Бренд сантехники — LLM-система анализа ценовой конкуренции и поиска аналогов

Бизнес-задача — автоматизировать ценовой анализ и поиск аналогов конкурентов для бренда сантехники. Базовая боль: в компании 8 продуктовых направлений, в каждом продакт-менеджер тратит ~неделю в месяц на ручной сбор и сопоставление товаров конкурентов.

Технические сложности:

1. Слабая структурированность данных у конкурентов — карточки разной полноты, описания в разных стилях, набор характеристик не совпадает между брендами.

2. Малое количество количественных параметров для прямого сопоставления — основная информация о сходстве лежит в визуальных признаках (форма излива, форма ручки, цвет, фактура).

3. «Ультимативные» свойства — некоторые признаки должны полностью совпадать у аналогов (цвет, тип монтажа), иначе товар сравнивается с неправильной целевой аудиторией.

4. Требование масштабируемости — на старте проекта работали только со смесителями, но решение должно покрывать любые категории каталога без доработки кода.

5. Требование объяснимости — продакт-менеджер должен понимать, почему система признала два товара аналогами.

Спроектировали гибкую трёхэтапную LLM-систему с админ-панелью, через которую продакт-менеджер настраивает поведение системы под любую категорию каталога.

Слой данных. Парсеры товаров клиента и конкурентов собирают описания, изображения и чертежи в единый каталог. Источники добавляются конфигурационно.

Этап 1 — категоризация. В админ-панели на Filament настраиваются категории изделий (внутренняя разбивка клиента) и промпты для каждой. LLM (GPT-4.1) анализирует документацию, изображения и чертежи и определяет категорию. По итогам ручной отладки промптов достигнута 100% точность — товаров, попавших не в свою категорию, нет.

Этап 2 — определение свойств. Для каждой категории в админ-панели назначается произвольное количество свойств: название, возможные значения, промпт для определения, при необходимости — визуальные примеры. LLM по описанию и фото товара заполняет матрицу свойств. Опция с визуальными примерами заложена, но в большинстве случаев хватает базовых возможностей модели.

Этап 3 — сопоставление товаров. Для каждой категории настраиваются веса свойств и ультимативность. Ультимативные свойства должны полностью совпадать у аналогов (например, цвет) — без этого условие совпадения не выполняется, даже если все остальные свойства идентичны. Остальные свойства влияют на итоговую оценку сходства по весам.

Слой аналитики. Результаты сопоставлений и ценовые сравнения визуализируются в Metabase — для оперативной работы продакт-менеджеров и для управленческой отчётности.

Решение спроектировано так, чтобы ядро было переиспользуемым: ту же инфраструктуру обсуждается применять для распознавания изделия и артикула по фото в заявках на гарантийный ремонт.

Результаты сотрудничества:

- Категоризация работает без ошибок: товаров, попавших не в свою категорию, нет

- Полное совпадение с экспертом-человеком в определении свойств и поиске аналогов

- Высвобождено ~неделя работы продакт-менеджера в месяц по каждому из 8 направлений

- Архитектура переиспользуется на остальные товарные направления без доработки кода

- Обсуждается переиспользование ядра системы под смежные задачи — например, распознавание изделия и артикула по фото в заявках на гарантийный ремонт