Как Machine Learning превращает отзывы в рыночные данные

Ключевые метрики

Я разработал RedStat — аналитическую платформу, которая превращает публичные отзывы покупателей Kaspi Магазин в структурированные рыночные данные: объёмы продаж, тренды категорий и прогнозы спроса. Без доступа к внутренним API маркетплейса. Без персональных данных. Только математика и машинное обучение.

По данным Kaspi.kz, маркетплейс обслуживает более 14 миллионов активных покупателей в Казахстане. Это делает базу отзывов статистически значимой — достаточной для построения надёжных ML-моделей.

Почему это работает

Kaspi — уникальная площадка. В отличие от Amazon или Wildberries, где отзывы может оставить кто угодно, на Kaspi действует строгая система верификации: отзыв = покупка.

Исследования Chevalier & Mayzlin (2006) в Journal of Marketing Research показали: количество отзывов напрямую коррелирует с объёмами продаж. На Kaspi эта корреляция ещё сильнее — ведь каждый отзыв верифицирован транзакцией через Kaspi Pay.

Data Pipeline

Весь процесс от сырых данных до готовой аналитики проходит через 5 этапов. Каждый этап автоматизирован и воспроизводим. Pipeline построен на Python с использованием scikit-learn и Hugging Face Transformers для NLP-задач.

Для прогнозирования временных рядов RedStat использует подход, аналогичный Facebook Prophet — модели с явным учётом сезонности и праздничных эффектов. Для обработки текста отзывов применяется ruBERT — русскоязычная версия BERT от Google.

Метод верифицированного следа

Метод строится на простой, но мощной идее: каждый верифицированный отзыв — это след реальной покупки. Зная соотношение отзывов к покупкам (конверсию), мы восстанавливаем полную картину продаж. Академическое обоснование подхода — в работе Anderson & Magruder (2012) в NBER, которая показала, что рейтинги и количество отзывов на ресторанных платформах точно предсказывают загруженность. На Kaspi связь ещё прямее — нет анонимных отзывов.

Конверсия «покупка → отзыв» по категориям

Электроника и бытовая техника показывают наибольшую конверсию — покупатели дорогих товаров чаще оставляют отзывы. Это согласуется с исследованием Duan et al. (2008) в Journal of Interactive Marketing: высокая цена товара стимулирует покупателя поделиться опытом. Одежда — наименьшую, что типично для fashion-категорий на любом маркетплейсе.

Machine Learning: 90% точности

Модель RedStat обучена на 68 400+ верифицированных примерах — товарах, для которых мы знаем реальные продажи через партнёров-селлеров и можем сверить с нашей оценкой. Архитектура использует градиентный бустинг (аналог XGBoost) для числовых признаков и BERT-embeddings для текстовых признаков отзывов.

Для оценки качества NLP-классификации используется метрика ROC AUC. Для оценки точности прогнозов объёмов продаж — MAPE (Mean Absolute Percentage Error), стандарт для задач прогнозирования временных рядов.

Прогнозирование

Модель прогнозирования учитывает три ключевых фактора, которые определяют будущий спрос в каждой категории. Подход основан на декомпозиции временного ряда на тренд, сезонность и остаток — классический метод STL-decomposition (Seasonal and Trend decomposition using Loess).

Факт vs Прогноз (агрегат по топ-категориям)

Легальность и этика

Методология RedStat полностью соответствует Закону РК «О персональных данных и их защите». Сбор публичных данных методом веб-скрапинга является легальным в большинстве юрисдикций (решение по делу hiQ Labs v. LinkedIn, 2022). Три правовых основания и три этических принципа:

Итог

Метод верифицированного следа — это не магия и не хакинг. Это математика, построенная на уникальной особенности Kaspi. Я создал RedStat как инструмент для тех, кто хочет принимать решения на основе данных, а не интуиции — в одном из самых быстрорастущих e-commerce рынков Центральной Азии. По данным Statista, объём казахстанского e-commerce рынка превысил $3 млрд в 2025 году.