Один из ведущих e-grocery в СНГ с собственными дарксторами разворачивается с премиум-сегмента на массовый рынок. Ручная обработка фото в Photoshop под единый регламент стала узким местом ввода ассортимента.
Клиент входит в крупную финтех-экосистему, у него собственные дарксторы и логистика. Стратегический разворот с премиума на массовый рынок ускоряет ввод категорий и ротацию каталога.
Внутренний регламент съёмки требует единого стандарта (серый фон #F5F5F5, отступ 10% от края, студийная тень, фронтальный ракурс, разные правила по категориям). Объёмы и разнородность источников превратили его исполнение в узкое место.
Поток — 400–600 позиций в неделю (часто по 2 фото на позицию), пик — 820 позиций за 3 дня перед праздником. Контент-команда не успевает за новинками, а параллельно копится долг по тысячам устаревших карточек, не соответствующих регламенту.
Обработка вручную в Photoshop — ~3 минуты на карточку (удалить фон, залить #F5F5F5, выровнять с отступом 10%, нарисовать тень, привести к размеру). Макросы сбивались на отступах. Фото приходят из 6 разных источников, часть — телефонные снимки из филиалов без фотографа.
AI-платформа массово готовит товарные фото под единый регламент: удаление фона, студийная тень, кадрирование, batch-обработка тысяч SKU.
Каждое изображение проходит цепочку из четырёх модулей: удаление фона (U2Net) → студийная тень → улучшение качества (CLAHE) → кадрирование. Специализированные алгоритмы, а не универсальная генеративная модель, — без галлюцинаций и искажений текста на упаковке. ~15 секунд на карточку вместо ~3 минут.
Система определяет ориентацию по маске объекта и применяет нужный шаблон: эллиптическая тень у основания для стоящего товара (бутылка, пакет молока), распределённая — для лежащего (хлеб, упаковка). Регламент соблюдается на каждом изображении без участия дизайнера.
Контент приходит из 6 источников (Google Drive по ссылке, ZIP-архивы, drag-n-drop, базы брендов, телефонные снимки из филиалов, материалы поставщиков) и сводится в единый поток с именованием по штрих-коду или артикулу. Перед пиками команда больше не работает в авральном режиме.
Фоновое сканирование оценивает каждое фото по 5 параметрам (фон, отступы, ракурс, тень, чёткость) и присваивает score соответствия регламенту, формируя приоритизированную очередь: лёгкий пайплайн, полный цикл или ручная проверка для критичных отклонений.
Платформа стала каркасом автоматизации всего контентного блока, а не точечным фоторедактором. Зафиксированы следующие треки: видеодемонстрации для СТМ, интеграция с ERP по статусу карточки, автоматическая приёмка контента от поставщиков.
Контент-команда перестала быть бутылочным горлышком ввода ассортимента — это разблокировало стратегический разворот клиента на массовый рынок, где скорость заведения новинок конкурирует напрямую с маркетплейсами.
Основная боль была не в загрузке фото, а в обработке: мы пробовали гонять Photoshop массово, но выравнивание по направляющим и отступы каждый раз сбивались. Сейчас регламент соблюдается на каждой карточке автоматически, и команда не работает в авральном режиме перед пиком.
Числовые показатели и результаты кейса отражают итоги конкретного проекта и зависят от исходных условий. Они приведены в информационных целях, не являются публичной офертой и не гарантируют аналогичного результата в других проектах. Подтверждающие материалы предоставляем по запросу.
Генеративный AI пересобирает SEO-контент и визуал карточек: тексты, hero-имиджи и rich-контент под алгоритмы маркетплейсов в едином пайплайне.
AI-пайплайн собирает lifestyle-ролики из фото товара: декомпозиция на короткие блоки без артефактов, параллельная генерация, human-in-the-loop.
Браузер-агент сверяет размерные сетки карточек с официальными сайтами брендов: автопоиск, Vision-извлечение таблиц, нормализация размерных систем.
По выбранным фильтрам кейсов не найдено.
Расскажите про процесс — предложим аудит, пилот или полноценное внедрение.