SkyCoverSystem

Готовые запросы

Проверенные промпты для вашего помощника. Скопируйте текст, вставьте в чат с подключённым SkyCoverSystem — и получите сводку, таблицу или дашборд.

Реклама: ДРР по товарам

ТаблицаОтвет в чатеРеклама

Расход, заказы и ДРР по каждому рекламируемому артикулу за неделю и где реклама не окупается.

Текст запроса
Разбери рекламу за последние 7 дней с данными.

1. v_ads, group_by=[platform, vendor_code], metrics=sum(cost, clicks, views, orders, orders_sum),
   derived=[ctr_pct, cpc, drr_ads_pct], order_by=-sum_cost.
2. Общий ДРР товара к сумме всех заказов: v_daily, group_by=[vendor_code], derived=[drr_orders_pct].
3. Отметь товары, где рекламный ДРР выше маржи до рекламы (маржа — из v_profit за 30 дней: margin_before_tax_pct
   + drr_pct). Это кандидаты на снижение ставок.
Объясни разницу между рекламным ДРР (к заказам с рекламы) и общим (ко всем заказам).

Правила для всех расчётов:
- Сначала вызови data_freshness и скажи, по какое число есть данные у каждой площадки.
- Считай через query_mart с group_by и metrics, доли и цены на штуку — через derived. Не складывай строки сам.
- Называй основу чисел: оформленные заказы (v_daily) или выкупы (v_profit).
- Если в ответе query_mart есть заметки (notes) о товарах без себестоимости — перескажи их пользователю.
- Пиши по-русски, коротко, цифры с разделителями разрядов и знаком ₽.
Скачать .txt

Почему упали продажи

Ответ в чатеУправлениеСкладРеклама

Какие товары заметно просели за неделю, на какой площадке и что этому предшествовало: цена, остатки, реклама.

Текст запроса
Разберись, почему упали продажи.

1. weekly_changes: товары с заметным падением заказов за последнюю неделю к предыдущей, по площадкам.
   Если пользователь назвал товар или площадку — сосредоточься на них.
2. По каждому из трёх самых крупных падений (по сумме заказов):
   - price_changes по товару за 60 дней — менялась ли цена и как на это отвечали заказы;
   - supply_plan — нет ли его в состоянии «Нет в наличии» или «Закончится до поставки»;
   - для WB — v_daily, group_by=[date], metrics=sum(card_views, add_to_cart, orders_qty), derived=[cr_pct]:
     упали просмотры (видимость в поиске) или конверсия (цена, отзывы, карточка).
   - реклама — v_ads по товару: не урезали ли бюджет.
3. Итог: по каждому товару — наиболее вероятная причина и одно действие. Причины называй как гипотезы с цифрами.

Правила для всех расчётов:
- Сначала вызови data_freshness и скажи, по какое число есть данные у каждой площадки.
- Считай через query_mart с group_by и metrics, доли и цены на штуку — через derived. Не складывай строки сам.
- Называй основу чисел: оформленные заказы (v_daily) или выкупы (v_profit).
- Если в ответе query_mart есть заметки (notes) о товарах без себестоимости — перескажи их пользователю.
- Пиши по-русски, коротко, цифры с разделителями разрядов и знаком ₽.
Скачать .txt

Помощник может предложить эти отчёты сам: у сервера есть инструменты reports и report_prompt.