AI для финансиста
Финансы на маркетплейсах через ChatGPT: выручка, комиссии и маржа по отчётам Wildberries и Ozon без ручной склейки
Селлер может продавать на маркетплейсе десятки миллионов в месяц и не знать свою реальную маржу. Отчёты Wildberries и Ozon не похожи на бухгалтерские документы: в них валовая выручка, комиссии, логистика, последняя миля, хранение, штрафы и возвраты лежат в разных колонках и файлах, а суммы к перечислению не сходятся с банком. Ручная склейка двух площадок в один финансовый отчёт занимает 4-6 часов в месяц и всё равно даёт расхождения. ChatGPT на GPT-5.5 через Code Interpreter читает выгрузки площадок, нормализует их, считает выручку, комиссии и маржу и собирает единый P&L по Wildberries и Ozon за 15-20 минут.
Я Натали Васильева, эксперт по нейросетям и продюсер онлайн-школы «Финансовый директор | Мастер CFO» (основатель школы Софья Бурцева, 45 000 подписчиков в @findir_pro, 800+ выпускников курса AI-навыков). В этой статье разбираю общий случай: как собрать финансы маркетплейса из отчётов Wildberries и Ozon через ChatGPT. Даю пошаговый алгоритм, 10 готовых промптов, три кейса с цифрами, сравнительную таблицу инструментов и правила безопасности. Актуально на 1 сентября 2026 года, все примеры проверены на текущих версиях моделей.
Ключевые выводы
- ChatGPT Plus с Code Interpreter собирает финансы маркетплейса из отчётов Wildberries и Ozon за 15-20 минут: выручка, комиссии, логистика, маржа и единый P&L по двум площадкам без ручной склейки.
- Отчёты площадок не готовы к анализу: суммы текстом из-за разделителей, разные форматы дат, строки Итого, валовая выручка отдельно от удержаний. ChatGPT нормализует их кодом на pandas за один проход.
- Склейка Wildberries и Ozon делается по артикулу с колонкой «площадка»: единая таблица, сводный P&L, сравнение маржинальности между площадками и товарами.
- Контроль результата обязателен: сумма к перечислению из отчёта должна сходиться с фактическим поступлением на расчётный счёт, иначе код потерял строки.
- Комиссия, логистика, последняя миля, хранение и штрафы в сумме съедают от 15 до 35% выручки в зависимости от категории и схемы поставки, поэтому маржа без разбора удержаний не считается.
- Реквизиты обезличиваются до загрузки, в настройках ChatGPT отключается Improve model for everyone, для данных под NDA используется локальная модель DeepSeek V3.2.
- GPT-5.5, Claude Sonnet 4.6 и Gemini 2.5 справляются с рутиной отчётов маркетплейсов, выбор вторичен: ChatGPT удобнее с файлами и Code Interpreter, Claude лучше объясняет, Gemini живёт в Google Таблицах.
Почему отчёты Wildberries и Ozon не похожи на бухгалтерию и сколько стоит ручная склейка
Прямой ответ: маркетплейсы строят отчёты для продавца, а не для бухгалтера. Им важно показать, сколько товаров ушло и сколько денег перечислено, а не дать готовую управленческую таблицу. Поэтому в отчётах всё перемешано: валовая выручка одной строкой, удержания отдельными колонками, возвраты и корректировки внутри периода.
Когда я разбираю финансы селлеров с учениками курса AI-навыков, первая боль всегда одинаковая. Скачать отчёт с площадки просто. А вот собрать из него понятную цифру выручки, увидеть структуру комиссий и посчитать маржу по каждому товару это уже ручная работа.
Перечислю, из чего складывается эта рутина.
Выручка считается не так, как в обычном бизнесе. В отчёте Wildberries есть валовая выручка, возвраты, и отдельно сумма к перечислению, из которой уже вычтены комиссии и услуги. В отчёте Ozon похожая картина, но с другими названиями колонок и другим порядком расчёта. Чтобы сравнить две площадки, нужно привести обе к одному виду.
Удержаний много и они разные. Комиссия площадки зависит от категории товара. Логистика считается по габаритам и складу. Есть последняя миля, хранение на складе, штрафы за нарушения, платные услуги и корректировки. Каждая статья может быть колонкой, строкой или частью агрегированной суммы.
Форматы файлов ломают Excel. Суммы записаны с неразрывным пробелом как разделителем тысяч, поэтому Excel видит текст вместо числа. Даты в одном файле могут быть в двух форматах. Внутри данных встречаются строки Итого, шапки на несколько строк и пустые колонки.
Справочники не совпадают. Один и тот же товар в отчёте Wildberries может называться «Кружка керамическая 350 мл», а в Ozon «Кружка 350 мл, керамика». Склейка по названию вручную превращается в отдельный проект.
Плюс сам процесс склейки двух площадок. Нужно решить, что считать выручкой, куда относить комиссию, как учитывать возвраты и что делать с перечислениями, которые приходят с задержкой. Если это не регламентировано, каждый месяц цифры собираются по-новому, и собственник получает разные ответы на один и тот же вопрос.
Сравню ручную работу и работу через ChatGPT на одном и том же наборе: отчёты Wildberries и Ozon за месяц, 2 500 строк в каждом, 400 SKU.
| Этап | Вручную в Excel | ChatGPT с Code Interpreter |
|---|---|---|
| Нормализация сумм и дат | Функции и замена символов, 40-60 минут | Автоматически, одна строка в промпте |
| Расчёт выручки и возвратов | Сводные таблицы, перепроверка | Промпт за минуту |
| Разбор удержаний по статьям | Глазами, часть пропускается | Полная таблица с долями |
| Склейка двух площадок по артикулу | ВПР, ручной разбор несовпадений | Нечёткое сопоставление, спорные пары отдельно |
| Сверка с банком | Ручная выборка, часы | Контрольные суммы за минуты |
| Итого | 4-6 часов | 15-20 минут |
Сколько это стоит в деньгах. Если финансист на окладе 150 000 рублей в месяц тратит на отчёты маркетплейсов 5-6 часов в месяц, это 4-5 тысяч рублей только на подготовку данных. А цена ошибки выше: задвоенная выручка, не увиденная комиссия, товар, который продаётся в минус и тянет всю маржу. Один вовремя найденный убыточный артикул окупает месяцы ручной работы.
Что такое отчёт о реализации и какие файлы выгружают маркетплейсы
Отчёт о реализации это документ площадки, где по каждой продаже показаны цена, количество, удержания площадки и сумма к перечислению продавцу. Это главный источник для финансов маркетплейса, потому что именно в нём видно, сколько площадка реально удержала.
У Wildberries основные документы такие.
«Отчёт о реализации» формируется по факту продаж и возвратов за период. В нём строки по каждому товару, с валовой выручкой, комиссией площадки, логистикой, последней милей, хранением, штрафами и суммой к перечислению. «Отчёт о продажах» показывает продажи с учётом удержаний, его удобно использовать для сверки. Отдельно есть «Отчёт о поставках» для FBO, когда товар лежит на складе площадки.
У Ozon похожая структура, но свои названия.
«Отчёт о реализации» (в личном кабинете он называется «Отчёт о реализации» или «Реализация») содержит продажи, возвраты, комиссию Ozon, логистику, последнюю милю, стоимость обработки и услуги. «Отчёт о продажах по реализации» показывает поступления продавцу. «Отчёт о расходах» детализирует услуги площадки: реклама, хранение, логистика по каждому заказу.
Формат файлов у обеих площадок похож: Excel или CSV. Обе площадки отдают отчёты через личный кабинет и через API, если данные нужны автоматически каждый день. Но для ежемесячной финансовой сводки достаточно выгрузить файлы руками и скормить их ChatGPT.
Почему в 2026 году это стало просто. Флагманские модели уверенно пишут код для работы с таблицами: ChatGPT на GPT-5.5 выполняет Python через Code Interpreter, читает xlsx и csv, считает, перестраивает и отдаёт результат файлом. Никакого ручного Excel на этапе подготовки. Подробно про то, как ChatGPT работает с таблицами в целом, я разбирала в статье про вопросы к таблице.
Термины маркетплейсов, без которых не разобраться
Чтобы промпты работали, нужно говорить с нейросетью на одном языке. Соберу термины, которые встречаются в отчётах и в промптах ниже.
Валовая выручка это сумма всех продаж до вычета возвратов и удержаний. Чистая выручка это валовая минус возвраты. Сумма к перечислению это то, что площадка реально переводит селлеру после всех комиссий и услуг.
Комиссия площадки это процент с каждой продажи, зависит от категории товара. Логистика это доставка до покупателя, она считается по габаритам и весу. Последняя миля это доставка от склада площадки до пункта выдачи, отдельная услуга. Хранение это плата за место на складе площадки, актуально для схемы FBO.
FBO, FBS и RealFBS это схемы работы с площадкой. FBO это продажа со склада площадки, FBS это продажа со своего склада, RealFBS это гибрид, когда товар лежит у селлера, но продаётся как со склада площадки. Разбираю их финансовую разницу в отдельном разделе ниже.
Code Interpreter это встроенный инструмент ChatGPT Plus, который выполняет Python-код: читает файлы, считает, строит таблицы и отдаёт результат. Именно он делает работу с отчётами возможной. Подробно про Code Interpreter я писала в статье про сверку регистров.
Что умеет ChatGPT с отчётами маркетплейсов и чего не умеет
Прямой ответ: ChatGPT читает файлы отчётов, нормализует их, считает выручку, комиссии и маржу, склеивает площадки по артикулу и выдаёт готовый Excel. Он не подключается к личным кабинетам площадок и не знает ваши внутренние правила учёта без объяснения.
Разберу, что конкретно он умеет.
Читать отчёты площадок. Загружаете xlsx или csv, ChatGPT определяет структуру, показывает первые строки и типы колонок. Если суммы текстом, он это видит сразу.
Нормализовать данные. Приводит суммы к числам, даты к единому формату, убирает строки Итого и шапки, чинит названия товаров. Та же механика, что и при чистке грязных выгрузок, я описала её в статье про чистку данных.
Считать выручку. По валовой выручке, возвратам и корректировкам он собирает чистую выручку за период, по дням, по артикулам, по площадкам.
Считать удержания. Комиссия, логистика, последняя миля, хранение, штрафы и услуги раскладываются по статьям, считаются в рублях и в процентах от выручки.
Склеивать площадки. Два отчёта, Wildberries и Ozon, объединяются по артикулу в единую таблицу с колонкой «площадка». Для расхождений в названиях используется нечёткое сопоставление.
Строить юнит-экономику. По каждому артикулу считается маржа на единицу и в процентах, находятся убыточные позиции.
Объяснять по-русски. ChatGPT пишет, за счёт какой статьи упала маржа, какой артикул тянет вниз, почему сумма к перечислению не сходится с банком.
Сохранять результат. Итоговый отчёт скачивается как Excel, код расчёта сохраняется и переиспользуется каждый месяц.
Чего он не умеет. ChatGPT не заходит в личный кабинет Wildberries или Ozon вместо вас, отчёты нужно выгружать самим. Он не знает текущие ставки комиссий по категориям, для этого есть калькулятор на сайте площадки. Он не заменит бухгалтерский учёт в 1С. И главное, он может ошибиться, поэтому контрольные суммы обязательны.
ChatGPT Plus принимает файлы до 512 МБ. Для отчётов маркетплейсов на 50-100 тысяч строк этого хватает с запасом. Если файл больше, агрегируйте в исходной системе или делите период на части.
Какие колонки искать в отчётах: шпаргалка по файлам
Чтобы промпты работали с первого раза, нужно знать, где в отчёте лежит нужная цифра. Названия колонок меняются после обновлений личного кабинета, но смысл остаётся одинаковым. Соберу типовые колонки для обеих площадок.
| Смысл | Wildberries | Ozon |
|---|---|---|
| Дата продажи | Дата | Дата операции |
| Идентификатор товара | Артикул | Артикул / SKU |
| Название товара | Наименование | Наименование |
| Количество | Кол-во | Количество |
| Цена продажи покупателю | Цена / Валовая выручка | Цена |
| Возвраты | Возврат | Стоимость возвратов |
| Комиссия площадки | Комиссия WB | Комиссия Ozon |
| Доставка | Логистика | Логистика |
| Доставка до покупателя | Последняя миля | Последняя миля |
| Хранение на складе | Хранение | Хранение / Обработка |
| Штрафы и корректировки | Штрафы | Штрафы / Прочие услуги |
| Итог к перечислению | К перечислению | К оплате продавцу |
Оговорка про названия. В конкретном отчёте колонка может называться иначе: «Цена реализации», «Стоимость услуг», «К перечислению продавцу». Поэтому первым шагом всегда запускайте промпт 1, диагностику, и показывайте ChatGPT реальные названия своих колонок. Он подстроит расчёт под них.
Почему эта шпаргалка важна. Когда вы понимаете, какая колонка что значит, вы можете точно объяснить нейросети, что считать выручкой, а что удержанием. От этого зависит, сойдётся ли итог с банком.
Три правила подготовки отчётов, которые решают 80% успеха
Качество расчёта наполовину зависит от того, как подготовлены файлы. ChatGPT справится с грязными данными, но чистые файлы дают результат без переделок. Три правила, которые я проверяю перед каждой загрузкой.
Правило первое: чистый формат. Сохраните отчёт как xlsx или csv. Уберите многострочную шапку, объединённые ячейки и строки Итого, данные должны начинаться с первой строки. Если в файле есть промежуточные итоги по неделям, удалите их, иначе Python посчитает их продажами.
Правило второе: понятный ключ склейки. Для объединения Wildberries и Ozon нужна колонка, по которой строки однозначно сопоставляются. Лучший вариант это артикул: он одинаковый у вас на обеих площадках. Если артикулов нет, соберите ключ из названия товара и цены. Ключ из одной только цены не годится, цены совпадают постоянно.
Правило третье: единый формат дат и чисел. Проверьте, что даты в обоих файлах записаны одинаково, а суммы это числа, не текст. Если суммы выравниваются по левому краю в Excel, это текст, нужна нормализация. Скажите ChatGPT в промпте, какие форматы в каждом файле, и попросите унифицировать перед расчётом.
Отдельно про безопасность: если в отчётах есть названия товаров, бренды или ИНН, обезличьте их до загрузки по справочнику замен. Суммы и даты не трогайте. Полные правила разбираю в разделе про безопасность, а механику обезличивания в статье про защиту данных в ChatGPT.
Пошаговый алгоритм: выручка, комиссии и маржа за 15 минут
Разберу конкретный сценарий: отчёты Wildberries и Ozon за август 2026 года, нужно посчитать выручку, комиссии, логистику и маржу по двум площадкам и собрать единый отчёт.
Минуты 0-5. Подготовка файлов. Выгружаю «Отчёт о реализации» с Wildberries и с Ozon за август. Проверяю колонки: в отчёте Wildberries это Дата, Артикул, Наименование, Кол-во, Валовая выручка, Комиссия WB, Логистика, Последняя миля, Хранение, Штрафы, Сумма к перечислению. В отчёте Ozon похожий набор с колонками Цена, Комиссия Ozon, Логистика, Стоимость возвратов, Прочие услуги, К оплате продавцу. Убираю строки Итого, обезличиваю названия товаров.
Минуты 5-8. Открытие ChatGPT и загрузка файлов. Новый чат на chatgpt.com, тариф Plus. Загружаю оба файла через кнопку прикрепления. ChatGPT показывает первые строки каждого. Проверяю типы колонок: если в колонке суммы тип object вместо float, суммы текстовые, нужна нормализация.
Минуты 8-12. Диагностика и расчёт. Запускаю промпт диагностики, промпт 1 из раздела ниже. ChatGPT описывает структуру, находит дефекты. Потом промпты расчёта: выручка и возвраты, структура удержаний, юнит-экономика. На каждую задачу модель пишет код на Python и выполняет его.
Минуты 12-17. Склейка площадок. Промптом склейки объединяю Wildberries и Ozon по артикулу. ChatGPT собирает единый P&L: выручка, комиссии, логистика, маржа по каждой площадке и в целом.
Минуты 17-20. Контроль. Прошу контрольные суммы: итог по сумме к перечислению из отчётов должен совпасть с фактическими поступлениями на счёт за период. Скачиваю итоговый Excel и код для следующего месяца.
Как выглядит результат. ChatGPT выдаёт три таблицы: сводный P&L по площадкам, детализацию по артикулам с маржинальностью и разбор удержаний по статьям. Плюс текстовое объяснение, что изменилось и на что смотреть.
Почему это работает. Весь расчёт идёт кодом на pandas, а не глазами. Нормализация, группировки, нечёткое сопоставление названий, контрольные суммы выполняются одинаково для всех строк. Человек проверяет только итог, а не каждый шаг.
Проверим расчёт на маленьком фрагменте. Отчёт Wildberries: артикул А01, выручка 100 000, комиссия 10 000, логистика 6 000, к перечислению 84 000. Артикул А02, выручка 60 000, комиссия 6 000, логистика 4 000, к перечислению 50 000. Отчёт Ozon: артикул А01, выручка 80 000, комиссия 8 000, логистика 5 000, к оплате 67 000. Артикул А03, выручка 40 000, комиссия 4 000, логистика 3 000, к оплате 33 000.
Склейка даёт такие итоги. Выручка по двум площадкам 280 000, из них Wildberries 160 000 и Ozon 120 000. Комиссии суммарно 28 000, логистика 18 000, удержания всего 46 000. Сумма к перечислению 234 000, это 160 000 минус 16 000 минус 10 000 плюс 120 000 минус 12 000 минус 8 000. Контроль: если на счёт от площадок пришло ровно 234 000, расчёт верный. Если пришло меньше, где-то в отчёте есть дополнительные удержания или корректировки, которые нужно найти промптом 9.
Если что-то пошло не так, уточните правило в том же чате и попросите показать код. Расчёт прозрачен, вы видите, по какому алгоритму цифры попали в отчёт.
Готовые промпты для работы с отчётами маркетплейсов: 10 рабочих шаблонов
Ниже промпты, которые я использую в работе с отчётами Wildberries и Ozon. Подставляйте свои названия колонок, периоды и форматы. Каждый промпт это отдельная задача в том же чате после загрузки файлов.
Промпт 1. Диагностика структуры отчёта
Загружаю отчёт о реализации Wildberries в формате xlsx. Колонки: дата, артикул, наименование, количество, валовая выручка, комиссия WB, логистика, последняя миля, хранение, штрафы, сумма к перечислению.
Покажи структуру файла: какие колонки есть, сколько строк, какие типы данных в каждой колонке. Отметь колонки, где суммы записаны текстом, где даты в разном формате, где есть пустые значения и строки Итого. Ничего не считай, только диагностика.Промпт 2. Выручка по отчёту Wildberries
Приведи все суммы в отчёте к числам, даты к единому формату ДД.ММ.ГГГГ. Убери строки Итого и шапки.
Посчитай: валовую выручку за период, сумму возвратов, чистую выручку как валовую минус возвраты. Выведи итог по каждому артикулу отдельной таблицей: артикул, наименование, количество, выручка, возвраты, чистая выручка. Покажи контрольную сумму до и после нормализации.Промпт 3. Выручка по отчёту Ozon
В отчёте Ozon колонки: id отправления, артикул, наименование, цена, комиссия Ozon, логистика, последняя миля, стоимость возвратов, прочие услуги, к оплате продавцу.
Посчитай выручку без НДС и с НДС, общую сумму комиссий, сумму логистики, итоговую сумму к перечислению. Разбей по артикулам и по дням. Сверь итог с суммой по колонке «к оплате продавцу» и покажи расхождение, если оно есть.Промпт 4. Структура удержаний
По отчёту Wildberries за месяц собери структуру удержаний: комиссия площадки, логистика, хранение, штрафы, прочие услуги. Посчитай каждую статью в рублях и в процентах от валовой выручки. Выведи таблицу: статья, сумма, процент от выручки. Отметь статьи, которые выросли больше чем на 20% по сравнению с прошлым периодом, если дашь файл прошлого периода.Промпт 5. Склейка Wildberries и Ozon в единый P&L
У меня два файла: отчёт Wildberries и отчёт Ozon за август 2026. В обоих колонки: артикул, наименование, количество, выручка, комиссия, логистика, прочие расходы, маржа.
Объедини их в одну таблицу по артикулу. Добавь колонку «площадка». Посчитай сводный P&L: выручка по двум площадкам, суммарные комиссии, логистика, валовая маржа, маржинальность в процентах. Отдельно покажи артикулы, которые продаются на обеих площадках, и где маржа выше.Промпт 6. Юнит-экономика по артикулам
По объединённому отчёту за период посчитай юнит-экономику для каждого артикула: выручка за единицу, себестоимость, комиссия площадки, логистика, упаковка, итоговая маржа на единицу и в процентах. Себестоимость дам отдельно списком. Выведи артикулы, где маржа отрицательная, и отсортируй всё по маржинальности по убыванию.Промпт 7. Сверка с банковской выпиской
Сверь суммы отчётов маркетплейсов с банковской выпиской. В выписке колонки: дата, контрагент, назначение, сумма. В отчётах есть сумма к перечислению по дням.
Сопоставь по датам и суммам, покажи три группы: совпадения, есть в отчёте но нет в выписке, есть в выписке но нет в отчёте. Посчитай общую сумму расхождений.Промпт 8. План и факт по маркетплейсам
Дай фактическую выручку, комиссии и маржу по артикулам из отчёта, а я дам план по тем же артикулам. Сравни план и факт по каждой статье: отклонение в рублях и процентах. Выведи топ-5 артикулов с наибольшим отрицательным отклонением по марже и объясни, за счёт каких статей это произошло.Промпт 9. Разбор расхождений между отчётом и фактическим поступлением
В отчёте Wildberries сумма к перечислению за месяц 1 240 000 рублей, а на расчётный счёт от площадки пришло 1 182 000. Найди в отчёте все удержания и корректировки, которые объясняют разницу: комиссии, логистика, хранение, штрафы, возвраты.
Покажи расчёт от выручки до фактического перечисления по шагам и укажи, какая статья дала основное расхождение.Промпт 10. Шаблон ежемесячного отчёта
Запомни структуру этого отчёта и правила расчёта: выручка, возвраты, комиссии, логистика, маржа, маржинальность. Сделай шаблон промпта, который я буду отправлять каждый месяц с новым файлом. В шаблоне должны быть переменные: период, имя файла, ставка себестоимости. Выведи шаблон текстом, чтобы я мог копировать его и менять только переменные.Промпт 11. Сравнение двух месяцев
У меня отчёты за июль и август 2026 по одной площадке. Колонки одинаковые: дата, артикул, выручка, комиссия, логистика, прочие удержания, сумма к перечислению.
Сравни два периода: по общей выручке, по структуре удержаний в процентах, по средней комиссии, по маржинальности. Покажи таблицу «показатель, июль, август, изменение». Отметь артикулы, которые были в июле и исчезли в августе, и новые артикулы августа. Объясни в двух-трёх абзацах, за счёт чего изменилась маржа.Промпт 12. Отчёт для собственника без цифровой перегрузки
По итоговой таблице за месяц подготовь отчёт для собственника на одну страницу. Разделы: выручка по площадкам, комиссии и логистика в процентах, маржа по категориям, топ-5 товаров по выручке, топ-3 проблемных места. Цифры округляй до тысяч рублей, проценты до целых. Каждый раздел завершай выводом в одном предложении, без канцелярита.Как адаптировать промпты под свои файлы. Названия колонок у вас могут отличаться, особенно после обновлений личного кабинета площадки. В начале промпта всегда перечисляйте реальные колонки своего файла, как я делаю в примерах. Тогда ChatGPT не будет гадать.
Как склеить Wildberries и Ozon в один финансовый отчёт без ручной работы
Главная задача статьи это склейка двух площадок. Покажу механику на маленьком примере, чтобы было видно, что делает ChatGPT.
Файл Wildberries: Товар А01, выручка 120 000, комиссия 12 000, логистика 8 000. Товар А02, выручка 80 000, комиссия 8 000, логистика 6 000. Файл Ozon: Товар А01, выручка 95 000, комиссия 9 500, логистика 7 000. Товар А03, выручка 60 000, комиссия 6 000, логистика 5 000.
ChatGPT объединяет таблицы по артикулу, добавляет колонку «площадка» и считает сводный P&L. Итог: выручка Wildberries 200 000, комиссии 20 000, логистика 14 000. Выручка Ozon 155 000, комиссии 15 500, логистика 12 000. Всего выручка 355 000, комиссии 35 500, логистика 26 000, маржа считается дальше после вычета себестоимости.
Почему это удобнее ВПР. В Excel объединение двух площадок по артикулу это ВПР или Power Query плюс ручной разбор случаев, когда артикул есть только на одной площадке. ChatGPT делает то же самое кодом, а несовпадения названий чинит нечётким сопоставлением. Подробно про замену ВПР через ChatGPT я писала в отдельной статье.
Контрольная арифметика обязательна. Сумма выручки по двум площадкам минус все удержания должна равняться сумме фактических перечислений на счёт за период, с поправкой на задержку платежей. Если не сходится, где-то потеряны строки или возвраты учтены дважды. Просите ChatGPT показать, где именно расходятся итоги.
Разница между площадками становится видна сразу. Один и тот же артикул может давать маржу 25% на Wildberries и 18% на Ozon, потому что комиссии и логистика разные. Это главный вывод сводного отчёта, на нём строятся решения: где повысить цену, что убрать с площадки, куда вложить рекламу.
Для регулярной работы код склейки сохраняется. В следующем месяце вы меняете только имена файлов и период, остальное ChatGPT переиспользует из памяти диалога. Если нужно совсем без ручных действий, автоматизацию можно построить через n8n, я разбирала этот путь в статье про n8n для финансиста.
Три кейса с цифрами: сколько экономит финансист маркетплейса
Цифры ниже средние по разборам, которые я видела на курсе и в каналах школы. Порядок именно такой, но у каждого селлера своя ситуация.
Кейс 1. Финансовый директор селлера одежды, Москва
Компания продаёт на Wildberries и Ozon, 700 SKU, оборот 9-11 млн рублей в месяц. До внедрения ChatGPT финдир тратил два полных рабочих дня в месяц на выгрузку отчётов, склейку площадок в Excel и сверку с банком. Расхождения с банком разбирались ещё полдня.
Что сделали. Настроили два шаблона промптов: один для ежемесячного P&L по двум площадкам, второй для сверки с выпиской. Первый запуск занял час, дальше каждый месяц 15-20 минут.
Что стало. На склейку и сверку уходит 40 минут в месяц. В первый же месяц ChatGPT показал 14 артикулов с отрицательной маржой после учёта логистики и возвратов. Семь позиций сняли с продаж, остальные подняли в цене. Экономия по убыточным позициям около 180 000 рублей в месяц, плюс 2,5 рабочих дня времени финдира.
Кейс 2. Бухгалтер на аутсорсе, ведёт пять селлеров
На руках пять клиентов, у каждого по одной-две площадки. Раньше на каждого уходило 3-4 часа в месяц на разбор отчётов, всего около 18 часов. Ошибки в ручной склейке приводили к пересчёту НДС и вопросам от клиентов.
Что сделали. Собрали для каждого клиента свой шаблон промпта с правилами: какие колонки считать выручкой, как учитывать возвраты, куда относить услуги. Шаблоны хранятся в ChatGPT, каждый месяц обновляются только файлы.
Что стало. Время на одного клиента упало до 40-50 минут. Сверка с первичкой и отчётами площадок стала сходиться с первого раза. Плюс появилась новая услуга для клиентов: ежемесячный управленческий отчёт по марже с пояснениями, который раньше делать было некогда.
Кейс 3. Владелец небольшого бренда косметики, Санкт-Петербург
Сам считал финансы, пока оборот не вырос до 4 млн в месяц. На маркетплейсах три площадки, включая Яндекс Маркет, но основная боль была в Wildberries и Ozon.
Что сделали. Обучился на курсе AI-навыков и через два месяца начал собирать P&L через ChatGPT самостоятельно. Подключил промпт юнит-экономики и понял, что упаковка для Ozon дороже, потому что там чаще возвраты с повреждением.
Что стало. Сэкономил около 6 часов в месяц и нашёл 60 000 рублей ежемесячной экономии на упаковке и тарификации. Сейчас отдаёт финансы на аутсорс бухгалтеру из второго кейса, а сам смотрит только итоговую маржу в дашборде.
Общий вывод по кейсам. Экономия складывается из двух частей: время, от 4 до 8 часов в месяц, и деньги, от 60 до 180 тысяч рублей в месяц, которые находятся за счёт разбора удержаний и убыточных артикулов. Один вовремя найденный убыточный товар окупает подписку на ChatGPT на годы вперёд.
Как читать отчёт площадки: от выручки до суммы к перечислению
Соберу путь цифры внутри отчёта, чтобы было видно, где ChatGPT берёт каждую сумму. Это поможет и при разборе, и при проверке расчёта.
Начинается всё с валовой выручки. Это сумма продаж по цене для покупателя за период. В отчёте Wildberries она может быть колонкой «Валовая выручка» или суммой строк по цене продажи. В Ozon это сумма по колонке «Цена».
Из валовой выручки вычитаются возвраты. Возврат несёт и потенциальные расходы: логистика возврата, проверка товара, уценка или списание. В управленческом учёте возвраты стоит показывать отдельной строкой, не растворяя их в выручке.
Дальше идут удержания площадки. Комиссия считается от цены продажи, логистика от габаритов и направления, последняя миля за доставку до пункта выдачи, хранение за дни на складе. Плюс штрафы за нарушения и платные услуги вроде рекламы или продвижения.
Итоговая строка это сумма к перечислению. Площадка переводит её на расчётный счёт с задержкой в несколько дней, поэтому в отчёте за месяц могут быть перечисления, которые пришли уже в следующем периоде. Это нормально, но при сверке с банком задержку нужно учитывать.
Разберу структуру удержаний на примере товара за 2 000 рублей.
| Статья | Сумма | Доля от выручки |
|---|---|---|
| Цена продажи | 2 000 руб. | 100% |
| Комиссия площадки | 300 руб. | 15% |
| Логистика | 120 руб. | 6% |
| Последняя миля | 60 руб. | 3% |
| Хранение и прочие | 40 руб. | 2% |
| Итого удержаний | 520 руб. | 26% |
| К перечислению | 1 480 руб. | 74% |
С такими цифрами ChatGPT работает так: промпт 2 собирает валовую выручку и возвраты, промпт 4 раскладывает удержания по статьям и считает доли, промпт 6 считает маржу после себестоимости. Итоговая таблица в точности повторяет структуру выше, только по всем артикулам и площадкам сразу.
Почему сумма к перечислению не сходится с банком: 4 причины
Самый частый вопрос, который я слышу от селлеров: отчёт показывает одну сумму, а на счёт приходит другая. Разберу причины, которые ChatGPT помогает находить.
Причина первая: задержка перечислений. Площадка перечисляет деньги с лагом в несколько дней. В отчёте за август могут лежать продажи конца июля, а часть августовских продаж уедет в сентябрь. При сверке с банком нужно сдвигать период.
Причина вторая: удержания, которых нет в отчёте реализации. Реклама внутри площадки, платные подписки, штрафы за нарушения правил могут списываться отдельными операциями. ChatGPT промптом сверки выписки и отчёта находит такие списания.
Причина третья: возвраты и корректировки. Возврат может быть проведён в отчёте позже продажи, а корректировки по логистике приходят отдельно. В сводке за месяц они съедают сумму.
Причина четвёртая: технические ошибки. Строки Итого в файле, задвоенные записи, суммы текстом. Нормализация и контрольные суммы закрывают эту группу, но если файл сильно грязный, нужен промпт диагностики до расчёта.
Алгоритм разбора такой. Шаг 1, промпт 7, сверяете отчёт с выпиской. Шаг 2, промпт 9, просите найти в отчёте все удержания и корректировки, которые объясняют разницу. Шаг 3, если разница осталась, просите показать код и проверить, не потерял ли он строки при нормализации. Шаг 4, раз в квартал делайте полную ревизию за период, чтобы поймать накопившиеся мелочи.
Какие метрики маркетплейса считать через нейросеть
Сводить отчёты площадок это база. Дальше ChatGPT помогает считать метрики, на которых держится управленческий учёт маркетплейса. Перечислю те, что просят чаще всего.
Выручка по площадкам и каналам. Валовая, чистая и сумма к перечислению отдельно по Wildberries и Ozon, по дням и по артикулам. Без этого не видно, какая площадка приносит деньги.
Структура удержаний. Комиссия, логистика, последняя миля, хранение, штрафы, реклама и прочие услуги в рублях и процентах. Это первая таблица, которую я прошу в разборе, потому что именно здесь прячется падение маржи.
Маржа и маржинальность. Валовая маржа это выручка минус себестоимость минус удержания площадки. Маржинальность в процентах позволяет сравнивать артикулы, категории и площадки между собой.
Юнит-экономика. Выручка, себестоимость, комиссия, логистика и упаковка на единицу товара. Показывает, какой артикул продаётся в плюс, а какой в минус. Подробно про юнит-экономику и финансовые модели стартапов я разбирала в статье про финмодель.
План и факт. Сравнение фактической выручки и маржи с планом, с отклонениями в рублях и процентах. ChatGPT объясняет, за счёт каких статей отклонение.
Сверка с банком. Сопоставление сумм к перечислению из отчётов с фактическими поступлениями. Находит пропущенные перечисления и лишние удержания.
Прогноз выручки. На основе динамики за несколько месяцев ChatGPT строит простой прогноз на следующий период. Точность прогноза зависит от сезонности и качества данных, я разбирала методику в статье про прогноз продаж.
Практический совет: не пытайтесь посчитать все метрики сразу. Начните с выручки и структуры удержаний по двум площадкам, потом добавьте маржу, потом юнит-экономику. Каждая метрика отдельным промптом, иначе результат размывается.
FBO или FBS: как схема работы влияет на удержания и маржу
Схема поставки это не операционный вопрос, а финансовый. От того, как товар попадает к покупателю, зависит, какие колонки будут в отчёте и сколько денег останется у селлера.
FBO это продажа со склада площадки. Селлер привозит товар на склад Wildberries или Ozon, площадка хранит, собирает заказы, упаковывает и доставляет. В отчёте появляется плата за хранение, она считается за каждый день на складе и зависит от объёма и сезона. Логистика часто дешевле, потому что заказ идёт со склада площадки.
FBS это продажа со своего склада. Селлер сам хранит и упаковывает товар, передаёт курьеру площадки или в пункт приёма. В отчёте нет платы за хранение, зато есть стоимость обработки заказа и выше логистика, потому что площадка забирает товар у селлера. Комиссия при FBS обычно чуть ниже, чем при FBO.
RealFBS это гибрид: товар лежит на складе селлера, но продаётся как со склада площадки. Удержания близки к FBO, но селлер отвечает за сроки сборки и отгрузки, а задержки дают штрафы.
Сравню три схемы на одном товаре: себестоимость 800 рублей, цена продажи 2 000 рублей. Цифры средние, ставки у каждой категории свои.
| Показатель | FBO | FBS | RealFBS |
|---|---|---|---|
| Выручка с единицы | 2 000 руб. | 2 000 руб. | 2 000 руб. |
| Комиссия площадки | 300 руб. (15%) | 280 руб. (14%) | 300 руб. (15%) |
| Логистика и обработка | 160 руб. | 190 руб. | 170 руб. |
| Хранение на складе | 40 руб. | 0 руб. | 0 руб. |
| Удержания всего | 500 руб. (25%) | 470 руб. (23,5%) | 470 руб. (23,5%) |
| Маржа на единицу | 700 руб. | 730 руб. | 730 руб. |
Вывод из таблицы не в том, что FBS всегда лучше. При FBO хранение становится дороже к Новому году, и нераспроданный сток на складе площадки съедает маржу. При FBS селлер упирается в свои мощности: сборка и отгрузка требуют людей, а просрочка по RealFBS даёт штраф.
Как ChatGPT помогает здесь. Сравнение схем это обычный расчёт по отчёту: нужно только добавить в промпт колонку со схемой, если площадка её указывает, или сопоставить по артикулам, которые работают в разных схемах. Я прошу ChatGPT посчитать маржу отдельно по FBO и FBS и показать, где разница. Промпт 6 с юнит-экономикой подходит и для этого, просто добавляете колонку «схема».
Для бухгалтерского учёта разница важна вдвойне. При FBO площадка выступает агентом, и выручка признаётся по отчёту агента с комиссией как расходом. При FBS выручка признаётся в момент передачи товара покупателю, а логистика идёт отдельными услугами. Порядок признания влияет на НДС и на даты, по которым виден оборот. Подробности этого разбора для конкретного режима налогообложения я описала в статье про ChatGPT для бухгалтера на УСН.
ChatGPT, Claude, Gemini или Excel для финансов маркетплейса: сравнение
Сравню четыре варианта для работы с отчётами маркетплейсов. Таблица актуальна на сентябрь 2026 года.
| Критерий | ChatGPT (GPT-5.5) | Claude Sonnet 4.6 | Gemini 2.5 | Excel вручную |
|---|---|---|---|---|
| Загрузка отчётов xlsx и csv | Да, Code Interpreter | Да, файлы | Да, файлы и Google Таблицы | Нет, данные уже в Excel |
| Нормализация грязных данных | Код на pandas, выполняется | Код, но без выполнения | Код с ограничениями | Формулы и макросы VBA |
| Склейка двух площадок по артикулу | Да, одной командой | Да, кодом | Да, в Google Таблицах | ВПР, Power Query |
| Скачивание итогового файла | Да, Excel и csv | Да | Да, в Google Таблицы | Само собой |
| Объяснение, что и как посчитано | Среднее | Лучшее | Хорошее | Нет |
| Автоматизация на каждый месяц | Шаблон промпта или n8n | Шаблон промпта | Google Apps Script | Макросы |
| Русский язык и термины маркетплейсов | Хорошо | Хорошо | Хорошо | Нет |
| Стоимость | Подписка | Подписка | Частично бесплатно | Входит в Office |
Как выбрать под конкретную задачу. Если основная работа это файлы отчётов и нужен готовый результат, удобнее ChatGPT Plus с Code Interpreter. Если нужно не только посчитать, но и понять логику, объяснения лучше у Claude Sonnet 4.6. Если отчёты и сводки живут в Google Таблицах, выбирайте Gemini 2.5. Excel остаётся для финального оформления и проверки, а не для самой склейки.
Подробнее про выбор нейросети для финансовых задач я разбирала в статье про карту инструментов и в сравнении бесплатных нейросетей для Excel.
Частые ошибки и мифы при работе с отчётами маркетплейсов через нейросеть
Соберу то, что чаще всего идёт не так, и мифы, которые мешают начать.
Ошибка первая: считать по сырому отчёту без нормализации. Если суммы текстом, а в файле есть строки Итого, любой расчёт будет кривым. Сначала диагностика и нормализация, потом цифры.
Ошибка вторая: склеивать по названию товара вместо артикула. Названия на площадках не совпадают, артикул это надёжный ключ. Если артикула нет, собирайте ключ из названия и цены.
Ошибка третья: забывать про возвраты. Возвраты уменьшают выручку, а в отчёте они могут быть отдельными строками. Если их не вычесть, выручка завышается, а маржа считается неправильно.
Ошибка четвёртая: доверять расчёту без контрольных сумм. ChatGPT может ошибиться, особенно на грязных данных. Итог по сумме к перечислению сверяйте с банком, а расчёт на 20-30 строках можно проверить вручную. Про приёмы, которые снижают ошибки в цифрах, я писала в отдельной статье.
Миф первый: нейросеть подставит в бухгалтерию. Нет, ChatGPT не пишет проводки в 1С и не сдаёт отчётность. Он считает управленческие цифры для решений, а официальный учёт остаётся за бухгалтером.
Миф второй: нужен навык программирования. Нет, код пишет ChatGPT, вы только описываете задачу словами и проверяете результат. Для сохранения шаблона достаточно умения менять имя файла в тексте.
Миф третий: это дорого. ChatGPT Plus это стоимость подписки, а экономия на одной склейке от 4 до 8 часов в месяц. При ставке финдира 1 500-2 500 рублей в час подписка окупается в первый же месяц.
Миф четвёртый: отчёты нельзя выносить в нейросеть, это утечка. Обезличенные данные с заменой названий и артикулов это разумный компромисс, а для чувствительных данных есть локальные модели. Подробно ниже.
Как безопасно загружать отчёты маркетплейсов в ChatGPT
Безопасность данных селлера это вопрос денег и репутации, а не формальность. Разберу правила, которые я даю ученикам.
Обезличивайте до загрузки. Названия товаров замените на Товар 1, Товар 2, артикулы на А01, А02, уберите бренды, ИНН и персональные данные. Суммы и даты не трогайте, они нужны для расчёта. Справочник замен храните отдельно, он пригодится для расшифровки.
Отключайте обучение на ваших данных. В настройках ChatGPT в разделе Data Controls отключите Improve model for everyone. Тогда ваши диалоги не используются для обучения модели. Для коммерческой работы это базовое правило.
Выбирайте подходящий тариф. Для регулярной работы с отчётами нужен ChatGPT Plus или Enterprise. Enterprise не использует данные для обучения и подходит для компаний с NDA. Если данных много и они чувствительные, рассмотрите локальные модели, например DeepSeek V3.2, они работают на вашем компьютере и ничего не отправляют наружу. Я разбирала локальный запуск в статье про Ollama.
Не загружайте в бесплатную версию то, что нельзя показывать третьим лицам. Бесплатный тариф не даёт тех же гарантий, что корпоративный.
Проверяйте результат глазами. Безопасность это ещё и про достоверность. ChatGPT не несёт ответственности за ваши цифры, ответственность на вас. Контрольные суммы, сверка с банком и выборочная проверка на 20-30 строках это минимум.
Отдельно про доступ. Из России ChatGPT без VPN не работает, таково ограничение сервиса. Какой сервис поставить, выбираете сами. Пользоваться нейросетями из России не запрещено. Названия и ссылки на VPN не даю, таково юридическое правило школы.
НДС и налоги на маркетплейсах: что посчитать через ChatGPT
Маркетплейсы это агенты, а не покупатели. Поэтому для налоговых целей выручка селлера это не сумма к перечислению, а полная цена продажи покупателю, а комиссии и услуги площадки это расходы. Селлер на ОСНО платит НДС с полной цены реализации.
Разберу на примере. Товар продан за 2 000 рублей, из них площадка удержала 500 рублей комиссий и услуг, перечислила 1 500 рублей. Для НДС база это 2 000 рублей, а не 1 500. Селлер на ОСНО начисляет НДС 20% с 2 000, то есть 333 рубля, и принимает к вычету НДС с комиссии агента по счёту-фактуре от площадки.
ChatGPT помогает в трёх местах.
Собирает базу для декларации. По отчёту реализации он считает полную стоимость проданных товаров за период, отдельно с НДС и без, разбивает по месяцам. Это готовая сумма для книги продаж.
Считает НДС с услуг площадки. Из отчёта берутся комиссии и услуги, по которым площадка выставляет счёт-фактуру как агент. ChatGPT собирает эти суммы по месяцам и сверяет с поступившими документами, чтобы ничего не потерять.
Проверяет счета-фактуры. Сумма НДС в полученных от площадки документах должна сойтись с комиссиями в отчёте реализации. Промптом сверки ChatGPT сопоставляет счета-фактуры и отчёты, расхождения показывает списком.
Промпт для расчёта НДС с выручки маркетплейса:
В отчёте о реализации за квартал колонки: дата, артикул, цена продажи покупателю, комиссия площадки, логистика, сумма к перечислению.
Посчитай полную стоимость реализованных товаров за квартал, это база для НДС. Отдельно посчитай НДС 20% с этой базы. Разбей по месяцам: месяц, стоимость реализации, НДС начисленный. Сверь сумму к перечислению по отчёту с фактическими поступлениями из выписки, которую дам отдельным файлом.Оговорка обязательна. Налоговый учёт это зона ответственности бухгалтера, а не нейросети. ChatGPT считает черновые суммы для проверки, а декларацию и проводки делает человек на основании первичных документов. Ставки НДС, моменты признания и порядок вычетов по агентским операциям лучше сверить с налоговым консультантом, потому что в них много нюансов по датам и документам.
Чек-лист: первый финансовый отчёт маркетплейса через ChatGPT
Пошаговый план на первый раз. Выполняйте по порядку, не перескакивайте.
- Выгрузите отчёты о реализации с Wildberries и Ozon за период. В личном кабинете каждой площадки выберите нужный месяц и формат Excel или CSV.
- Проверьте структуру файлов. Данные должны начинаться с первой строки, без многострочной шапки и строк Итого внутри.
- Обезличьте реквизиты. Названия товаров на Товар 1, Товар 2, артикулы на А01, А02. Справочник замен сохраните отдельно.
- Откройте ChatGPT Plus и создайте новый чат. На chatgpt.com нажмите новый чат, загрузите оба файла через кнопку прикрепления.
- Запустите диагностику. Промпт 1 из статьи, проверьте, что ChatGPT правильно прочитал колонки и типы данных.
- Посчитайте выручку и удержания. Промпты 2-4, по каждой площадке отдельно, с контрольными суммами.
- Склейте площадки в P&L. Промпт 5, проверьте, что все артикулы попали в свод, а не потерялись.
- Сверьте с банком. Промпт 7, итог по сумме к перечислению должен сойтись с поступлениями на счёт.
- Сохраните код и шаблон. Попросите вывести код расчёта отдельным блоком, положите в библиотеку для следующего месяца.
- Назначьте ответственного. Раз в месяц кто-то обновляет файлы и запускает шаблон, вы проверяете итог.
После первого успешного запуска время на отчёт упадёт с 4-6 часов до 15-20 минут. Дальше можно думать про автоматизацию: код расчёта запускать по расписанию, а результаты присылать в Telegram. Про готовые сценарии автоматизации я писала в статье про n8n.
Три уровня автоматизации финансов маркетплейса
ChatGPT в ручном режиме закрывает большинство задач. Но если отчёты приходят каждый месяц и оборот растёт, есть смысл пройти по уровням автоматизации.
Уровень 1. Ручной расчёт через ChatGPT. Вы выгружаете отчёты, загружаете в ChatGPT, запускаете шаблонный промпт, скачиваете результат. Экономия 4-8 часов в месяц, порог входа 40-60 минут на первую настройку. Это уровень из этой статьи, с него начинают все.
Уровень 2. Python-скрипт из кода ChatGPT. Берёте код, который ChatGPT написал для вашего расчёта, сохраняете в .py-файл. Меняете две строки: имена файлов и период. Запускаете в Google Colab бесплатно или локально. Данные никуда не уходят. Настройка занимает 1-2 часа, знание Python не нужно, ChatGPT помогает и с этим. Один раз настроенный скрипт живёт годами.
Уровень 3. Полная автоматизация через n8n. Сценарий: выгрузки из личных кабинетов складываются в папку, скрипт запускается по расписанию в начале месяца, результат записывается в Google Таблицы, уведомление приходит в Telegram. Финансист только проверяет итог и разбирает расхождения. Подробно про n8n для финансиста я разбирала в отдельной статье, а про готового AI-агента для сверки в статье про агента.
Рекомендация: не перескакивайте на уровень 3, не освоив уровень 1. Автоматизировать нужно процесс, который уже работает и даёт правильные цифры, а не ломаный.
Хочешь получать готовые промпты для отчётов маркетплейсов и разборы новых AI-инструментов каждую неделю? Забирай бесплатно в Telegram-канале школы @findir_pro.
Часто задаваемые вопросы
Можно ли вести финансы маркетплейса в ChatGPT, если бухгалтерия ведётся в 1С? Можно, но ChatGPT не заменяет 1С. Он берёт на себя аналитику и подготовку данных: читает отчёты Wildberries и Ozon, нормализует, считает выручку, комиссии и маржу, собирает управленческий P&L. Готовые цифры переносите в 1С для официального учёта. ChatGPT не подключается к 1С напрямую, но выгрузки площадок обрабатывает за минуты.
Какие файлы отчётов Wildberries и Ozon можно загружать в ChatGPT? Excel и CSV лучше всего. Выгружайте «Отчёт о реализации» с Wildberries и с Ozon за нужный период. CSV идеален для расчётов, Excel удобен для чтения структуры. PDF для разбора не подходит. Файлы до 512 МБ ChatGPT Plus принимает без проблем, для отчётов на 50-100 тысяч строк этого хватает.
Как ChatGPT считает комиссии Wildberries и Ozon? Комиссии площадка уже включает в отчёт по каждой строке. ChatGPT собирает их по артикулам и категориям, считает долю в выручке и сравнивает с прошлым периодом. Процент комиссии зависит от категории товара, точные ставки проверяйте в калькуляторе на сайте площадки, а в отчёте берёте уже посчитанную сумму.
Какая нейросеть лучше для отчётов маркетплейсов: ChatGPT, Claude или Gemini? Для файлов и Code Interpreter удобнее ChatGPT Plus. Claude Sonnet 4.6 лучше объясняет логику расчёта. Gemini 2.5 удобен, если отчёты живут в Google Таблицах. Для рутины разница в качестве не критична, важнее структура промпта и контрольные суммы.
Безопасно ли загружать отчёты маркетплейсов в ChatGPT? Только в обезличенном виде. Названия товаров на Товар 1, артикулы на А01, уберите ИНН и бренды. Суммы и даты не трогайте. В настройках отключите Improve model for everyone. Для данных под NDA используйте ChatGPT Enterprise или локальную модель вроде DeepSeek V3.2.
Сколько времени экономит ChatGPT на финансах маркетплейса? От 4 до 8 часов в месяц на ручную склейку, разбор удержаний и сверку с банком. На маркетплейсе с двумя площадками и 500+ SKU экономия стабильно от 5 часов в месяц. Первая настройка занимает час, дальше шаблон переиспользуется.
Что делать, если ChatGPT посчитал не так или отчёт изменился? Уточните правила в том же чате, попросите показать код и проверьте ключевые шаги. Запустите контрольные суммы: итог по сумме к перечислению должен сойтись с поступлениями на счёт. Полезно проверять расчёт на маленьком фрагменте, где итог легко посчитать вручную.
Чем отличаются валовая и чистая выручка в отчётах маркетплейсов? Валовая выручка это сумма продаж до вычета возвратов и удержаний. Чистая выручка это валовая минус возвраты. Сумма к перечислению это чистая выручка минус комиссии, логистика, хранение и штрафы. В управленческом отчёте разделяют все три уровня, иначе непонятно, за счёт чего падает маржа.
Наши каналы
Следите за новыми промптами, кейсами и разборами AI-инструментов для финансистов:
- @findir_pro основной Telegram-канал онлайн-школы «Финансовый директор | Мастер CFO», 45 000 подписчиков. Ежедневные разборы нейросетей для финансистов и бухгалтеров: промпты, кейсы, инструменты.
- @ai_finansist канал «АИ с Софьей и Натали», 13 000 подписчиков. Разборы новых моделей и стратегия внедрения AI в работу финансового директора и бухгалтера.
- MAX закрытое сообщество 5 000+ выпускников и учеников школы. Живые разборы кейсов, доступ к записям вебинаров, нетворкинг с коллегами-финансистами.
Об авторе
Натали Васильева эксперт по нейросетям и продюсер онлайн-школы «Финансовый директор | Мастер CFO», основатель школы Софья Бурцева. С нейросетями в финансовых задачах с февраля 2023 года, 800+ выпускников курса AI-навыков. Веду Telegram-канал @findir_pro, 45 000 подписчиков.