День 13. Сборка рабочего pipeline

⏱ Время: 90 минут 🎯 Цель: Собрать автоматизацию под реальные задачи маркетплейса 🛠 Нужно: n8n · Google Sheets · Gemini API · Claude · Ideogram API

Зачем это тебе

Катя работает менеджером в небольшом магазине на Wildberries. Продают бытовую химию — 400 артикулов, постоянно заводят новинки от поставщиков. Каждый раз, когда приходит новая партия, Катя садится и вручную пишет карточки: SEO-заголовок, описание, пять буллетов с преимуществами, набор ключевых слов. На один товар уходит 20–30 минут. На партию из 30 позиций — полтора рабочих дня.

В параллельном окне браузера — отзывы. Их в день прилетает по 15–40 штук. На плохие нужно отвечать быстро, иначе карточка падает в рейтинге. Катя отвечает сама, иногда не успевает, иногда пишет впопыхах — и ответ выходит сухим или слишком оправдывательным. Руководитель смотрит, хмурится.

К пятнице Катя выматывается именно от рутины: скопировал артикул — вставил в ChatGPT — скопировал ответ — вставил в таблицу — открыл карточку — вставил в форму — сохранил. Двадцать раз. Тридцать раз. Ничего творческого, только перенос данных между вкладками.

После сегодняшнего урока Катя настраивает pipeline один раз за вечер. Теперь она вносит артикул в таблицу, нажимает запуск — и через две минуты в соседних столбцах появляются заголовок, описание, буллеты и ключевые слова. А новые плохие отзывы сами прилетают в Telegram с готовым черновиком ответа. Катя редактирует черновик за 30 секунд и публикует. Партию из 30 позиций она закрывает за 20 минут вместо полутора дней.

Теория

Что такое pipeline

Pipeline (произносится «пайплайн», буквально — трубопровод) — это цепочка шагов, где результат одного шага автоматически передаётся на вход следующего. Представь конвейер на заводе: заготовка едет по ленте, на каждой станции с ней что-то происходит, на выходе — готовая деталь. Ты не бегаешь между станциями с заготовкой в руках — она едет сама.

В нашем случае «заготовка» — это данные о товаре (артикул, название, категория). Они проходят через несколько «станций»:

Google Sheets — источник данных (откуда берём артикул)
Gemini API — языковая модель (пишет текст)
Google Sheets снова — куда кладём результат

Именно это делает n8n: соединяет эти станции между собой без программирования.

Инструменты дня и зачем каждый нужен

n8n — это визуальный конструктор автоматизаций. Ты перетаскиваешь блоки (они называются «узлы» или «ноды»), соединяешь их стрелками и задаёшь логику. Это как конструктор Lego, только вместо кубиков — готовые подключения к сервисам. n8n бесплатен для самостоятельного использования, не требует написания кода.

Google Sheets используется сразу в двух ролях: как входная таблица (список артикулов, которые нужно обработать) и как выходная (куда падают готовые тексты). Это удобно: твой руководитель может открыть таблицу в браузере и сразу видеть результат — ничего лишнего устанавливать не нужно.

Gemini API — языковая модель от Google. В этом уроке мы используем её как «мозг», который генерирует тексты по промпту. Подключается к n8n через HTTP-запрос — это пять кликов в интерфейсе.

Claude — языковая модель от Anthropic. По сравнению с Gemini немного лучше держит структуру и строже следует инструкциям. В сценарии с отзывами (сценарий Б) Claude хорошо подходит для анализа тональности: он точнее различает «нейтральный отзыв с критикой» и «агрессивный негатив».

Ideogram API — сервис генерации картинок. В отличие от Midjourney, у Ideogram есть API — то есть его можно вызвать из n8n автоматически, без ручного ввода. В сценарии Г (артикул → текст + картинка) pipeline сам передаёт описание товара в Ideogram и получает обратно ссылку на готовое изображение.

Четыре сценария для маркетплейса

Сценарий А: Новый товар → полная карточка Вход: название товара, категория, несколько характеристик (всё вносится в Sheets). Что делает pipeline: один промпт → Gemini возвращает SEO-заголовок, описание 200–300 слов, пять буллетов с преимуществами и строку ключевых слов. Выход: всё это раскладывается по столбцам в той же таблице.

Сценарий Б: Мониторинг отзывов Вход: текст нового отзыва (можно руками вносить или подключить автовыгрузку). Что делает pipeline: Claude определяет тональность (позитивный / нейтральный / негативный), пишет черновик ответа, n8n отправляет в Telegram-бот уведомление с тональностью и черновиком. Выход: ты читаешь в телефоне, правишь два слова, публикуешь.

Сценарий В: Анализ конкурентов Вход: текст карточки конкурента (копируешь и вставляешь в Sheets). Что делает pipeline: модель вычленяет сильные стороны, которые конкурент подчёркивает, и предлагает формулировки, которые выделят твой товар.

Сценарий Г: Артикул → текст + картинка Самый эффектный: вносишь артикул и название, pipeline пишет описание через Gemini, передаёт его в Ideogram, получает картинку и кладёт ссылку на неё в таблицу.

Главное правило построения pipeline

Начинай с самого простого и добавляй один узел за раз. Ошибка новичков — пытаться сразу собрать всю цепочку из восьми шагов. Когда что-то не работает, непонятно где именно сломалось. Правильная стратегия:

Сделай первый узел (Sheets → читаем строку) и проверь, что данные приходят правильно.
Добавь второй узел (отправляем запрос к API) и проверь, что ответ возвращается.
Только тогда добавь третий узел (пишем результат обратно в Sheets).

Каждый узел в n8n можно запустить отдельно кнопкой «Execute Node» и посмотреть, что он вернул. Пользуйся этим постоянно.

Демо: смотрим как работает

Сценарий А: Sheets → Gemini → Sheets

Шаг 1. Готовим таблицу

Открываем Google Sheets. Создаём лист с колонками:

A: Название	B: Категория	C: Характеристики	D: SEO-заголовок	E: Описание	F: Буллеты	G: Ключевые слова
Средство для мытья посуды «Лимон»	Бытовая химия	500 мл, концентрат 1:10, без фосфатов

Первые три столбца заполняем вручную. Столбцы D–G заполнит pipeline.

Шаг 2. Создаём workflow в n8n

Открываем n8n → New Workflow → даём название «Маркетплейс: карточка товара».

Добавляем первый узел: нажимаем «+», ищем «Google Sheets», выбираем «Read Rows». Подключаем аккаунт Google (один раз), указываем ID таблицы и диапазон A2:C100. Нажимаем «Execute Node» — видим, что данные пришли. Первая станция работает.

Шаг 3. Узел HTTP Request для Gemini

Добавляем второй узел: «HTTP Request».

Настройки:

Method: POST
URL: https://generativelanguage.googleapis.com/v1beta/models/gemini-1.5-flash:generateContent?key=ВАШ_КЛЮЧ
Body: JSON

В поле Body вставляем следующее (это и есть наш промпт, обёрнутый в формат Gemini):

{
  "contents": [
    {
      "parts": [
        {
          "text": "Ты копирайтер для маркетплейса Wildberries. Напиши карточку товара.\n\nТовар: {{ $json['Название'] }}\nКатегория: {{ $json['Категория'] }}\nХарактеристики: {{ $json['Характеристики'] }}\n\nВыдай результат строго в таком формате:\nSEO-ЗАГОЛОВОК: [заголовок до 100 символов с главными ключевыми словами]\nОПИСАНИЕ: [описание 200-250 слов, живым языком, с выгодами для покупателя]\nБУЛЛЕТЫ:\n- [преимущество 1]\n- [преимущество 2]\n- [преимущество 3]\n- [преимущество 4]\n- [преимущество 5]\nКЛЮЧЕВЫЕ СЛОВА: [10-15 ключевых слов через запятую]"
        }
      ]
    }
  ]
}

Нажимаем «Execute Node». Смотрим ответ — в поле candidates[0].content.parts[0].text должен быть наш текст с разделами. Вторая станция работает.

Шаг 4. Узел Set — разбираем ответ на части

Добавляем узел «Set». Здесь мы вытащим каждый блок из ответа. Создаём поля:

seo — значение: {{ $json.candidates[0].content.parts[0].text.match(/SEO-ЗАГОЛОВОК: (.+)/)?.[1] }}
description — по аналогии с регулярным выражением для блока ОПИСАНИЕ
bullets — блок БУЛЛЕТЫ
keywords — блок КЛЮЧЕВЫЕ СЛОВА

Небольшое пояснение: регулярное выражение — это просто инструкция «найди всё, что идёт после этих слов до конца строки». В n8n это работает без программирования: копируешь шаблон, меняешь метку.

Шаг 5. Пишем результат обратно в Sheets

Добавляем узел «Google Sheets → Update Row». Указываем:

Строку для обновления: по номеру строки из первого узла
Столбец D = поле seo
Столбец E = поле description
Столбец F = поле bullets
Столбец G = поле keywords

Нажимаем «Execute Workflow». Открываем таблицу — столбцы D–G заполнены. Весь workflow занял 8–12 секунд.

Шаг 6. Обработка ошибок

Что если Gemini вернул пустой ответ или ошибку? Добавляем узел «Error Trigger»: он срабатывает, когда любой предыдущий узел падает с ошибкой. К Error Trigger подключаем Telegram-уведомление: «Ошибка в pipeline карточек: {{ $json.message }}». Теперь ты узнаешь о проблеме сразу, а не через три часа.

Демо сценария Б: Отзыв → анализ → Telegram

Для этого сценария используем Claude вместо Gemini — он точнее с анализом тональности.

Структура workflow:

Google Sheets Trigger — срабатывает при добавлении новой строки в лист «Отзывы»
HTTP Request → Claude API

Промпт для Claude:

Проанализируй отзыв покупателя на маркетплейсе.

ОТЗЫВ:
{{ $json['Текст отзыва'] }}

Оценка: {{ $json['Звёзды'] }} из 5

Выдай строго в формате:
ТОНАЛЬНОСТЬ: [позитивный / нейтральный / негативный]
ГЛАВНАЯ ПРЕТЕНЗИЯ: [одно предложение, что именно не понравилось, или "нет претензий"]
ЧЕРНОВИК ОТВЕТА: [ответ от магазина, вежливый, 2-3 предложения, без шаблонных фраз типа "приносим извинения за доставленные неудобства"]

Telegram-узел — отправляет сообщение с тональностью и черновиком в твой чат

Сообщение в Telegram будет выглядеть так:

🔔 Новый отзыв: ⭐⭐ (2/5)

Тональность: негативный
Претензия: товар пришёл с повреждённой упаковкой

Черновик ответа:
Добрый день! Нам жаль, что заказ пришёл в таком виде — это недопустимо. Напишите нам в личные сообщения, мы организуем замену или возврат в удобное для вас время.

Практика

Задание 1. Подготовь таблицу входных данных (10 минут)

Создай в Google Sheets таблицу с 10 реальными позициями из твоего ассортимента. Заполни столбцы:

Название товара (как он называется у поставщика)
Категория (как на маркетплейсе)
3–5 характеристик через запятую (объём, состав, назначение)

Выбери сценарий для работы: А (карточки), Б (отзывы), В (анализ конкурентов) или Г (текст + картинка). Если не знаешь какой — бери А, он самый универсальный.

Задание 2. Собери workflow в n8n (35 минут)

Следуй демо шаг за шагом. После каждого узла — нажимай «Execute Node» и убеждайся, что данные пришли в правильном виде. Не переходи к следующему узлу, пока текущий не работает корректно.

Контрольные точки:

Узел Sheets: в панели справа видишь строки из таблицы с правильными значениями
Узел HTTP (Gemini/Claude): в ответе есть текст с разделами SEO-ЗАГОЛОВОК, ОПИСАНИЕ и т.д.
Узел Set: поля seo, description, bullets, keywords заполнены корректно
Узел Sheets (запись): в таблице появились данные в столбцах D–G

Задание 3. Протестируй на 10 позициях (20 минут)

Запусти workflow целиком. Проверь каждую строку в таблице:

Заголовок: до 100 символов? Есть ключевые слова?
Описание: 200+ слов? Читается живо, не как робот?
Буллеты: ровно пять? Каждый начинается с заглавной буквы?
Ключевые слова: 10–15 штук? Разделены запятыми?

Если что-то не так — исправь промпт (добавь уточнение) и запусти ещё раз. Это нормально: первый прогон показывает, где промпт надо доточить.

Задание 4. Замерь скорость (10 минут)

Зафиксируй в таблице (или в заметках):

Сколько времени ты раньше тратил на одну карточку вручную (честно, в минутах)
Сколько времени потратил pipeline на 10 позиций (посмотри в n8n: время выполнения последнего запуска)
Посчитай: сколько часов экономит pipeline за месяц, если ты вводишь в среднем Х новых товаров

Это не абстрактная цифра — это аргумент на планёрке, когда тебя спросят «зачем ты занимался этой автоматизацией».

Самостоятельная работа

Запусти pipeline на реальной рабочей партии.

Возьми минимум 20 позиций, которые реально нужно оформить (или переоформить — старые карточки с плохими текстами тоже подходят). Прогони через собранный сегодня pipeline.

Затем:

Просмотри результаты и отредактируй то, что нужно доработать вручную — это займёт в 5–10 раз меньше, чем писать с нуля.
Покажи результат коллеге или руководителю. Не объясняй технику — просто покажи таблицу и скажи «я сделал это за 15 минут». Пусть скажет, что думает о качестве текстов.
Запиши один вывод: что в промпте нужно улучшить, чтобы тексты лучше подходили для вашего ассортимента.

Дополнительно (по желанию): если сегодня делал сценарий А, попробуй добавить к нему сценарий Б. Два pipeline в одном аккаунте n8n работают параллельно и не мешают друг другу.

Чек-лист урока

[ ] Понял что такое pipeline и как он работает на примере конкретного сценария маркетплейса
[ ] Подключил Google Sheets и API модели (Gemini или Claude) в n8n и убедился что данные передаются
[ ] Собрал рабочий workflow от входной таблицы до записи результата
[ ] Протестировал pipeline на 10 реальных позициях и скорректировал промпт по итогам
[ ] Замерил разницу «вручную vs автоматически» и зафиксировал цифру
[ ] Домашнее задание: запустил на 20+ позициях, показал коллеге, записал вывод по промпту