Как аналитика позволила Halyk Market масштабировать ассортимент в 3 раза

Конец августа 2024 года. Walmart собирает тысячи продавцов на саммит Let's Grow! и рапортует о 30% росте маркетплейса за квартал. Число продавцов на платформе выросло на 20% за год, ассортимент расширяется в новые категории — от премиальной косметики до коллекционных товаров. Аналитики пророчат: к 2030 году именно маркетплейсы будут тянуть больше половины всего e-commerce. Глобальный рынок дропшиппинга оценивается в $226 миллиардов, и он растет на 23% ежегодно.

Все говорят о росте. Но почти никто не рассказывает, как технически это происходит — особенно когда у тебя нет бюджета Amazon, а амбиции при этом вполне сопоставимы. Западные компании анонсируют планы, выделяют миллионы на расширение команд и технологий. А где-то в Казахстане, пока все это обсуждают, небольшая команда уже делает. И показывает результат, который многим крупным игрокам и не снился.

С января по июнь 2024 года Halyk Market — e-commerce платформа при крупнейшем банке Казахстана — утроил свой ассортимент. Годовой KPI в миллион SKU пробили в июне, на полгода раньше плана. Цифры есть в финансовой отчетности банка, их никто не приукрашивал и не додумывал. Просто взяли — и сделали.

Вопрос в том, как.

30 человек или одна система

Обычный сценарий для такого роста выглядит предсказуемо: нанимаешь армию контент-менеджеров, которые вручную создают карточки товаров, заполняют описания, загружают фотографии. До 30 человек в команде — это норма для маркетплейса средних амбиций. Процесс медленный, дорогой, и масштабируется он плохо. Если хочешь расти быстрее — нанимай еще. Но что, если попробовать иначе?

В начале 2024 года в Halyk Market пришел новый Head of Analytics. Роман Беседа — человек с бэкграундом из Яндекса, Delivery Club и Palta, привык решать задачи не людьми, а системами. Изучив текущие процессы, он увидел, что именно ручная сборка карточек замедляет расширение ассортимента и создает узкое место, влияя на выполнение планов.

Альтернативой стала полная автоматизация процесса. Речь шла не о точечных улучшениях, а о пересборке цепочки целиком: от получения данных до вывода карточки на витрину. Концепция включала сбор данных с внешних источников, загрузку в базу, автоматическое сопоставление, базовую проверку качества и публикацию. Для разработки потребовалась компактная команда — никаких 30 новых сотрудников, один разработчик-аналитик и системная работа по архитектуре.  И сам Роман как архитектор всей системы.

Анализ узких мест начался в первые недели, а уже к маю новая система функционировала: Четыре месяца на полную реализацию решения, которое заменило несколько десятков человек и позволило вырасти в три раза.

Парсеры, LLM и никакой магии

Техническое решение выглядело как классический ETL-конвейер, но с несколькими хитростями. Внешние парсеры собирали данные о товарах с открытых источников с информацией по ассортименту — названия, описания, цены, характеристики. Дальше эти данные шли через унифицированный пайплайн с автоматической очисткой и валидацией. На выходе — готовая карточка товара, которая попадала в базу и маппилась на витрину через API.

Самое интересное началось на этапе маппинга. Сопоставить тысячи товаров из разных источников с существующими категориями и атрибутами — задача нетривиальная. Роман использовал LLM-модели, которые анализировали описания и автоматически определяли, куда какой товар должен попасть. Это сократило ручные доработки на 70%. Раньше контент-менеджеры проводили часы, сверяя позиции вручную. Теперь система делала это сама, оставляя людям только финальную проверку спорных случаев.

Но технологии — это полдела. Основная сложность была в другом: интегрировать множество внутренних и внешних сервисов, связать парсеры с базами данных, базы — с витриной, все это обернуть в надежный слой микросервисов с централизованным логированием и мониторингом. При этом команда на проект — минимальная: два человека, четкая архитектура и понимание, что надо делать. Параллельно Роман формировал аналитическое подразделение с нуля — нанимал людей, выстраивал инфраструктуру, запускал A/B-тесты, но сам проект автоматизации контента он вытянул практически в одиночку.

Роман взял на себя координацию всех процессов: от написания технического задания до финального тестирования. Весь цикл работы над проектом, Роман вел регулярные демо перед руководством e-commerce и IT-директором. Когда стейкхолдеры давали фидбэк — оперативно вносил правки. Когда система запустилась, подготовил документацию и провел воркшопы для команды контента и поддержки. Handover прошел без сбоев.

Х3 вместо х2, миллион в июне вместо декабря

Результат превзошел все ожидания. Вместо запланированного удвоения ассортимента — утроение. Вместо миллиона SKU к концу года — миллион в июне. Операционные затраты на контент — вниз. Скорость заведения новых товаров — вверх, причем кратно. И все это не просто разовый успех: система осталась в том виде, в каком ее реализовали. Она работает, масштабируется и не требует постоянных доработок.

Но Роман смотрел на это шире, чем просто «запустили проект». Для него это была история про то, как аналитика перестает быть сервисной функцией и становится драйвером бизнеса. Когда он пришел в Halyk Market, аналитики делали дашборды по запросу. Кто-то из бизнеса приходил с задачей — они ее выполняли. Классическая модель: аналитика как обслуживающее подразделение.

Роман изменил это. Он учил команду не ждать запросов, а самим находить боттлнеки и предлагать решения. Погружаться в процессы, разбираться, где что ломается, и приходить к стейкхолдерам с готовыми гипотезами. История с автоматизацией контента — яркий пример: никто не просил аналитику решить эту задачу. Роман сам увидел проблему, сформулировал решение и довел до продакшена.

Когда аналитика перестает обслуживать и начинает вести

Параллельно он выстраивал культуру внутри своего подразделения. Фокус на людях и стратегии. Без сильной команды невозможно построить что-то устойчивое. Без инфраструктуры — развивать решения и обеспечивать их стабильность. Без быстрых побед — показать ценность аналитики и доказать ее реальную пользу. Роман начал с формирования ядра команды, определения направлений, которые могли быстро показать результат. Три блока: инфраструктура, крупные продуктовые проекты, системное повышение эффективности.

Найм оказался одним из самых сложных вызовов. Новая страна, нет готового нетворка, особенности локального рынка. Но в итоге команда сложилась — с хорошим балансом между техническими и продуктовыми компетенциями. Роман сосредоточился на «быстрых дельтах»: оптимизировали операционные расходы, выстроили инфраструктуру на open-source решениях, полностью автоматизировали отчетность. Потом запустили первые A/B-тесты в e-commerce, внедрили системный трекинг метрик, реализовали несколько масштабных проектов. К концу года именно на их решении работала большая часть процессов по заведению ассортимента в компании.

Главный принцип, который Роман проповедовал: умение мотивировать команду и давать ей интересные, сложные челленджи. Аналитики должны уходить от роли исполнителей запросов к позиции партнеров по развитию продукта. Когда они понимают бизнес-цель и видят влияние своих решений, они начинают думать не о цифрах, а о росте. Второе — системное взаимодействие между аналитикой, data engineering и ML. Команда работает как единый контур: от качественных данных до продуктовых инсайтов и автоматизированных решений. И третье — культура скорости и итераций. Быстрое тестирование гипотез, измерение эффекта, готовность пересматривать решения.

Маленькие команды обгоняют на повороте

История Halyk Market показывает то, о чем редко говорят на громких саммитах: рост маркетплейсов — это не только про привлечение новых продавцов и расширение категорий. Это про инфраструктуру, которая позволяет масштабироваться без пропорционального роста затрат. Это про команды, которые не ждут готовых решений, а сами их придумывают. И это про лидеров, которые понимают: аналитика — не про отчеты, а про изменение того, как работает бизнес.

Пока большие компании обсуждают стратегии и выделяют бюджеты, маленькие команды с правильным подходом могут обогнать их на повороте. Главное — не бояться переосмыслить процессы и довести решение до конца. Роман Беседа сделал именно это. И результат говорит сам за себя.