Масштабируемая LLM-система для анализа сотен тысяч отзывов ХОЛОДИЛЬНИК. РУ
[О проекте]
ХОЛОДИЛЬНИК. РУ — один из крупнейших российских ритейлеров бытовой техники и электроники. Ассортимент компании превышает 300000 товаров, продажи ведутся как через собственный интернет-магазин и офлайн-точки, так и через маркетплейсы и внешние площадки.
Компания ежедневно получает сотни отзывов от покупателей на десятках площадок: Яндекс Карт, 2ГИС, Google Maps, маркетплейсов, социальных сетей, сайтов отзывов и других. Ручной анализ обратной связи занимал много времени и не позволял оперативно выявлять болевые точки,
поэтому ХОЛОДИЛЬНИК. РУ поставил задачу автоматизировать сбор, классификацию и анализ отзывов, чтобы быстрее реагировать на запросы клиентов и улучшать клиентский опыт.
Napoleon IT внедрил интеллектуальную систему «Наполеон IT Отзывы», которая с помощью искусственного интеллекта агрегирует и анализирует отзывы компании из более чем 15 источников. Решение определяет тональность, темы, эмоции, упоминания брендов, а также выявляет паттерны и тренды в отзывах. Вся информация доступна в едином интерфейсе аналитической панели, где специалисты клиентского опыта видят динамику, фильтруют данные по регионам, категориям товаров и площадкам.
поэтому ХОЛОДИЛЬНИК. РУ поставил задачу автоматизировать сбор, классификацию и анализ отзывов, чтобы быстрее реагировать на запросы клиентов и улучшать клиентский опыт.
Napoleon IT внедрил интеллектуальную систему «Наполеон IT Отзывы», которая с помощью искусственного интеллекта агрегирует и анализирует отзывы компании из более чем 15 источников. Решение определяет тональность, темы, эмоции, упоминания брендов, а также выявляет паттерны и тренды в отзывах. Вся информация доступна в едином интерфейсе аналитической панели, где специалисты клиентского опыта видят динамику, фильтруют данные по регионам, категориям товаров и площадкам.
[Результаты]
01
Значительно сократилось время анализа отзывов: сотрудники тратят на обработку отзывов
1 день в месяц (ранее 5-7 дней)
1 день в месяц (ранее 5-7 дней)
02
Выросло качество обслуживания
и товаров благодаря оперативной обработке обратной связи
и быстрому внедрению улучшений
и товаров благодаря оперативной обработке обратной связи
и быстрому внедрению улучшений
03
Компания реагирует на негативные сценарии значительно быстрее, предотвращая их развитие
и повышая уровень удовлетворенности клиентов
и повышая уровень удовлетворенности клиентов
[отзыв клиента]
«Для нас важно не просто услышать клиента, а выстроить системную работу с обратной связью. Napoleon IT дал нам инструмент, который помогает быстро получить объективное представление о качестве товаров и уровне сервиса — и сразу включаться в работу там, где это действительно нужно».
Умида Хамраева
Директор клиентского опыта «ХОЛОДИЛЬНИК.РУ»
Особенности реализации
При реализации проекта особое внимание уделили масштабируемости решения — система должна была без сбоев обрабатывать огромные объёмы данных, включая отзывы по более чем 300 000 товарам. Команда Napoleon IT разработала гибкую архитектуру с возможностью быстрого подключения новых источников данных и настройки анализа под бизнес-цели клиента.
Кроме того, для обеспечения высокой точности были использованы комбинированные модели: классические алгоритмы обработки текста
и дообученные LLM-модели, способные учитывать контекст, тональность, особенности языка отзывов. Такой подход позволил достичь глубины анализа, недостижимой при стандартной автоматизации.
Кроме того, для обеспечения высокой точности были использованы комбинированные модели: классические алгоритмы обработки текста
и дообученные LLM-модели, способные учитывать контекст, тональность, особенности языка отзывов. Такой подход позволил достичь глубины анализа, недостижимой при стандартной автоматизации.
Команда
[01]
Проект был
реализован
за 1 год
Запуск системы в прод
[2025 / 1Q]
Настройка, тестирование и развертывание решения в инфраструктуре заказчика.
Начало промышленной эксплуатации.
Использование системы
[2025 / 2Q – 4Q]
Регулярный анализ клиентских отзывов, расширение подключённых источников
и оптимизация моделей на основе
накопленных данных.
и оптимизация моделей на основе
накопленных данных.
