение.
В карточке расчёта сохраните границы периода, фильтры, момент обновления и ссылку на исходный отчёт. Сотрудник с соответствующими правами должен получить тот же итог при повторной проверке. Несовпадение цифр с утверждённым отчётом означает, что сначала нужно выяснить различия в учёте, а уже затем интерпретировать изменение.
Найдите, где возникло изменение
Попросите помощника разложить разницу по отдельным измерениям: магазинам, товарным группам, каналам. Для каждого сегмента нужны значения в обоих периодах и абсолютное изменение. Относительное падение полезно, но маленький сегмент с резким скачком не обязательно объясняет заметную часть общей разницы.
Для непересекающихся групп одной метрики сумма изменений должна сходиться с общим итогом. Это простая проверка полноты разложения. При этом нельзя складывать вклад магазина с вкладом товара: одна продажа одновременно относится и к магазину, и к товару. Такие разрезы отвечают на разные вопросы и могут пересекаться.
Отдельно проверьте исчезнувшие и новые позиции. Если товар сменил код, магазин переименован или канал начали учитывать иначе, система может принять изменение справочника за изменение спроса. В разборе СибБро о связях клиента, заказа и услуги показано, почему устойчивые идентификаторы важнее похожих названий. Для аналитики продаж этот принцип тоже помогает сохранить правильные связи.
Отделите найденный вклад от объяснения причины
Если основная часть снижения приходится на определённый магазин, это показывает место изменения. Причина остаётся открытой: закончился товар, сократилось время работы, изменился поток покупателей или перестали поступать данные. Помощник должен обозначить гипотезы отдельно от рассчитанных фактов.
К каждой гипотезе добавьте способ проверки. Для нехватки товара потребуются остатки и периоды отсутствия на полке. Для смены графика — часы работы. Для неполной загрузки — журнал обмена и сверка с учётной системой. Формулировка «вероятно, виновата реклама» без таких оснований не должна превращаться в поручение сократить бюджет.
Оценка эффекта акции требует отдельного дизайна анализа. Сравнение «до и после» может смешать действие акции с сезонностью или другими изменениями. Даже построенная моделью ожидаемая траектория зависит от качества данных и допущений. Аналитик должен проверить эти допущения и объяснить неопределённость; наличие функции с названием «причинный эффект» само по себе не делает вывод доказанным.
Сделайте ответ коротким, а доказательства доступными
Удобная справка начинается с величины изменения и периода сравнения. Затем идут сегменты с наибольшим вкладом, подтверждённые факты, открытые гипотезы и следующий проверочный шаг. Если данных недостаточно, это должно быть видно в основном ответе, а не спрятано в конце длинного объяснения.
Расчёты поручайте проверяемым запросам или аналитическим функциям, а ИИ — постановке уточняющих вопросов и понятному изложению результата. Сохраняйте использованный запрос, параметры и версию расчёта. Доступ к строкам и отчётам должен соответствовать роли сотрудника; итоговая справка не должна раскрывать ему недоступные сведения.
Для приёмки подготовьте несколько учебных ситуаций: задержанную выгрузку, возврат крупного заказа, переименование позиции и реальное снижение в одном магазине. Ожидаемый результат запишите заранее. Проверяйте точность итогов, воспроизводимость фильтров, различение факта и гипотезы, а также корректный отказ от объяснения при неполных данных.
Расширять пилот можно после того, как руководитель получает одинаковые цифры в справке и исходном отчёте, а каждое объяснение ведёт к конкретному подтверждению или проверке. Тогда разговор с ИИ становится удобным входом в анализ, сохраняя ответственность за расчёты и решения у команды.
Видео: пример ИИ-анализа данных продаж
В демонстрации Rubius показан ИИ-анализ данных продаж. Используйте её как пример взаимодействия с аналитическим помощником: при просмотре полезно обращать внимание на выбранные показатели, фильтры и основания ответа. Проверки сопоставимости периодов и причин изменений для своего процесса нужно определить отдельно.
