Проблема: отзывы разбросаны, аналитики нет
Если у вас сеть из 10-50 точек в 2ГИС, то вы знаете боль: отзывы разбросаны по каждому филиалу, единой аналитики нет, а ручной мониторинг занимает часы. Какая точка проседает? Что именно бесит клиентов? На какие жалобы стоит ответить первыми? Эти вопросы либо остаются без ответа, либо решаются стажёром с Excel.
По данным SentiSum, 95% бизнесов считают анализ клиентского сентимента критически важным. Но 85% компаний планировали внедрить AI-инструменты для анализа отзывов ещё к 2025 году. Реальность? Большинство до сих пор читают отзывы глазами.
Я решил эту проблему за одно утро. Без Python-скриптов. Без API-ключей от платных сервисов. Без дашборда за $500/мес. Только расширение Claude для Chrome и два промпта.
Claude Code в браузере: что это и почему это меняет правила игры
Claude Code с интеграцией Chrome — это не просто чат-бот. Это AI-агент, который видит ваш браузер, может навигировать по страницам, кликать на элементы, извлекать данные и выполнять JavaScript прямо на странице. Вы буквально даёте AI доступ к вашему Chrome — со всеми залогиненными сессиями.
Расширение доступно в бета-версии для всех платных планов Claude (Pro, Max, Team, Enterprise) и работает в Google Chrome и Microsoft Edge. По сути, ваш браузер превращается в рабочее место AI-аналитика.
Как это работает: от 2ГИС до дашборда за 10-20 минут
Весь процесс состоит из двух этапов. Первый промпт собирает сырые данные, второй превращает их в интерактивный дашборд. Между ними можно сходить за кофе.
Промпт #1: Сбор данных из 2ГИС
Этот промпт делает всю грязную работу. Он учитывает специфику 2ГИС: Catalog API не работает снаружи, поэтому данные филиалов парсятся из SSR-страниц. Reviews API — публичный, но с лимитом 50 отзывов на запрос и пагинацией через offset_date.
https://2gis.kz/{город}/branches/{org_id}). Затем откройте расширение Claude в том же браузере и вставьте промпт.У меня открыта вкладка 2ГИС со страницей филиалов организации. Собери все данные по этой организации и скачай два файла.
=== АЛГОРИТМ ===
ШАГ 1: Получить список branch_id
- Найди на странице скроллируемый контейнер списка филиалов (div с scrollHeight > 1500)
- Прокрути его до конца: container.scrollTop = container.scrollHeight
- Подожди 3 сек, повтори прокрутку если надо
- Извлеки все branch_id из ссылок: document.querySelectorAll('a[href*="/firm/"]'), регулярка /\/firm\/(\d+)/
- Убедись что количество совпадает с числом "филиал организации" на странице
ШАГ 2: Собрать информацию о каждом филиале
- Для каждого branch_id загрузи HTML: fetch('https://2gis.kz/almaty/firm/{branch_id}')
(замени "almaty" на город из текущего URL)
- В HTML найди JSON данных филиала: ищи '"address_name"', от него назад до '"data":{', парси объект считая скобки {}
- Из объекта извлеки: id, name, full_name, address_name, point.lon, point.lat, address.postcode, adm_div → district/city, contact_groups → phones/email/website, reviews.general_rating, reviews.general_review_count, schedule, rubrics, org.id, org.name
- Пауза 1 сек между запросами
ШАГ 3: Собрать отзывы
- Для каждого branch_id запрашивай отзывы:
GET https://public-api.reviews.2gis.com/3.0/branches/{branch_id}/reviews
Параметры: limit=50, is_advertiser=true, fields=meta.providers,meta.branch_rating,meta.branch_reviews_count,meta.total_count, rated=true, sort_by=date_created, key=6e7e1929-4ea9-4a5d-8c05-d601860389bd, locale=ru_KZ
- Пагинация: бери date_created последнего отзыва, передавай как offset_date
- Собирай по 100 отзывов на филиал (2 запроса по 50)
- Из каждого отзыва бери: id, rating, text, date_created, date_edited, user.id, user.name, likes_count, comments_count, provider, is_hidden, official_answer.text, official_answer.date_created
- Пауза 0.5 сек между запросами
ШАГ 4: Скачать файлы — два JSON файла (branches + reviews)
ВАЖНО:
- Catalog API (catalog.api.2gis.ru) НЕ работает снаружи
- Reviews API (public-api.reviews.2gis.com) работает свободно с ключом выше
- Данные филиалов бери из SSR HTML страниц 2gis.kz/firm/{id}
- limit у reviews API максимум 50, при 100 вернёт 400
- Пагинация ТОЛЬКО через offset_date, не через page/offsetЧто происходит под капотом
Claude выполняет три последовательных шага, каждый из которых опирается на особенности архитектуры 2ГИС:
Структура JSON файлов
На выходе вы получаете два структурированных JSON файла. Вот что внутри каждого из них:
| Поле | branches.json | reviews.json |
|---|---|---|
| Мета-данные | org_id, org_name, collected_at, branches_count | org_id, org_name, collected_at, total_reviews |
| Идентификация | branch_id, name, address | review_id, branch_id, branch_name |
| Геоданные | city, district, lon, lat | branch_address |
| Рейтинг | rating, reviews_count | rating (1-5), text, date_created |
| Контакты / Пользователь | phones, schedule, rubrics | user_name, likes_count |
| Ответ компании | — | official_answer_text, official_answer_date |
Формат универсальный — эти JSON можно загрузить в любой инструмент: Excel, Google Sheets, Python (pandas), Power BI. Но зачем, если Claude сам сделает дашборд?
Промпт #2: Аналитический дашборд
Второй промпт превращает сырые JSON в полноценный интерактивный дашборд. Один HTML файл, никаких зависимостей, работает в любом браузере. Да, это «просто HTML» — но за 5 минут генерации вы получаете то, что аналитик делал бы неделю.
Создай полноценный HTML-дашборд аналитики отзывов. На входе у тебя два JSON файла: branches и reviews. === ТРЕБОВАНИЯ К ДАШБОРДУ === ДИЗАЙН: - Тёмная и светлая тема (toggle в хедере) - Apple-стиль: чистые линии, много воздуха, rounded-2xl карточки - Шрифт: system-ui, -apple-system - Цветовая палитра: синий (#3b82f6) для основных, зелёный (#22c55e) для позитива, красный (#ef4444) для негатива, жёлтый (#eab308) для нейтрала - Адаптивная вёрстка (mobile-first) - CSS Grid для раскладки карточек 7 ВКЛАДОК: 1. ОБЗОР - KPI-карточки: средний рейтинг, всего отзывов, % с ответом компании, NPS (рассчитай из рейтингов: 5=промоутер, 4=нейтрал, 1-3=критик) - Тренд рейтинга по месяцам (line chart, Canvas) - Распределение оценок (horizontal bar chart: 5★, 4★, 3★, 2★, 1★) - Топ-3 лучших и худших точки 2. ЧТО ХВАЛЯТ - Тематическая классификация позитива (сервис, качество, скорость, цена, чистота, локация) - Цитаты клиентов с рейтингом - Облако позитивных ключевых слов 3. ПРОБЛЕМЫ - Тематическая классификация негатива (те же темы) - Цитаты с рейтингом - Срочные проблемы (повторяющиеся жалобы) 4. ТОЧКИ (таблица) - Сортируемая таблица: название, адрес, рейтинг, кол-во отзывов, % негатива, % с ответом - Фильтры по рейтингу - Цветовая индикация (красный/жёлтый/зелёный) 5. ОТЗЫВЫ - Список всех отзывов с пагинацией (20 на страницу) - Фильтры: рейтинг, точка, период, наличие ответа - Поиск по тексту - Сортировка: по дате, рейтингу 6. ЧТО ДЕЛАТЬ (рекомендации) - Конкретные рекомендации по каждой проблемной точке - Приоритизация: критично / важно / желательно - Шаблоны ответов на типичные жалобы 7. АНАЛИЗ ТОЧЕК - Детальный разбор каждой точки - Мини-графики трендов для каждой - Сильные/слабые стороны - Конкретные рекомендации ТЕХНИЧЕСКИЕ ТРЕБОВАНИЯ: - Один HTML файл, весь CSS и JS инлайн - Charts на Canvas (не внешние библиотеки) - Сентимент-анализ: классифицируй по ключевым словам (хорошо/отлично/быстро/чисто = позитив; плохо/долго/грязно/хамство = негатив) - Тематическая классификация: группируй отзывы по темам на основе ключевых слов - Плавные анимации переходов между вкладками - Загрузка JSON через File API (drag & drop или кнопка) Сохрани как артефакт HTML.
Результат: готовый дашборд
Вот что я получил, прогнав промпты на реальной сети из 15 точек. Claude собрал 1,200+ отзывов и сгенерировал HTML-дашборд с полной аналитикой. Вы можете посмотреть готовый артефакт:
Интерактивный HTML-артефакт: 7 вкладок, графики на Canvas, тёмная тема, сентимент-анализ, рекомендации по точкам.
Да, это просто HTML-файл. Нет, это не production-система. Но за 10-20 минут вы получаете 80% аналитики, которую консалтинговая фирма делала бы месяц. Это первый шаг. Дальше — больше.
Что внутри дашборда: 7 вкладок аналитики
Дашборд содержит семь вкладок, каждая из которых решает конкретную бизнес-задачу. Давайте разберём на примерных данных.
Сентимент-анализ отзывов
Claude классифицирует каждый отзыв по тональности на основе ключевых слов. Не GPT-style NLP, а простая, но эффективная эвристика, которая работает для русского языка на практике. По данным Chatmeter, keyword-based сентимент даёт 85-90% точности на отзывах.
Распределение сентимента по 1,200+ отзывам (пример)
Тренд отзывов по месяцам
Вкладка «Обзор» показывает тренд количества отзывов и среднего рейтинга. Видно сезонность, видно всплески после маркетинговых кампаний, видно падения после проблемных периодов.
Количество отзывов по месяцам, сентябрь 2025 – март 2026 (пример)
Тематическая классификация
Вкладки «Что хвалят» и «Проблемы» группируют отзывы по темам: сервис, скорость, цена, качество, чистота, локация. Это позволяет увидеть, что именно ценят и что бесит клиентов.
Количество упоминаний по темам (пример)
Плюс седьмая вкладка «Анализ точек» с детальным разбором каждого филиала: мини-графики трендов, сильные и слабые стороны, персональные рекомендации.
Сравнение: ручной анализ vs Claude
Давайте честно сравним три подхода к анализу отзывов сети из 15 точек. Я специально включил «стажёр с Excel» — потому что именно так это делается в 90% бизнесов Казахстана.
| Параметр | Стажёр + Excel | Python-скрипт | Claude |
|---|---|---|---|
| Время | 2-3 дня | 4-8 часов | 10-20 минут |
| Стоимость | 50,000-100,000 ₸ | Бесплатно (ваше время) | $20/мес (подписка) |
| Навыки | Усидчивость | Python, pandas, API | Копировать промпт |
| Визуализация | Графики в Excel | Matplotlib/Plotly | Интерактивный HTML |
| Сентимент-анализ | |||
| Рекомендации | |||
| Повторяемость | Каждый раз заново | Скрипт можно перезапустить | Промпт можно перезапустить |
Ручной анализ vs Claude: сравнение по шести параметрам
Единственное, в чём ручной анализ побеждает — это глубина понимания контекста. Человек может уловить сарказм, локальные мемы, культурные отсылки. Но для 80% задач мониторинга этого не нужно. Нужна скорость, охват и повторяемость. И тут Claude выигрывает с разрывом.
Не надо выбирать одно из двух. Используйте Claude для первичного сбора и визуализации, а экспертизу человека — для стратегических решений на основе этих данных.
Что дальше: от HTML к production
Да, итоговый артефакт — это «просто HTML файл». И я не буду притворяться, что это enterprise-решение. Но вот что важно: это первый шаг, который занимает 20 минут вместо месяца. И дальше есть куда расти:
По данным Crescendo AI, компании с системой мониторинга отзывов в 2.4 раза чаще превышают целевые показатели удовлетворённости клиентов. А Nextiva отмечает, что клиенты тратят на 30%+ больше в бизнесах с отличными отзывами.
Мир веб-скрейпинга с AI стремительно меняется. То, что раньше требовало Python, Selenium и недели отладки, теперь решается промптом в браузере. Платформы типа Apify уже делают 2ГИС-скраперы как сервис, но с Claude вы не зависите от чужого API и не платите за каждый запрос.
Если вы управляете сетью точек в 2ГИС, попробуйте. Скопируйте промпты выше, откройте расширение Claude в Chrome, и через 20 минут у вас будет полная картина по отзывам. Это не магия. Это новый workflow, к которому стоит привыкнуть.
