AI-дашборд для клиента: автоотчёты с инсайтами

Каждую пятницу приходит сообщение от клиента: «Ну как там сайт?». Вы открываете GA4, Яндекс.Метрику, Search Console, смотрите цифры, формулируете текст — и час жизни ушёл. Умножьте на 10 клиентов и 52 недели. Это 520 часов в год на ручную работу, которую можно полностью автоматизировать.

В этой статье — конкретная схема: собираем метрики из нескольких источников, прогоняем через промпт к Claude или GPT-4o, получаем человекочитаемый инсайт и отправляем клиенту в Телеграме или на почту.

Что болит у клиента (и у вас)

Клиент не понимает цифры. Ему неинтересно, что «bounce rate составил 64,3%». Ему важно: стало лучше или хуже, почему, что делать. Именно это и генерирует AI.

Для вас проблема в другом: собрать данные из 5 источников, свести в таблицу, написать текст — это механическая работа без творческой ценности. Её надо делегировать скрипту.

Источники данных

Минимальный набор для большинства бизнес-сайтов:

Для e‑commerce добавляем:

• Данные из CRM (новые заказы, выручка за неделю)
• Данные рекламных кабинетов (Яндекс.Директ, VK Реклама) — CPL, ROAS

Архитектура пайплайна

Cron (каждое воскресенье 08:00)
  → Сборщик метрик (Python / n8n)
    → Агрегация в JSON
      → AI-промпт (Claude API / OpenAI)
        → Форматирование отчёта
          → Отправка (Telegram Bot / Email)

Два варианта реализации: n8n (no-code, быстрее стартовать) и Python-скрипт (гибче, дешевле при масштабе).

Вариант 1: n8n

Если вы уже используете n8n — это самый быстрый путь. Создаёте workflow:

1. Schedule Trigger — каждое воскресенье в 8 утра
2. HTTP Request — запрос к GA4 Data API (POST https://analyticsdata.googleapis.com/v1beta/properties/{id}:runReport)
3. HTTP Request — Яндекс.Метрика (https://api-metrika.yandex.net/stat/v1/data)
4. HTTP Request — PageSpeed (https://www.googleapis.com/pagespeedonline/v5/runPagespeed?url=...)
5. Code node — агрегация всех данных в один JSON объект
6. HTTP Request → Claude API или OpenAI
7. Telegram node — отправка клиенту

Из минусов: n8n на бесплатном тарифе ограничен по исполнениям. На self-hosted (Docker) — без ограничений, ~500 руб/мес на VPS.

Вариант 2: Python-скрипт

Больше контроля, проще отлаживать, проще запускать через cron на сервере.

import httpx
import json
from datetime import datetime, timedelta
from anthropic import Anthropic

client = Anthropic()

def collect_pagespeed(url: str) -> dict:
    api_url = f"https://www.googleapis.com/pagespeedonline/v5/runPagespeed"
    r = httpx.get(api_url, params={"url": url, "strategy": "mobile"})
    data = r.json()
    cats = data["lighthouseResult"]["categories"]
    return {
        "performance": round(cats["performance"]["score"] * 100),
        "lcp": data["lighthouseResult"]["audits"]["largest-contentful-paint"]["displayValue"],
        "cls": data["lighthouseResult"]["audits"]["cumulative-layout-shift"]["displayValue"],
    }

def generate_insight(metrics: dict) -> str:
    prompt = f"""
Ты — аналитик веб-студии. Клиент получит этот отчёт напрямую.
Пиши на русском, деловым языком, без технического жаргона.
Объём: 150-200 слов.

Данные за неделю:
{json.dumps(metrics, ensure_ascii=False, indent=2)}

Напиши:
1. Главный вывод (одно предложение)
2. Что выросло / упало и почему (предположение)
3. Одна конкретная рекомендация на следующую неделю
"""
    message = client.messages.create(
        model="claude-opus-4-5",
        max_tokens=400,
        messages=[{"role": "user", "content": prompt}]
    )
    return message.content[0].text

Полный скрипт с отправкой в Телеграме — ещё ~80 строк. Запускается через crontab -e:

0 8 * * 0 /usr/bin/python3 /opt/reports/weekly_report.py >> /var/log/reports.log 2>&1

Промпт для AI: принципы

Сырые данные в промпт не помогут. Важно дать контекст:

Клиент: интернет-магазин женской одежды, Москва
Основная цель сайта: продажи (цель «purchase» в GA4)
Сезонность: март — начало весеннего сезона, рост спроса ожидаем

Данные прошлой недели vs позапрошлой:
- Сессии: 1240 → 1380 (+11%)
- Конверсия: 2.1% → 1.8% (-14%)
- Средняя позиция (GSC): 18.4 → 16.1 (улучшение)
- PageSpeed mobile: 62 → 58 (ухудшение)

Хороший промпт включает: профиль клиента, контекст сезонности, дельты (не абсолюты), приоритет метрик для этого бизнеса.

Что отправлять разным типам бизнеса

Лендинг / услуги:

• Заявки/звонки (конверсии) — главное
• Источники трафика
• Позиции по ключевым запросам

Интернет-магазин:

• Транзакции, выручка, средний чек
• Брошенные корзины
• ROAS рекламных кампаний

Корпоративный сайт:

• Время на сайте, глубина просмотра
• Страницы с высоким отказом
• Прирост органического трафика

Реальные цифры

Время на постройку пайплайна: 4 – 6 часов (Python) или 2 – 3 часа (n8n).

Ежемесячные расходы:

• Claude API (claude-opus‑4 – 5, 10 клиентов x 4 отчёта): ~$3 – 5
• VPS для cron/n8n: 300 – 500 руб
• PageSpeed, GSC, Metrika API: бесплатно

Итого: ~700 руб/мес за полную автоматизацию vs 40+ часов ручного труда.

Пример: сырые данные vs AI-инсайт

Сырые данные:

sessions: 1240, bounce_rate: 67.3, goal_completions: 22,
pagespeed_mobile: 58, avg_position: 18.4

AI-инсайт:

На этой неделе сайт посетили 1240 человек, из которых 22 оставили заявку — это хороший результат для марта. Однако 67% посетителей уходят после первой страницы, что выше нормы. Скорость загрузки на мобильных снизилась до 58 баллов — это может быть причиной. Рекомендую проверить, не появились ли новые тяжёлые изображения на главной, и оптимизировать их до следующей недели.

Разница очевидна. Клиент понимает второй вариант без объяснений.