Портфоліо

Реалізовані кейси

Кожен проєкт - конкретна задача бізнесу, рішення і вимірюваний результат.

AI-асистент допродажів у CRM: менеджеру лишається прочитати готову репліку

На кожне нове замовлення сервіс сам підбирає 2 товари для крос-селу і пише готовий скрипт, який менеджер просто зачитує клієнту по телефону. Латентність ~5 секунд, текст пише хмарна модель.

На кожне замовлення - 2 релевантні товари + готовий скрипт прямо в картці CRM
Латентність ~5 секунд від створення замовлення до готового скрипта
LLM обирає лише з топ-10 кандидатів - жодних вигаданих SKU чи цін

KeyCRMPython 3.12FastAPIAPSchedulerhttpx

E-commerce · здорове харчування E-commerce / FoodTech

AI-реактивація клієнтів: повторні покупки без нового рекламного бюджету

Автономна система сама обирає клієнта, генерує персональний лист хмарною LLM, надсилає й вимірює реальний інкремент через контрольну групу. Мета - підняти повторні покупки з 30% до 60% і подвоїти LTV без зростання вартості залучення.

База 15 000+ «сплячих» клієнтів перетворена на керований канал продажів
100% доставка, warmup до 600 листів/добу, дашборд оновлюється щохвилини
Кожна хвиля з 10% контрольною групою - вимір реального lift, а не органіки

Python 3.12FastAPIAPSchedulerhttpxPostgreSQL

Інтернет-магазин з відділом продажів E-commerce / Продажі

AI-аналітика дзвінків: коли кожен злитий клієнт - це втрачені рекламні гроші

Система слухає кожен дзвінок менеджера, розуміє, чи виконав він поставлену задачу, і миттєво сигналізує керівнику, коли клієнта зливають. Реклама дорожчає - кожна розмова має продавати.

Кожен дзвінок транскрибується й аналізується - без вибіркового прослуховування
Миттєвий алерт керівнику, щойно менеджер злив клієнта чи не виконав задачу
Дві ШІ-моделі: Whisper (голос → текст) + локальна LLM (аналіз розмови)

BinotelPython 3.12FastAPIAPSchedulerhttpx

Мультиканальний e-commerce E-commerce / Фінансові операції

Банківські платежі, які самі знаходять своє замовлення

Виписка з банку приходила окремим потоком, і менеджери щодня вручну звіряли її із замовленнями. Тепер платіж сам знаходить своє замовлення, а людині лишається тільки те, де система не впевнена.

99,77% точності на історичному наборі з 1 308 ручних привʼязок
Нуль хибних привʼязок три доби поспіль у тіньовому режимі перед запуском
Близько 800 ручних операцій на місяць більше не робить людина

Python 3.12FastAPIhttpxSQLiteDocker Compose

Група інтернет-магазинів E-commerce / Моніторинг

Тиха відмова: сигналізація, що ловить зупинку інтеграції за 15 хвилин

Дві вітрини мовчки відключились від CRM, і замовлення дві доби не заходили - помітили випадково. Тепер система сама перевіряє девʼять каналів продажу і відрізняє аварію від звичайного затишшя.

9 каналів продажу під безперервним наглядом, цикл перевірки 15 хвилин
Двоярусна логіка: адаптивний поріг тиші плюс перевірка з боку самого майданчика
Ловить не тільки повну зупинку, а й тихе гниття: протухлий прайс-фід, зламану авторизацію, мовчазну зміну складу подій

Python 3.12FastAPIAPSchedulerhttpxSQLite

Інтернет-магазин з відділом продажів E-commerce / Клієнтський сервіс

Хвіст замовлення: три сценарії, після яких замовлення тихо помирає

Замовлення оформлене, але не оплачене, посилка лежить на відділенні, клієнт не бере слухавку. Три сценарії, у яких магазин втрачає вже зароблене - і один сервіс, що працює з усіма трьома.

Три сценарії в одному конвеєрі: несплачені реквізити, посилка на відділенні, недодзвон
Гейт за фактичним станом доставки відсіює третину хибних адресатів, яким нагадування було б помилкою
Приблизно кожне четверте нагадування про оплату закінчується оплатою протягом доби

Python 3.12FastAPIAPSchedulerSQLiteDocker Compose

E-commerce з власним складом E-commerce / Маркетплейси

Один майстер цін на вісім вітрин: ціни, залишки й картки без ручної роботи

Три власні сайти, два маркетплейси, мобільний застосунок, CRM і облікова система показували різні ціни й різні залишки. Тепер джерело правди одне, а розходження зводяться автоматично двічі на добу.

Вісім вітрин отримують ціни з одного джерела двічі на добу, зі знижками як у магазині
Залишки зі складу розходяться по всіх майданчиках кожні десять хвилин
3 710 карток товару, яких CRM не бачила, створено автоматично; каталог виріс у півтора раза

Python 3.12FastAPIAPSchedulerRedisDocker Compose

Інтернет-магазин, роздріб E-commerce / Крос-сел

Допродаж, у якому немає менеджера: рекомендації в кошику з реальних чеків

Майже половина замовлень - одна позиція, а чверть оформлюється вночі, коли менеджерів немає. Блок рекомендацій у кошику щодня перебудовується з матриці спільних покупок і працює цілодобово без жодної людини в контурі.

На старті поле рекомендацій було порожнім у 100% каталогу - 0 з 3 562 товарів
Чотири рекомендації на кожен товар, підібрані з реальних чеків, а не з категорії
Стабілізація зберігає ще валідні звʼязки: у першому бойовому прогоні збережено 14 247 позицій, замінено 1

Python 3.12FastAPIAPSchedulerSQLiteDocker Compose

E-commerce, продукти харчування E-commerce / Утримання клієнтів

Система рахує, коли в клієнта закінчиться товар, і нагадує сама

Замість розсилки «всім і про все» - розрахунок циклу споживання кожної купленої позиції. Повідомлення приходить тоді, коли товар справді закінчується, а ефект міряється проти контрольної групи.

Підняття конверсії у 2,2-2,9 раза проти контрольної групи на основному сценарії
Повернення близько 9 разів на вкладене в канал, підтверджене двома незалежними способами підрахунку
Контрольна група 10% з першого дня: без неї цифри розсилки нічого не означають

Python 3.12FastAPIAPSchedulerSQLiteDocker Compose

Роздрібна торгівля продуктами E-commerce / Інтеграції

Мобільний застосунок і CRM як одна система: двостороння інтеграція без дублів

Замовлення із застосунку продавця мали потрапляти в CRM, а зміни статусів - повертатися назад. Коробкова інтеграція вміла лише один напрям, тому обидва довелося зробити самому - з захистом від циклів і звіркою, що ловить те, чого не привіз вебхук.

Два напрями обміну замість одного коробкового: замовлення туди, статуси назад
Звірка кожні 20 хвилин ловить те, що не приїхало вебхуком
Дерево категорій застосунку зведене один в один з каталогом: 47 категорій, жодного сироти

Python 3.12FastAPIRedisAPSchedulerDocker Compose

Інтернет-магазин з відділом продажів E-commerce / Управлінська звітність

Звітність, якої ніхто не робить руками: власнику о 7:00, менеджерам об 11:00

Два повідомлення на день замінили ручні вивантаження й наради: власник бачить учорашні продажі по кожному менеджеру, менеджери - готовий список, кому дзвонити сьогодні.

Щоденний зріз по кожному менеджеру о 7:00 без жодної ручної дії
Один ранковий дайджест замінює три окремі списки задач для відділу
Аналіз покриття робочого дня виявив, що майже третина вхідних дзвінків лишалась без відповіді

Python 3.12FastAPIAPSchedulerhttpxDocker Compose

Виробник і роздріб продуктів здорового харчування В роботі E-commerce / FoodTech

Бонусна програма, яка живе окремо від сайту і від CRM

Бали клієнтів рахує один сервіс, а сайт, кошик, CRM і бот лише питають у нього. Стартові баланси нараховано 3 822 клієнтам, списання перевірено на живому кошику.

Стартові баланси нараховано 3 822 клієнтам, 137 098 балів
Списання перевірено наскрізно на живому кошику: сума до оплати зменшилась рівно на кількість списаних балів
Знайдено діру в обліку: 18% замовлень, близько 107 на місяць, проходили повз програму

Python 3.12FastAPIUvicornpsycopgPostgreSQL 16

Виробник і роздріб продуктів здорового харчування В роботі E-commerce / FoodTech

Бот-менеджер: продажі й сервісні питання, коли менеджерів немає на зміні

Бот приймає замовлення вночі й на вихідних і відповідає на сервісні питання даними з CRM. Модель не має права вигадати жодного числа: товари, ціни й статуси беруться готовим списком.

Бот працює з клієнтами: відповідає про статус замовлення, ТТН, дату відправки, наявність і баланс бонусів даними з CRM
Новий месенджер підключається без переписування логіки, а клієнт ніколи не бачить замовлень із чужого магазину
Критерій запуску був сформульований заздалегідь: нуль випадків «показав чуже», «збрехав про наявність», «втратив замовлення»

Python 3.12FastAPIaiogram 3pydantic v2psycopg3

Виробник і роздріб продуктів здорового харчування E-commerce / FoodTech

Дзеркало бази замовлень: коли кожна нова автоматизація впирається в ту саму стелю

Кожна нова автоматизація конкурувала зі старими за доступ до даних, а зріз по каналах збирався пів дня руками. Власна копія бази замовлень зняла цю стелю: тепер дані належать бізнесу, і рахувати по них можна скільки завгодно.

56 665 замовлень у власній копії, медіанне відставання від CRM - близько 2 хвилин
Ліміт 2 000 звернень на добу перестав бути межею: сервіси й аналітику годує локальна база
Зріз по 12 каналах рахується за секунди замість пів дня ручних вивантажень: 4 396 виконаних замовлень за 30 днів при середньому чеку 1 062 грн, із порівнянням до попереднього періоду

Python 3.12FastAPIasyncpgAPSchedulerPostgreSQL 16

Виробник і роздріб продуктів здорового харчування E-commerce / Виробництво

Куди зникають нічні замовлення: розбір обміну CRM з обліковою системою

Замовлення губились без жодного сліду, і кожна сторона доводила, що винна інша. Розбір коду обміну показав вікно 10,5 години на добу: частина нічних замовлень доходила на склад із затримкою до години, частина не доходила взагалі.

Знайдено вікно 21:00-07:30, коли нічні замовлення не доходили до складу: частина приїжджала із затримкою до години, частина зникала безслідно
Знайдено другий дефект: замовлення з певним складом позицій не створювалось узагалі
Прочитано 4 440 рядків чужого коду без доступу до середовища розробки, номери рядків звірено з тим, що система писала про себе під час збоїв

1С:ПідприємствоКонфігурація і зовнішні обробки 1СЖурнал реєстрації 1С

Виробник і роздріб продуктів здорового харчування E-commerce / FoodTech

5 257 дзвінків за одну ніч: карта того, що клієнти питають насправді

Чотири місяці записів кол-центру перетворено на довідник із 24 тем із цитатами клієнтів. Система не оцінює менеджерів - вона чує клієнтів. Головна знахідка: кожне четверте питання - про оплату.

5 257 дзвінків розшифровано за одну ніч: 2,43 секунди на дзвінок, 3,84 млн символів тексту
701 питання витягнуто з розмов і згруповано у 24 теми з цитатами клієнтів і відповідями менеджерів
Оплата виявилась темою кожного четвертого питання - 26% усіх звернень

Python 3.12faster-whisper large-v3Qwen (Ollama)PostgreSQL 16Docker Compose

Інтернет-магазин продуктів здорового харчування E-commerce / FoodTech

Воронка з TikTok повз сайт: лендинг, який створює готове замовлення в CRM

Клієнт із реклами не йде на сайт: він збирає набір прямо на лендингу, а в CRM падає готове замовлення з позиціями, цінами й знижкою. Менеджеру лишається подзвонити.

Лід приходить у CRM готовим замовленням: позиції, кількість, ціни й знижка вже проставлені
Наскрізний тест: система і CRM порахували однаково, включно зі знижкою
Ціноутворення підібране так, щоб знижка не ламала обмін з обліковою системою

Python 3.12FastAPIUvicornDocker ComposeTraefik

Інтернет-магазин здорового харчування В роботі E-commerce / FoodTech

Корпоративний університет менеджерів для e-commerce: онбординг за 15 днів

Жива база знань на Notion плюс хмарна LLM як симулятор клієнта. Скорочує онбординг нового менеджера з 2-3 місяців до 15 днів і робить якість продажу системною, а не залежною від конкретної людини.

На зараз: 36 карток-тренінгів топ-3 категорій; попереду 20+ категорій і 2000+ товарів
Аналітика з нуля: автоматичне визначення топ-12 у кожній категорії з вивантаження CRM
Цільовий онбординг новачка: 15 робочих днів замість 2-3 місяців

NotionPython 3.12 (pandas)FastAPIAPSchedulerhttpx

Бухгалтерія / опт і виробництво Бухгалтерія / 1С

AI-розпізнавання первинки: від фото документа до прибуткової накладної в 1С

Бухгалтер фотографує або скидає документ - система розпізнає рахунок, накладну чи акт, формує строгий JSON і створює прибутковий документ прямо в 1С. Усе на локальному сервері, дані не виходять за периметр.

Вхід будь-якого формату: фото, PDF, Word, Excel - бот або інтерфейс у 1С
Розпізнавання у строгий JSON → готовий прибутковий документ в 1С
Документи створюються непроведеними - людина звіряє очима перед проведенням

Python 3.12FastAPIAPSchedulerhttpxSQLite

Виробник одягу В роботі Виробництво / Fashion

Автономне замовлення товару для виробника одягу

Система щоночі сама переглядає тисячі позицій і готує замовлення - у потрібний час, обсязі та для потрібного постачальника, враховуючи різні терміни виробництва. Менеджер перестає бути калькулятором і починає контролювати систему.

Щоночі система сама перераховує тисячі позицій (моделі × кольори × розміри)
Кожне замовлення - з поясненням «чому саме стільки», а не чорна скринька
Враховано різні терміни виробництва: власна фабрика, підрядник, закордон

Python 3.12FastAPIAPSchedulerhttpxPostgreSQL

VeganPlace · здорове харчування E-commerce / FoodTech

5200 карток товару за добу: масова AI-переробка описів для нового магазину

Власник запускав другий магазин і хотів унікальні емоційні описи замість сухих. Людина за місяць не закрила й частину. Конвеєр переробив усі 5200 карток за 24 години - з HTML-версткою, SEO і перевіркою фактів.

5200 карток (2600 товарів × 2 мови) перероблено за ~24 години
Емоційні описи в стилі лендингу + HTML-верстка + нативне SEO у кожній картці
Вбудована перевірка фактів: калорійність, білки/жири/вуглеводи, мова, помилки

Python 3.12FastAPIAPSchedulerhttpxSQLite

E-commerce / роздріб E-commerce / Продажі

Дрібні автоматизації: непомітні процеси, що крадуть години щодня

Окрім великих систем я впроваджую десятки маленьких автоматизацій. Поодинці кожна дрібна - разом вони звільняють менеджерам години щодня. ТТН і посилання на оплату через Viber Business, автоматичні платіжні лінки, оновлення цін.

Десятки дрібних автоматизацій економлять менеджерам години щодня
ТТН і посилання на оплату - у Viber Business: читабельніше за SMS, з кнопками
Посилання на повну/часткову оплату формується автоматично через API (роутинг ФОП)

Python 3.12FastAPIAPSchedulerhttpxSQLite