Empathy · Консультация · Июнь 2026

Контент-завод
для Empathy —
разбираем вопросы

32 вопроса команды по AI-производству контента для WB. Ответы — на данных и реальных кейсах, без хайпа.

5блоков разбора
32вопроса разобрано
30дней до первых данных
QCглавное узкое место после AI
1
WB-карточки — это контент-завод или нет?
Про определение, границы и признаки настоящего завода
Ключевой вывод

Да, это контент-завод — но другого типа. Классический завод = охват (Reels, UGC). WB-завод = конверсия (карточки, инфографика). Разная цель, одна архитектура.

Да, это отдельный и полноценный вид. В маркетинге существует два типа контента:

Тип 1 · Охват

Reels, UGC, соцсети

Цель — привлечь новую аудиторию. Метрика — просмотры, подписчики.

Тип 2 · Конверсия

Карточки WB, инфографика

Цель — превратить просмотр в корзину. Метрика — CTR, конверсия в заказ.

Для Empathy с маржой 19% и GAP −4,5М — тип 2 критически важнее типа 1 на старте.

Верифицированный кейс с цифрами — один:

Кейс · vc.ru · публичный (без имени компании)

AI-анализ отзывов → переработка карточек

AI проанализировал 5 000 отзывов конкурентов → переписали описания и инфографику на реальных болях покупателей → +45% органический рост, ×2 конверсия в корзину.

Большинство селлеров не публикуют данные — боятся копирования. Поэтому публичных кейсов мало, но это не значит, что результатов нет.

Первый пилот Empathy создаст ваш собственный кейс — это ценнее, чем чужие данные.

Три обязательных компонента:

  • Шаблонная система — фиксированные макеты под SKU-типы, не каждый раз с нуля
  • Промпт-банк — задокументированные промпты под каждый тип задачи, не в голове дизайнера
  • QC-чеклист — стандарт приёмки, независимый от исполнителя

Если хоть одного нет — это AI-инструмент в работе дизайнера, не завод.

УровеньПризнакМасштаб
Помощник Инструмент для одной карточки вручную, каждый раз заново 1 SKU = 1× времени
Пайплайн Шаблон + промпт-банк + повторяемый процесс по SKU 10 SKU = 3× времени
Завод Пайплайн масштабируется без линейного роста трудозатрат 100 SKU = 10ч (не 100ч)
  • Промпт-банк задокументирован, лежит в общем доступе, не в голове одного человека
  • Новый сотрудник может запустить процесс по инструкции без помощи
  • Есть QC-чеклист с конкретными критериями приёмки
  • Стоимость производства одной единицы контента снижается при росте объёма
  • Есть метрика результата (конверсия карточки), а не только метрика процесса (сколько карточек сделали)
2
Экономика и время
Что реально автоматизируется, где узкое место, какой KPI считать
Ключевой вывод

Узкое место переедет из генерации в QC — это инвариант. Ускорение будет, но тайминги нужно замерять в собственном пилоте, не брать из чужих кейсов.

✓ Фон: убирается автоматически ✓ Типовые сцены по референсу ✓ Макеты инфографики по шаблону ✓ Анализ отзывов конкурентов ✓ Тексты описаний и тезисы ~ Подбор поз (помощь, не замена) ✗ Финальная сборка инфографики ✗ QC на анатомию и посадку

Согласно разбору Habr 2026 — ни один работающий контент-завод не работает без человека. Полная автономия = маркетинговый миф.

  • QC на анатомию, посадку и реалистичность (репутационный риск)
  • Первичный выбор позы под конкретный SKU (коммерческое решение)
  • Финальная доводка инфографики в Figma
  • Решение о публикации (последний взгляд человека)
Кейс из смежной категории (не белье): 40 мин → 5 мин на единицу контента, но все редакции вносят правки перед публикацией. Для белья таких публичных данных нет — будем мерить в пилоте.

Публичных данных именно по белью на WB — нет. Не брать чужие цифры.

Что говорят верифицированные кейсы в смежных категориях: сокращение в 5–8× по времени генерации, но с учётом QC и доработки итоговое ускорение — в 2–3×.

Правильный вопрос не «сколько часов», а «какова стоимость одной карточки в ₽». Пилот на топ-5 SKU даст ваши данные за 30 дней.

До внедрения AI: генерация и поиск референсов — это основная потеря времени.

После внедрения AI: узкое место перемещается в QC. Генерация ускорилась, но контроль качества требует того же человека с экспертизой.

До AI → узкое место

Генерация + референсы

Дизайнер тратит 60–70% времени на производство контента.

После AI → узкое место

QC и финальная доводка

Генерация быстрая, но каждая карточка требует проверки человека.

KPIЧто считатьКогда
Cost per карточка (₽)Главная метрика. Стоимость производства одной карточкиС первого дня
Speed to publish (дни)От съёмки товара до публикации на WBС первого дня
CTR карточкиКлики / показы в поиске WBЧерез 2–4 недели
Конверсия в корзинуДобавления в корзину / переходы на карточкуЧерез 4–8 недель
Переоценивают

«AI придумает дизайн»

AI воспроизводит референсы — не генерирует концепции. Без грамотного ТЗ и референсов — мусор.

Недооценивают

Промпт-банк как IP

Хорошо задокументированный банк промптов — реальный актив компании, который сложно скопировать конкурентам.

Также переоценивают

Кейс: 2,1 млн охватов — 0 конверсий

AI-видео для маркетплейса набрало 2,1 млн охватов, но не дало ни одной продажи. «Нейрослоп» не продаёт. Технология работает — монетизация требует стратегии.

3
Белье как сложная категория
Специфика, ограничения инструментов, что нельзя отдавать AI
Ключевой вывод

Белье подходит для AI-производства — но с оговорками. Основные стандартные инструменты блокируют категорию. Нужны специализированные решения или кастомизация.

Подходит — с существенными ограничениями. «Полное» AI-производство без человека невозможно ни в одной категории сегодня, белье это особенно подтверждает.

Что реально работает уже сейчас:

  • Генерация фона и окружения (без модели)
  • Инфографика с текстами, характеристиками, размерной сеткой
  • Анализ отзывов и переработка текстов карточек
  • SEO-оптимизация описаний
ИнструментСтатусКомментарий
Stable Diffusion + LoRA Работает Нет цензуры, можно обучить на своих моделях. Требует тех. экспертизы.
Uwear.ai Осторожно Позиционирует себя под белье, но верифицированных WB-кейсов с цифрами нет.
Midjourney Блокирует Стандартные фильтры блокируют нижнее белье. Факт.
DALL-E / Firefly Блокирует То же самое. Стандартные модели не подходят.
  • Цензура инструментов — большинство популярных AI блокирует категорию
  • Анатомия в нестандартных позах — AI ломает тело (лишние пальцы, неправильная посадка)
  • Прозрачность и кружево — сложные текстуры требуют ручной доработки
  • Реалистичная посадка — критична для конверсии, AI не воспроизводит точно
  • Репутационный риск — ошибка в анатомии на карточке белья = негативные отзывы
  • Риск модерации WB — явные AI-артефакты (размытые края, деформации) могут триггерить ручную проверку карточки или снижение в выдаче. WB это не объявляет публично, но паттерн фиксируется продавцами
Никогда — репутация

Финальный QC на анатомию

Один артефакт (лишний палец, странная грудь) в карточке белья = негативные отзывы и падение конверсии.

Никогда — коммерция

Выбор позы под SKU

Какая поза лучше продаёт конкретную модель бюстгальтера — это коммерческое решение, не техническое.

4
Оргмодель и команда
Кто оператор, как распределить роли, нужен ли отдельный специалист
Ключевой вывод

Ни «ассистент всё сам», ни «full-time AI-специалист в штате». Оптимально: ассистент = владелец процесса + фрилансер-дизайнер по задачам.

В практике работающих команд выделяются две роли:

Роль 1

Владелец процесса

Ставит ТЗ, определяет приоритеты, принимает работу, координирует с маркетингом. Маркетолог или бизнес-ассистент.

Роль 2

Исполнитель генерации

Работает с промптами, генерирует, доводит до стандарта. Может быть фрилансером по задачам.

На старте одну из ролей можно совместить — но не обе сразу без опыта.

Частично — да. Полностью — нет.

  • Управление процессом, ТЗ, приоритеты — да, после обучения
  • Работа с промптами и текстами — да, обучаемо за 2–4 недели
  • QC и координация с площадкой — да
  • Финальная инфографика в Figma (без дизайн-опыта) — нет
  • Сложные позы с нестандартной анатомией — нет
Промптам научить можно, визуальному мышлению — нельзя быстро. Для нестандартных SKU нужен дизайнер.
Рекомендуется · Вариант А

Ассистент + фрилансер по задачам

Ассистент = владелец процесса. Фрилансер-дизайнер = для нестандартных SKU и финальной доводки. Не в штате.

Риск · Вариант Б

Ассистент всё сам

Работает только если ассистент имеет дизайн-бэкграунд. Иначе — потолок качества, быстрое выгорание.

Критически опасно — это главный риск всех контент-заводов.

Если пайплайн живёт в голове одного человека — при его уходе всё умирает.

  • Промпт-банк должен быть отдельным задокументированным артефактом
  • QC-чеклист — в документе, не в памяти
  • Процесс онбординга — пошаговая инструкция, по которой новый человек воспроизводит результат
Промпт-банк должен жить как отдельный документ, не в чьей-то голове. Это первое что нужно сделать после запуска пилота.

До AI и после — разные ответы:

ЭтапДо AIПосле AI
Поиск референсовМногоМеньше
ГенерацияМногоМало
ИнфографикаМногоСредне
QC и доработкаМалоСтановится главным
Постановка ТЗМалоРастёт
5
С чего начать — план на 90 дней
Последовательность запуска, пилот, метрики, приоритеты
Ключевой вывод

Начинать с инфографики топ-SKU, не с Reels. Самый короткий цикл обратной связи — 4 недели. Reels — только после того как карточки дали данные.

30д
Пилот
Инфографика для топ-5 SKU + анализ отзывов конкурентов
Меняем одну переменную (визуал карточки). Пишем тезисы на основе 1 000+ отзывов конкурентов. Через 4 недели — первые данные по конверсии.
60д
Масштаб
Пайплайн на все обновления SKU + документация
Промпт-банк задокументирован, ассистент обучен, QC-чеклист готов. Новый SKU проходит по процессу без помощи.
90д
Расширение
Reels / внешний трафик — только при наличии данных
Запускается только если карточки показали рост конверсии. Без этого условия — не стартовать.
Приоритет 1 · Сейчас

Инфографика WB

Прямой сигнал через 4–6 недель. Меняем конверсию существующего трафика без увеличения бюджета.

Не сейчас · Потом

Reels / внешний трафик

Длиннее цикл ОС, дороже производство, сложнее измерить вклад AI. Только после данных по карточкам.

  • Cost per карточка (₽) — снизилась vs до-AI
  • CTR в поиске WB — карточки с AI-визуалом vs старые
  • Конверсия в корзину — главная проверка через 4–8 недель
  • Время от съёмки до публикации — скорость вывода новинок
Измеряйте только одну переменную за раз (только инфографика). Иначе невозможно понять, что именно дало результат.
Не автоматизировать первым

Reels и AI-видео

Длинный цикл ОС, высокая стоимость, непредсказуемый результат. Кейс: 2,1М охватов = 0 продаж.

Быстрый ROI

Инфографика карточек WB

4–6 недель до первых данных. Прямая связь с конверсией. Не требует нового трафика.

Карточки WB — однозначно первый приоритет при ограниченном бюджете.

  • Монетизирует существующий трафик без дополнительных затрат
  • Короткий цикл проверки гипотезы (4 недели)
  • Прямая связь с выручкой измеряема
  • Создаёт внутреннюю экспертизу для следующего шага

Внешний трафик — только после того как конверсия карточек подтверждена. Гнать трафик на слабую карточку = сжигать бюджет.

→
Когда получите ответы на практике
Привязка к роадмапу AI-эволюции команды · 11 недель · реалистично, без натяжки
M0 · Недели 1–2 · СЕЙЧАС
AI Audit Sprint
/team-assess Станет ясно кто из команды реально будет оператором процесса (Q18)
матрица Голосование по влияние × лёгкость × вера — ответ на «что запускать первым» (Q35)
baseline Замер текущего времени на карточку — отправная точка для расчёта ускорения (Q8)
M1 · Недели 3–5
Систематизация + Процесс #1
/atomize Декомпозиция процесса карточки на атомы — станет ясно что именно автоматизируется (Q3, Q6)
/n8n Первый рабочий workflow — станет понятно реально ли ассистенту вести процесс самостоятельно (Q21–22)
Mini-Demo Неделя 5: первые данные дельта vs baseline — реальный ответ на вопрос о таймингах (Q8, Q10)
M2 · Недели 6–8
Сложные потоки + Аналитика
/candidate-research AI анализирует отзывы конкурентов на WB → тезисы для инфографики. Это тот самый кейс +45% (Q6)
/harness Долгие задачи без надзора: пакетная обработка SKU, AI без человека в петле. Ответ на вопрос что остаётся ручным (Q7)
/eval LLM-as-Judge для оценки качества карточек — системный QC вместо ручного (Q10)
M3 · Недели 9–11
Агентский слой + Demo Day
/autoresearch AI сам исследует рынок инструментов: Stable Diffusion, LoRA, аналоги — без ручного поиска (Q14)
/multi-agent Несколько AI-агентов параллельно: генерация + QC + аналитика — ответ кто что делает в зрелой модели (Q19, Q32)
Demo Day Неделя 11: реальные данные за 11 недель — финальный ответ на Главный вопрос
Что не покрывает роадмап: выбор конкретных инструментов для белья (Stable Diffusion vs Uwear.ai) — это тест в пилоте, не обучение. Роадмап даёт навык строить пайплайн, инструмент Empathy подбирает под свою специфику самостоятельно.
Главный вопрос · Синтез

Инструмент или отдельная
функция в штате?
Ни то, ни другое.

«Просто инструмент» — недооценка. Потребует больше времени и внимания, чем кажется. «Отдельная штатная функция» — переоценка для старта.

Правильный фрейм: Empathy строит внутренний навык и процесс со владельцем, а не покупает инструмент и не нанимает специалиста. Владелец процесса должен стать экспертом процесса, а не оператором кнопок.

WB-визуал — полноценный контент-завод
или AI-пайплайн внутри маркетинга?

Правильнее называть это AI-пайплайном внутри e-commerce — до тех пор, пока он не масштабируется без линейного роста трудозатрат. После — полноценный завод.

Для Empathy на горизонте Q2–Q3: цель — дойти до уровня пайплайна. Завод — это Q4 и дальше, при условии подтверждённой конверсии.

Источники: Habr «Контент-завод 2026», Habr «n8n-завод: работает, не зарабатывает», vc.ru (кейс +45% органика × 2 конверсия), Pixel Moda, Uwear.ai, Слава Рюмин / RuminLab. Данные по белью на WB с конкретными таймингами не верифицированы публично — не используем.

Справочно — что говорить / не говорить
✓ Говорить можно — верифицировано ✗ Не говорить — данных нет
Узкое место после AI = QC, не генерацияКонкретные тайминги «6ч → 2ч» по белью
Midjourney / DALL-E блокируют белье — фактROI-цифры по белью на WB
Кейс +45% органика через анализ отзывовUwear.ai как доказанный инструмент
Промпт-банк = IP компании«AI сам придумает дизайн»
Инфографика WB — первый приоритетЛюбые тайминги из чужих кейсов для белья