Биддер: compute-ядро (cross-MP)

Кросс-маркетплейсный compute-движок для управления рекламой: истинный ДРР с маржой, автостоп убыточных SKU, распределение бюджета по ABC, расчёт target-ставки. Pure pandas, без сети — детерминизм для горячего пути биддера (тик 15 мин). Применение решений в Ozon/WB/ЯМ — через гайд-навыки маркетплейсов.

Example tasks

Истинный ДРР с учётом маржи

По каждому SKU считается P&L: выручка минус себестоимость, комиссия, логистика, возвраты и реклама — ДРР от прибыли, а не от оборота.

Автостоп убыточных SKU

Товары, которые жгут рекламный бюджет или продаются в минус, находятся автоматически — со степенью серьёзности и причиной по каждому.

Бюджет по ABC-классам

Рекламный бюджет распределяется по вкладу товаров в прибыль: класс A получает масштабирование, класс C — минимум или отключение.

FAQ

Почему расчёты детерминированные?

Ядро — чистые pandas-функции без сети и без LLM-арифметики: один и тот же вход всегда даёт один и тот же результат. Это требование горячего пути биддера с тиком в 15 минут.

С какими маркетплейсами работает ядро?

С любыми — оно кросс-платформенное и не знает о конкретной площадке. Применение решений (смена ставок, остановка кампаний) выполняется через гайд-навыки WB, Ozon и Яндекс Маркета.

В каком формате подаются данные?

DataFrame по SKU: выручка, себестоимость, комиссия, логистика, возвраты, расходы на рекламу — суммы в копейках, чтобы исключить ошибки округления.

System prompt

Marketplace Ads — Compute Core (cross-MP)

Кросс-маркетплейсный compute-движок для биддера. Pure pandas — без сети, без знания о конкретном маркетплейсе. Один вход — DataFrame, один выход — DataFrame или list[dict] с детерминированным результатом.

Скилл предназначен для горячего пути биддера (тик каждые 15 минут): нужен детерминизм, а не LLM-арифметика. Все скрипты импортируются в sandbox и не делают сетевых вызовов.

Когда что использовать

СкриптНазначениеВходВыход
compute_sku_pnl.py :: compute_sku_pnl(df)Истинный ДРР с маржой по каждому SKUDataFrame: sku, revenue, cogs, commission, logistics, returns, ad_spend (всё в копейках)DataFrame + pnl_kopeks, true_drr, margin_pct
find_loss_makers.py :: find_loss_makers(pnl_df, target_drr)Поиск SKU, которые жгут бюджет или работают в минусpnl_df (выход compute_sku_pnl), target_drr (%)list[{sku, reason, severity}]
apply_pause_rules.py :: apply_pause_rules(df)Детерминированные правила «pause / keep / exploration»DataFrame: sku, margin_pct, oos_days, returns_7d_pct, exploration_untillist[{sku, action, reason}]
propose_lineup.py :: propose_lineup(scored_df, total_budget, target_drr)Распределение бюджета по ABC + target-ставкиscored_df: sku, abc_class, price, cogs, commission_pct, logistics (+ опц.)list[{sku, allocated_budget, target_bid, strategy}]
compute_target_bid.py :: compute_target_bid(sku_metrics, target_drr, current_bid)Pricing-loop: следующая ставка для одного SKUdict: price, cr (+ опц. exploration_until)int — новая ставка в копейках

Контракты входа

  • Все денежные значения — в копейках (int или float). Если на руках рубли — умножь на 100.
  • ABC-класс — строка 'A' | 'B' | 'C' (case-insensitive). Если SKU не классифицирован, передай 'C'.
  • exploration_until — pd.Timestamp (UTC-aware) или pd.NaT. SKU считается cold-start, пока значение в будущем.
  • target_drr — процент (12.0, не 0.12).
  • cr (conversion rate) — доля 0..1 (например, 0.04 = 4%).

Контракты выхода

  • compute_sku_pnl: копия входа + три числовые колонки (pnl_kopeks в копейках, true_drr и margin_pct округлены до 2 знаков).
  • find_loss_makers: один SKU может встречаться несколько раз — по одному элементу на каждое сработавшее правило (negative_margin, drr_overshoot, ad_spend_above_margin); severity ∈ {high, medium}.
  • apply_pause_rules: ровно один результат на SKU; первое сработавшее правило побеждает (exploration → negative_margin → oos_lt_7d → returns_above_15pct → ok).
  • propose_lineup: ровно один результат на SKU; strategy ∈ {push, hold, pause, exploration}. Для pause бюджет и ставка = 0.
  • compute_target_bid: возвращает int. Cold-start → EXPLORATION_BID_KOPEKS = 5000 (50 ₽). Без CR-сигнала → не трогаем current_bid (с минимальным флором). Иначе клампим в ±50% от current_bid (страховка от качелей при коротких тиках).

Связки с другими скиллами

  • Методология ABC-классификации, расчёт чистой маржи, маппинг типов списаний → read_skill("unit_economics_ru").
  • Когда применять авто vs ручную стратегию ставок, как связывать рекламу с жизненным циклом товара, чек-лист готовности карточки до запуска кампании → read_skill("marketplace_ads_strategy_ru").
  • Применение решений на конкретный маркетплейс (write-сторона) → read_skill("ozon_guide_ru") / read_skill("wildberries_guide_ru") / read_skill("yandex_market_guide_ru").

Что этот скилл НЕ делает

  • Не ходит в сеть. Не вызывает Ozon/WB/ЯМ API. Если нужно прочитать данные — это работа гайд-навыка маркетплейса.
  • Не пишет в БД. Только compute.
  • Не решает «авто или ручная кампания». Это методологический выбор → marketplace_ads_strategy_ru.
  • Не считает COGS / комиссии / логистику с нуля — ожидает их уже в DataFrame. Маппинг типов списаний — задача unit_economics_ru.

Similar skills

Карточка товара WB/OzonСоздание и оптимизация карточек товаров для Wildberries и Ozon: SEO-заголовки, продающие описания, заполнение атрибутов и характеристик, rich-контент и подбор ключевых запросов для выдачи.Акции и распродажи на маркетплейсахСтратегический анализ участия в акциях Wildberries, Ozon и Яндекс Маркет: расчёт минимальной цены для акции, решение «входить / не входить», автоакции WB, эластичный бустинг Ozon, календарь акций, влияние на органику. Дополняет навык «Ценообразование» блоком принятия решений по промо-активностям.Запуск товара на маркетплейсеСквозной алгоритм запуска нового товара на Wildberries, Ozon, Яндекс Маркет: от выбора ниши → поставщик → первая поставка → первые продажи → набор отзывов → выход в органику. 8 фаз с чеклистами, формулами, критериями go/no-go на каждом этапе. Оркестрирует смежные навыки (niche_analysis_ru, marketplace_card_ru, marketplace_search_seo, unit_economics_ru и др.).Кэшфлоу и кассовые разрывы селлераПрогноз кэшфлоу селлера на маркетплейсах с учётом фактических циклов выплат, оценка кассовых разрывов, сравнение стоимости платного досрочного вывода WB (2–4%) с банковскими альтернативами. Использует цикл выплат WB с задержкой марта 2026.Логистика и распределение по складамРасчёт оптимального распределения товаров по складам WB и Ozon, выбор схемы логистики (FBO/FBS/DBS), анализ коэффициентов приёмки, стоимости хранения и логистических тарифов, калькулятор юнит-экономики с учётом всех логистических расходов, мониторинг изменений тарифов 2026.Сверка финотчётов маркетплейсовБухгалтерская экспертиза еженедельных и ежемесячных финансовых отчётов Wildberries, Ozon и Яндекс Маркет: сведение всех строк отчёта с реальными продажами и банковскими выписками, расшифровка удержаний (PPV, обратная логистика, хранение, утилизация, штрафы), поиск расхождений и скрытых списаний, формулы расчёта для каждого маркетплейса, подготовка к оспариванию. Аналог Pi-Data, MPFinAssist, TrueStats (финансовый модуль).
Category
Marketplaces
Platform
Сам Решу

Try this skill

Sign up and use the "Биддер: compute-ядро (cross-MP)" skill for free.

Try for freeAlready have an account? Log in