Что такое промпт для анализа данных
Промпт — это текстовая инструкция, которую аналитик отправляет нейросети для получения конкретного результата. В контексте аналитики промпт превращает размытый запрос в структурированную задачу с понятными входными данными, ожидаемым форматом ответа и критериями качества. Нейросеть не угадывает намерения, она интерпретирует то, что написано буквально.
Разница между слабым и сильным промптом определяет, получите вы универсальный совет или готовое решение. Слабый промпт звучит как "проанализируй эти данные" и приводит к поверхностному обзору без привязки к бизнес-контексту. Сильный промпт включает описание данных, цель анализа, ограничения и формат вывода.
Промпт работает как техническое задание: чем точнее сформулирована задача, тем меньше итераций потребуется для получения результата.
Аналитику промпты нужны не для замены его работы, а для ускорения рутинных операций. Написание SQL-запросов, генерация кода для обработки данных, интерпретация метрик, подготовка отчётов — задачи, где нейросеть экономит часы времени при правильной постановке вопроса.
Структура эффективного аналитического промпта
Промпт для аналитики состоит из пяти обязательных блоков. Их последовательность влияет на качество ответа, потому что нейросеть обрабатывает текст линейно и формирует контекст на основе первых предложений.
Контекст задачи
Первый блок описывает, с какими данными работает аналитик и какую проблему нужно решить. Контекст задаёт рамки для нейросети и исключает общие рекомендации, не применимые к конкретной ситуации.
Пример слабого контекста: "У меня есть данные о продажах". Пример сильного контекста: "У меня есть таблица с транзакциями интернет-магазина за последние 6 месяцев. Столбцы: дата заказа, сумма, категория товара, канал привлечения, статус оплаты. Нужно понять, какие категории приносят больше всего выручки и как меняется их доля по месяцам".
Сильный контекст содержит структуру данных, временной период, бизнес-вопрос. Это позволяет нейросети сразу предложить конкретный метод анализа, а не задавать уточняющие вопросы.
Роль и экспертиза
Второй блок определяет, с какой позиции нейросеть должна отвечать. Роль влияет на глубину анализа и формат рекомендаций. Если не указать роль, нейросеть отвечает обобщённо, смешивая технические детали с бизнес-выводами.
Примеры ролей для аналитических промптов:
- Дата-аналитик с опытом работы в ecommerce
- SQL-разработчик, специализирующийся на оптимизации запросов
- Продуктовый аналитик, работающий с метриками удержания
- Бизнес-аналитик, готовящий презентации для руководства
Роль задаёт уровень технической детализации. Если нужен готовый код, указывайте роль разработчика. Если нужна интерпретация метрик для нетехнической аудитории, указывайте роль бизнес-аналитика.
Формат вывода
Третий блок описывает, как должен выглядеть результат. Без этого блока нейросеть выбирает формат произвольно, что часто приводит к многословным объяснениям вместо структурированного ответа.
Форматы вывода для аналитических задач:
- Готовый код на Python или SQL с комментариями
- Таблица с метриками и их интерпретацией
- Пошаговая инструкция с примерами команд
- Список выводов с подтверждающими данными
- Текст для слайда презентации с ключевыми цифрами
Формат вывода также включает технические ограничения. Например, если код должен работать в определённой версии библиотеки или использовать конкретный диалект SQL, это нужно указать явно.
Ограничения и требования
Четвёртый блок перечисляет условия, которые нейросеть должна учесть. Ограничения предотвращают решения, которые технически корректны, но неприменимы в реальной среде.
Типичные ограничения в аналитических промптах:
- Размер данных — если таблица содержит миллионы строк, некоторые методы станут неэффективными
- Доступные инструменты — если можно использовать только стандартную библиотеку Python, это исключает сторонние пакеты
- Время выполнения — если запрос должен работать в реальном времени, это меняет подход к оптимизации
- Конфиденциальность — если данные содержат персональную информацию, нужно учесть требования по её обработке
Ограничения также могут касаться уровня сложности. Если решение должно быть понятно джуниору, это исключает продвинутые техники в пользу базовых подходов.
Примеры и референсы
Пятый блок добавляет конкретные примеры входных данных или желаемого результата. Примеры устраняют неоднозначность и показывают нейросети точный формат, который нужно воспроизвести.
Если вы просите написать SQL-запрос, приложите несколько строк из таблицы. Если нужна интерпретация графика, опишите, какие паттерны вы видите и как их нужно объяснить. Примеры работают как якорь, который не даёт нейросети уйти в абстрактные рассуждения.
Добавление одного примера входных данных сокращает количество итераций уточнения промпта в среднем на 40%.
Базовые промпты для начинающих аналитиков
Начинающим аналитикам нужны промпты, которые помогают разобраться с данными и построить первые гипотезы. Эти промпты решают задачи, с которыми сталкивается каждый на старте работы с новым датасетом.
Первичный осмотр данных
Перед любым анализом нужно понять структуру данных, найти пропуски, выбросы и ошибки. Промпт для первичного осмотра должен генерировать код, который быстро покажет основные характеристики датасета.
Пример промпта:
Ты дата-аналитик. У меня есть CSV-файл с данными о клиентах. Столбцы: customer_id, registration_date, total_spent, orders_count, last_purchase_date. Напиши код на Python, который загрузит этот файл, выведет первые 10 строк, покажет типы данных, количество пропусков в каждом столбце, базовую статистику по числовым полям и количество уникальных значений в каждом столбце. Используй только pandas, не используй сторонние библиотеки для визуализации.
Этот промпт решает конкретную задачу и указывает ограничения. Нейросеть не будет предлагать сложные методы очистки или продвинутую визуализацию, потому что задача — просто посмотреть на данные.
Поиск дубликатов
Дубликаты искажают результаты анализа, особенно при подсчёте уникальных пользователей или транзакций. Промпт для поиска дубликатов должен учитывать, что дубликаты могут быть полными или частичными.
Пример промпта:
Ты дата-аналитик. У меня есть таблица с заказами. Столбцы: order_id, user_id, order_date, amount. Напиши код на Python, который найдёт полные дубликаты строк, а затем найдёт заказы, где совпадают user_id, order_date и amount, но различается order_id. Выведи количество найденных дубликатов каждого типа и покажи первые 5 примеров для каждого случая.
Промпт разделяет два типа дубликатов, потому что они требуют разной обработки. Полные дубликаты обычно удаляют, а частичные дубликаты могут быть легитимными случаями, когда один пользователь сделал несколько заказов в один день.
Базовая сегментация
Сегментация помогает понять, как различаются группы пользователей или транзакций. Промпт для базовой сегментации должен быть достаточно гибким, чтобы применяться к разным датасетам, но при этом давать конкретные границы сегментов.
Пример промпта:
Ты дата-аналитик. У меня есть таблица с данными о покупателях. Столбцы: user_id, total_revenue, purchase_count, days_since_last_purchase. Напиши код на Python, который разделит пользователей на 4 сегмента по общей выручке (квартили), посчитает среднее количество покупок и среднее время с последней покупки для каждого сегмента, выведет результат в виде таблицы. Используй pandas.
Этот промпт задаёт метод сегментации и метрики для сравнения. Нейросеть не будет выбирать произвольные границы или предлагать сложные методы кластеризации, потому что задача — простое разделение на равные группы.
Промпты для анализа данных
Аналитика данных начинается с очистки, исследования распределений и поиска аномалий. Эти задачи повторяются в каждом проекте, и правильно составленные промпты превращают их в автоматизируемые операции.
Очистка и предобработка данных
Реальные данные всегда содержат ошибки, пропуски и несогласованные форматы. Промпт для очистки должен описывать конкретные проблемы, которые нужно исправить, а не просить "почистить данные" в общем смысле.
Пример промпта для обработки пропусков:
Ты дата-аналитик. У меня есть таблица с транзакциями. Столбцы: transaction_id, user_id, amount, category, transaction_date. В столбце category около 15% пропусков. Напиши код на Python, который заполнит пропуски в category на основе наиболее частой категории для каждого user_id. Если у пользователя нет других транзакций с заполненной категорией, заполни самой частой категорией в целом по датасету. Выведи статистику: сколько пропусков было заполнено каждым методом.
Промпт задаёт иерархию методов заполнения и требует отчёт о результатах. Это позволяет оценить, насколько надёжны заполненные значения.
Пример промпта для приведения типов данных:
Ты дата-аналитик. У меня есть таблица с данными о заказах. Столбец order_date загружен как строка в формате "DD.MM.YYYY", столбец amount содержит числа, но некоторые записи имеют формат "1 234,56" с пробелом и запятой. Напиши код на Python, который преобразует order_date в datetime, преобразует amount в float, обработав пробелы и запятые, выведи количество строк, которые не удалось преобразовать, и покажи примеры таких строк.
Промпт учитывает реальные форматы данных, которые часто встречаются в экспортах из систем учёта. Нейросеть знает, как обрабатывать нестандартные форматы, если их описать явно.
Разведочный анализ
Разведочный анализ показывает распределение данных, связи между переменными и выбросы. Промпт для разведочного анализа должен балансировать между полнотой и фокусом на конкретных аспектах данных.
Пример промпта для анализа распределений:
Ты дата-аналитик. У меня есть таблица с данными о пользователях сервиса подписок. Столбцы: user_id, subscription_price, months_subscribed, age, city. Напиши код на Python, который построит гистограммы для числовых столбцов, покажет топ-10 городов по количеству пользователей, посчитает корреляцию между subscription_price и months_subscribed, выведи выводы о распределении данных в комментариях к коду. Используй matplotlib для визуализации.
Промпт указывает конкретные визуализации и метрики. Нейросеть не будет строить все возможные графики, а сосредоточится на тех, которые нужны для понимания данных.
Пример промпта для анализа временных рядов:
Ты дата-аналитик. У меня есть таблица с ежедневными продажами за последний год. Столбцы: date, revenue, orders_count. Напиши код на Python, который посчитает скользящее среднее за 7 и 30 дней для revenue, найдёт дни с аномально высокими или низкими продажами (выше или ниже 2 стандартных отклонений от среднего), построй график с исходными данными, скользящими средними и отмеченными аномалиями. Используй pandas и matplotlib.
Промпт задаёт окна для скользящего среднего и критерий для аномалий. Это позволяет сразу получить рабочий код без необходимости подбирать параметры вручную.
Поиск аномалий и выбросов
Аномалии могут быть ошибками в данных или реальными событиями, требующими внимания. Промпт для поиска аномалий должен описывать контекст, чтобы отличить одно от другого.
Пример промпта для статистического поиска выбросов:
Ты дата-аналитик. У меня есть таблица с данными о времени выполнения запросов к API. Столбцы: request_id, endpoint, response_time_ms, timestamp. Напиши код на Python, который для каждого endpoint найдёт запросы, где response_time_ms превышает 95-й перцентиль, посчитай, сколько таких запросов для каждого endpoint, выведи топ-5 самых медленных запросов с их параметрами. Используй pandas.
Промпт использует перцентиль вместо стандартного отклонения, потому что время ответа обычно имеет несимметричное распределение. Это показывает, что выбор метода зависит от природы данных.
Пример промпта для бизнес-ориентированного поиска аномалий:
Ты дата-аналитик в ecommerce. У меня есть таблица с ежедневными метриками магазина за последние 3 месяца. Столбцы: date, sessions, orders, revenue, conversion_rate. Напиши код на Python, который найдёт дни, когда конверсия упала более чем на 30% по сравнению со средним значением за предыдущие 7 дней, для каждого такого дня покажи, как изменились sessions и orders, чтобы понять причину падения. Выведи результат в виде таблицы.
Промпт связывает аномалию с бизнес-контекстом. Падение конверсии интересно только в связи с другими метриками, которые помогают понять причину.
Промпты для работы с кодом и SQL
Генерация кода — одна из самых практичных областей, где нейросеть экономит время. Аналитик описывает задачу, и нейросеть выдаёт готовый код, который нужно только адаптировать под конкретную среду. Ключ — описать достаточно деталей, чтобы код был рабочим с первой попытки.
Генерация SQL-запросов с JOIN
SQL-запросы с несколькими таблицами — частая задача в аналитике. Промпт должен описывать структуру таблиц, связи между ними и желаемый результат. Без этой информации нейросеть может предложить синтаксически правильный, но логически ошибочный запрос.
Пример промпта:
Ты SQL-разработчик. У меня есть три таблицы: users (user_id, name, registration_date), orders (order_id, user_id, order_date, amount), products (product_id, order_id, category, price). Нужно получить топ-10 пользователей по количеству заказов и общей выручке за последние 6 месяцев. Результат должен содержать: user_id, name, order_count, total_revenue. Используй SQL диалект PostgreSQL. Добавь комментарии к каждой части запроса.
Промпт содержит структуру таблиц, период анализа, желаемые столбцы и диалект SQL. Нейросеть не будет гадать, как связаны таблицы, потому что связи описаны явно.
Пример промпта для более сложного сценария:
Ты SQL-разработчик. У меня есть таблица transactions (transaction_id, user_id, transaction_date, amount, status). Статус может быть 'completed', 'pending', 'cancelled'. Нужно написать запрос, который для каждого дня за последний месяц выведет: дату, количество успешных транзакций, общую сумму по ним, количество отменённых транзакций, процент успешных транзакций от всех попыток. Используй PostgreSQL, отсортируй по дате в порядке возрастания.
Промпт требует агрегации по нескольким условиям и вычисления процентов. Нейросеть получит достаточно контекста, чтобы написать запрос с правильной группировкой и фильтрацией.
Оконные функции в SQL
Оконные функции решают задачи, которые на обычном SQL требуют подзапросов. Промпт для оконных функций должен ясно описывать, как нужно считать метрики относительно других строк или групп.
Пример промпта:
Ты SQL-разработчик. У меня есть таблица sales (date, product_id, revenue). Нужно вывести для каждого дня: дату, product_id, revenue, среднюю выручку по этому продукту за последние 7 дней (включая текущий день), и ранг этого дня по выручке среди других дней для того же продукта. Используй PostgreSQL. Отсортируй по date и product_id.
Промпт описывает три различные метрики: текущую выручку, скользящее среднее и ранг. Нейросеть точно поймёт, какие оконные функции нужно использовать.
Пример промпта для анализа когорт:
Ты SQL-разработчик. У меня есть таблица user_events (user_id, event_date, event_type). event_type может быть 'registration', 'purchase', 'review'. Нужно найти дату первой покупки каждого пользователя и дату первого отзыва, посчитать, сколько дней прошло между ними. Вывести: user_id, first_purchase_date, first_review_date, days_between. Включи только пользователей, которые совершили обе действия. Используй PostgreSQL.
Промпт требует использования оконной функции для определения первого события по типу. Это более сложный случай, где нужна предварительная фильтрация по типу события.
Python-функции для обработки данных
Python часто используется для промежуточной обработки между БД и финальным анализом. Промпт для Python-функций должен описывать входные данные, желаемую логику и особенности обработки.
Пример промпта для обработки текста:
Ты Python-разработчик. Напиши функцию, которая принимает список отзывов пользователей (строки текста) и для каждого отзыва определяет, содержит ли он ключевые слова из двух списков: positive_words и negative_words. Функция должна вернуть новый столбец 'sentiment' с значениями 'positive', 'negative', 'neutral' (если нет ключевых слов). Если отзыв содержит оба типа слов, приоритет даёт положительное. Используй только встроенные библиотеки Python, без NLTK или spaCy.
Промпт задаёт правила для разрешения конфликтов и ограничивает используемые библиотеки. Это гарантирует, что код будет работать везде без дополнительных установок.
Пример промпта для обработки дат:
Ты Python-разработчик. Напиши функцию, которая принимает DataFrame с колонками 'purchase_date' и 'refund_date'. Обе даты могут быть в формате 'DD.MM.YYYY'. Функция должна: преобразовать обе колонки в datetime, создать новую колонку 'days_to_refund' с количеством дней между покупкой и возвратом, обработать случаи, когда 'refund_date' отсутствует (заполнить значением -1), обработать ошибки при преобразовании дат (вывести количество некорректных строк). Используй pandas.
Промпт описывает формат входных данных, правила обработки пропусков и ошибок. Нейросеть не будет гадать, как обращаться с невалидными значениями.
Рефакторинг и оптимизация кода
Старый код часто работает правильно, но медленно или сложно для понимания. Промпт для рефакторинга должен указывать, какой аспект нужно улучшить и какие ограничения нужно соблюдать.
Пример промпта для оптимизации производительности:
Ты Python-разработчик, специалист в оптимизации. У меня есть код на Python, который для каждого пользователя в большой таблице ищет всех его друзей в таблице connections, а затем для каждого друга ищет его заказы в таблице orders. Текущий код использует вложенные циклы и операции поиска по одной строке. Таблицы содержат миллионы строк. Переписи код, используя pandas merge и groupby вместо циклов. Сохрани логику одинаковой, улучши только производительность.
Промпт описывает проблему (вложенные циклы), размер данных и желаемый метод оптимизации (merge вместо циклов). Нейросеть не будет менять логику, а только способ её реализации.
Пример промпта для улучшения читаемости:
Ты Python-разработчик. У меня есть функция из 50 строк, которая обрабатывает датафрейм с данными о клиентах. Функция делает много операций подряд: фильтрует, агрегирует, вычисляет новые колонки, сортирует. Переписи функцию, разбив её на 4-5 отдельных функций, каждая из которых отвечает за одну задачу. Добавь docstring для каждой функции. Сохрани функциональность одинаковой.
Промпт просит разделить логику на функции и добавить документацию. Это делает код проще для поддержки.
Генерация регулярных выражений
Регулярные выражения нужны для поиска и очистки текста. Промпт должен описывать конкретные паттерны, которые нужно найти, а не просить "написать regex".
Пример промпта:
Ты Python-разработчик. Мне нужны три регулярных выражения для валидации: 1) email адреса в формате user@domain.com, 2) российские номера телефонов в формате +7XXXXXXXXXX или 89XXXXXXXXXX, 3) URL вида http:// или https:// с доменом и расширением. Для каждого regex напиши функцию на Python, которая принимает строку и возвращает True если совпадает, False если нет. Используй встроенный модуль re.
Промпт описывает форматы данных для каждого regex. Нейросеть напишет выражения, которые работают с реальными данными.
Создание дашбордов
Дашборды визуализируют данные для нетехнической аудитории. Промпт для дашборда должен описывать, какие метрики показывать и в каком формате.
Пример промпта для простого дашборда:
Ты разработчик Python. Напиши код на Streamlit для дашборда аналитики магазина. Дашборд должен показывать: 1) KPI в верхней части (общая выручка, количество заказов, средний чек), 2) график выручки по дням за последний месяц, 3) таблицу топ-10 товаров по количеству продаж. Данные загружаются из CSV. Добавь фильтр по категории товара, который влияет на все визуализации.
Промпт описывает структуру дашборда и интерактивные элементы. Нейросеть напишет код, готовый к запуску.
Промпты для бизнес-аналитики
Бизнес-аналитика ориентирована на решение бизнес-задач, а не на технические детали. Промпты для бизнес-аналитики должны содержать контекст о целях компании, бизнес-моделе и ключевых метриках.
SWOT-анализ бизнеса
SWOT-анализ структурирует информацию о сильных сторонах компании, слабостях, возможностях и угрозах. Промпт должен направить нейросеть на анализ, релевантный конкретной компании или рынку.
Пример промпта:
Ты бизнес-аналитик. Проведи SWOT-анализ для интернет-магазина электроники, который работает в России. Компания доставляет товары только в крупных городах, средний чек 15 000 рублей. Сильная сторона — широкий ассортимент, слабая — медленная доставка. Проанализируй каждый аспект с учётом этой информации. Выведи результат в виде таблицы 2x2 с коротким объяснением каждого квадранта.
Промпт даёт контекст о бизнес-модели, географии и текущих сильных сторонах. Нейросеть не будет давать общие рекомендации, а учтёт специфику.
Анализ воронки продаж
Воронка продаж показывает, сколько потенциальных клиентов переходят из одного этапа в следующий. Промпт должен описывать этапы и наличие данных.
Пример промпта:
Ты бизнес-аналитик. У меня есть данные о воронке продаж за последний квартал. Этапы: посетитель сайта → добавил в корзину → оформил заказ → оплатил → получил. Количество на каждом этапе: 100 000, 25 000, 12 000, 9 600, 8 000. Напиши анализ: посчитай конверсию между каждыми двумя этапами, определи критический этап с наибольшей потерей клиентов, предложи гипотезы о причинах падения конверсии на этом этапе, выведи результат в виде таблицы с рекомендациями для каждого этапа.
Промпт содержит реальные числа, что позволяет нейросети посчитать проценты и определить узкое место. Гипотезы будут привязаны к конкретному этапу.
Анализ юнит-экономики
Юнит-экономика показывает, насколько прибыльна одна единица продукта или одна услуга. Промпт должен включать информацию о затратах и доходе.
Пример промпта:
Ты бизнес-аналитик. Проанализируй юнит-экономику подписочного сервиса. Данные за месяц: средняя стоимость подписки 500 рублей, количество активных подписчиков 50 000. Затраты: зарплата команды 2 млн рублей, хостинг 200 000 рублей, маркетинг 500 000 рублей, прочие затраты 300 000 рублей. Посчитай: выручку, общие затраты, прибыль, прибыль на одного подписчика, break-even точку. Определи, каким образом компания может улучшить юнит-экономику.
Промпт задаёт все необходимые числа для расчётов. Нейросеть выведет не только метрики, но и рекомендации по их улучшению.
Расчёт LTV и анализ оттока
LTV (Lifetime Value) показывает, сколько денег принесёт один клиент за всё время сотрудничества. Анализ оттока помогает понять, почему клиенты уходят. Промпт должен описывать бизнес-модель и доступные данные.
Пример промпта для расчёта LTV:
Ты бизнес-аналитик. Рассчитай LTV для интернет-магазина. Данные за 12 месяцев: средний первый заказ 5 000 рублей, процент покупателей, вернувшихся со вторым заказом 30%, средний второй заказ 7 000 рублей, процент вернувшихся в третий раз 15%. Средняя маржа 25%. Рассчитай LTV на базе этого сценария. Затем предложи способы увеличить LTV на 20%.
Промпт описывает повторяемость покупок и рост среднего чека. Нейросеть сможет рассчитать LTV и предложить тактики для его увеличения.
Пример промпта для анализа оттока:
Ты бизнес-аналитик. У меня есть данные о подписчиках. 1000 человек подписались 6 месяцев назад. Каждый месяц от 10% до 20% подписчиков отменяют подписку. Из интервью с ушедшими клиентами выясни, что основные причины: слишком дорого (35%), мало новых функций (40%), нашли аналог дешевле (25%). Проанализируй эти причины, посчитай, сколько денег теряется каждый месяц при текущем уровне оттока, предложи три стратегии для снижения оттока с примерами конкретных действий.
Промпт включает данные об уровне оттока и его причинах. Нейросеть привяжет рекомендации к конкретным причинам ухода клиентов.
Финансовый анализ и P&L-прогноз
P&L (Profit and Loss) показывает прибыльность компании. Промпт для финансового анализа должен содержать данные о доходах и расходах за несколько периодов.
Пример промпта:
Ты финансовый аналитик. Проанализируй P&L компании за последние 3 месяца и спрогнозируй следующие 3 месяца. Данные за месяц 1: выручка 2 млн, COGS 800 000, операционные расходы 600 000, прибыль 600 000. Месяц 2: выручка 2.2 млн, COGS 880 000, операционные расходы 620 000. Месяц 3: выручка 2.5 млн, COGS 950 000, операционные расходы 650 000. Определи тренды, посчитай среднемесячный рост, спрогнозируй P&L на следующие 3 месяца, определи ключевые факторы, влияющие на прибыльность.
Промпт содержит реальные числа за несколько периодов. Нейросеть определит тренды и выведет обоснованный прогноз.
Break-even анализ
Break-even точка — это объём продаж, при котором компания не получает ни прибыль, ни убыток. Промпт должен описывать переменные и постоянные затраты.
Пример промпта:
Ты бизнес-аналитик. Компания хочет запустить новый сервис. Постоянные затраты 500 000 рублей в месяц (зарплата, офис), переменные затраты на одного клиента 2 000 рублей, средняя выручка на клиента 5 000 рублей. Посчитай break-even точку в количестве клиентов и в выручке. Определи, при каком уровне цены можно снизить break-even на 30%. Выведи анализ в виде таблицы с чувствительностью break-even к изменению цены и переменных затрат.
Промпт задаёт все параметры для расчёта. Нейросеть не только посчитает break-even, но и выведет анализ чувствительности.
Анализ рентабельности продуктов
Разные продукты приносят разную прибыль. Промпт для анализа рентабельности должен содержать данные о продажах и затратах по продуктам.
Пример промпта:
Ты бизнес-аналитик. Проанализируй рентабельность четырёх продуктов компании. Продукт A: выручка 1 млн, COGS 400 000, маркетинг 200 000. Продукт B: выручка 800 000, COGS 300 000, маркетинг 150 000. Продукт C: выручка 500 000, COGS 450 000, маркетинг 50 000. Продукт D: выручка 2 млн, COGS 1 млн, маркетинг 300 000. Посчитай валовую прибыль, валовую маржу, операционную прибыль для каждого. Определи, какой продукт наиболее рентабелен, какой требует перепроверки стратегии.
Промпт содержит данные по всем продуктам в одинаковом формате. Нейросеть выведет сравнительный анализ и рекомендации.
Промпты для продуктовой аналитики
Продуктовая аналитика измеряет, насколько хорошо работает продукт и как его используют пользователи. Промпты для этой области должны фокусироваться на поведении пользователей, а не просто на числах.
Продуктовые метрики и North Star
North Star — главная метрика, которая отражает успех продукта. Промпт должен помочь выбрать правильную метрику и разложить её на компоненты.
Пример промпта:
Ты продуктовый аналитик. Помогите определить North Star метрику для платформы онлайн-обучения. Пользователи платят 500 рублей в месяц за доступ к курсам. Компания хочет расти, но не понимает, на что смотреть. Возможные метрики: количество активных пользователей, время, проведённое на платформе, количество завершённых курсов, процент возвратов подписки. Проанализируй каждую метрику, определи, какая лучше отражает успех, разложи выбранную метрику на подметрики (leading indicators), которые аналитик может отслеживать еженедельно.
Промпт описывает бизнес-модель и предлагает варианты. Нейросеть выберет метрику, которая действительно отражает здоровье продукта, и разложит её на компоненты для отслеживания.
Анализ пользовательского поведения
Анализ поведения помогает понять, как пользователи взаимодействуют с продуктом. Промпт должен описывать события, которые отслеживаются, и вопросы, на которые нужно ответить.
Пример промпта:
Ты продуктовый аналитик. Проанализируй данные о поведении пользователей мобильного приложения. События: app_open, screen_view, button_click, purchase, share. За последний месяц: 100 000 установок, 40 000 открытий приложения, 15 000 просмотров экрана товаров, 3 000 клика на кнопку покупки, 500 успешных покупок, 200 поделились товаром. Посчитай: retention на день 1 и день 7 после установки, conversion rate от просмотра товара к покупке, engagement по типам событий, определи критические точки, где пользователи отсеиваются, предложи гипотезы для улучшения.
Промпт содержит воронку событий. Нейросеть определит критические этапы и предложит гипотезы на основе данных.
Customer Journey Map
CJM показывает все точки контакта пользователя с продуктом и его эмоции на каждом этапе. Промпт должен описывать сегмент пользователей и известные точки контакта.
Пример промпта:
Ты UX-аналитик. Построй Customer Journey Map для нового пользователя SaaS-платформы управления проектами. Этапы: узнал о продукте через рекламу → посетил лендинг → зарегистрировался → первый вход → попробовал создать задачу → пригласил коллегу → использует ежедневно. Для каждого этапа опиши: что делает пользователь, какие боли он может испытывать, какие эмоции, какие возможности для улучшения. Выведи результат в структурированном виде.
Промпт описывает полный цикл взаимодействия. Нейросеть выведет анализ эмоций и точки для оптимизации.
Анализ удержания (Retention)
Retention показывает, какой процент пользователей вернётся в следующий период. Промпт должен описывать когорты пользователей и методы расчёта.
Пример промпта:
Ты продуктовый аналитик. Проанализируй retention для мобильного приложения. Когорта пользователей, зарегистрировавшихся в неделю 1: день 1 retention 100% (по определению), день 7 retention 35%, день 30 retention 10%. Когорта недели 2: день 7 retention 32%, день 30 retention 8%. Когорта недели 3: день 7 retention 38%, день 30 retention 12%. Построй retention таблицу, определи тренд, посчитай, как изменяется retention в зависимости от времени в приложении в первый день, выведи три гипотезы для улучшения retention.
Промпт содержит данные нескольких когорт. Нейросеть определит, улучшается или ухудшается retention, и предложит действия.
NPS и анализ обратной связи
NPS (Net Promoter Score) измеряет готовность пользователей рекомендовать продукт. Промпт должен описывать результаты опроса и комментарии пользователей.
Пример промпта:
Ты аналитик по обратной связи. Опросили 1 000 пользователей продукта. Вопрос: "Порекомендуешь ли ты этот продукт друзьям?" Ответы: 40% дали оценку 9-10 (промоутеры), 35% — 7-8 (пассивные), 25% — 0-6 (критики). Посчитай NPS. Из комментариев промоутеров выделяются: "Простой интерфейс", "Быстро помогает решить задачу". Критики пишут: "Дорого", "Медленно работает", "Нужна интеграция с Jira". Проанализируй эти данные, определи, что делать хорошо, что нужно улучшить срочно, выведи рекомендации по приоритизации.
Промпт содержит распределение оценок и конкретные комментарии. Нейросеть выведет действенные рекомендации на основе обратной связи.
Приоритизация гипотез (RICE/ICE)
RICE и ICE — методы приоритизации идей улучшений. Промпт должен содержать набор идей и их параметры оценки.
Пример промпта:
Ты продуктовый менеджер. Есть 5 идей улучшений. Оцени каждую по методу RICE (Reach, Impact, Confidence, Effort). Идея 1: улучшить скорость загрузки страницы. Reach: 100% пользователей, Impact: высокое (уменьшит bounce rate), Confidence: 100%, Effort: 40 часов. Идея 2: добавить тёмную тему. Reach: 30% пользователей, Impact: среднее, Confidence: 80%, Effort: 20 часов. Идея 3: добавить экспорт в Excel. Reach: 50% пользователей, Impact: высокое, Confidence: 90%, Effort: 30 часов. Идея 4: интеграция с Slack. Reach: 20% пользователей, Impact: высокое, Confidence: 70%, Effort: 60 часов. Идея 5: улучшить документацию. Reach: 60% пользователей, Impact: среднее, Confidence: 100%, Effort: 15 часов. Посчитай RICE score для каждой, выведи ранжирование по приоритету.
Промпт содержит полные параметры для каждой идеи. Нейросеть выведет расчёт и ранжирование.
Промпты для маркетинговой аналитики
Маркетинговая аналитика измеряет эффективность кампаний и каналов привлечения. Промпты должны содержать данные о расходах, кликах, конверсиях.
Анализ рекламных кампаний
Каждая кампания должна быть оценена по набору метрик: CTR, CPC, ROAS. Промпт должен содержать данные кампании и желаемые метрики.
Пример промпта:
Ты маркетинг-аналитик. Проанализируй три рекламные кампании в Яндекс.Директ. Кампания A: бюджет 100 000 рублей, показы 50 000, клики 2 500, переходы на сайт 2 200, покупки 110. Средняя стоимость товара 5 000 рублей, маржа 40%. Кампания B: бюджет 150 000, показы 75 000, клики 3 000, переходы 2 700, покупки 81. Кампания C: бюджет 80 000, показы 40 000, клики 1 600, переходы 1 400, покупки 84. Посчитай для каждой: CTR, CPC, конверсию от клика к покупке, ROAS, ROI. Определи, какая кампания самая эффективная, какую нужно оптимизировать, какую остановить.
Промпт содержит полные данные трёх кампаний. Нейросеть посчитает метрики и даст конкретные рекомендации.
Анализ каналов привлечения (Attribution)
Attribution показывает, какой канал привлёк клиента на каждом этапе пути к покупке. Промпт должен описывать модель атрибуции и доступные данные.
Пример промпта:
Ты маркетинг-аналитик. Проанализируй attribution для интернет-магазина. Используй многоканальную атрибуцию с моделью "Last Non-Direct Click". Данные за месяц: 1 000 покупок, стоимость каждой в среднем 10 000 рублей. Каналы: органический поиск, реклама Яндекса, социальные сети, email рассылка, direct. Распределение по последнему клику перед покупкой: органический 40%, реклама 35%, соцсети 15%, email 5%, direct 5%. Посчитай выручку, атрибутированную каждому каналу, ROI для каждого (расходы на канал известны), определи наиболее эффективный канал, какой нужно развивать дальше.
Промпт задаёт модель атрибуции и распределение. Нейросеть выведет анализ эффективности каналов.
SEO-аналитика и аудит
SEO-аналитика отслеживает позиции по ключевым словам, трафик из поиска, качество ссылок. Промпт должен описывать текущее состояние и цели.
Пример промпта:
Ты SEO-аналитик. Проанализируй SEO сайта за последние 3 месяца. Месяц 1: органический трафик 5 000 визитов, позиции в топ-10 по 50 ключевым словам, топ-3 по 10 ключевым. Месяц 2: органический трафик 5 500 визитов, позиции в топ-10 по 55 ключевым, топ-3 по 12 ключевым. Месяц 3: органический трафик 6 200 визитов, позиции в топ-10 по 60 ключевым, топ-3 по 15 ключевым. Определи тренд, посчитай темп роста, определи, какие ключевые слова дают больше всего трафика, какие нужно оптимизировать дальше, предложи три направления для SEO-улучшения.
Промпт содержит данные за несколько месяцев. Нейросеть определит тренды и выведет рекомендации.
Email-маркетинг и SMM-аналитика
Email и социальные сети требуют разных метрик: open rate, click rate для email, engagement rate и reach для соцсетей. Промпт должен описывать конкретный контент и результаты.
Пример промпта для email:
Ты email-маркетолог. Проанализируй две email-рассылки. Рассылка A: отправили 10 000 писем, открыли 2 000 (20% open rate), нажали на ссылку 400 (4% CTR), совершили покупку 60 (0.6% конверсия). Рассылка B: 10 000 писем, 2 500 открыли (25%), 625 нажали (6.25%), 125 купили (1.25%). Маржа на одну покупку 3 000 рублей. Посчитай для каждой: выручку, ROI (стоимость рассылки 5 000 рублей), определи, какая рассылка более эффективна, какие элементы нужно изменить в менее эффективной.
Пример промпта для соцсетей:
Ты SMM-аналитик. Проанализируй три поста в Instagram за месяц. Пост 1: карусель с фотографиями товаров. Reach 50 000, impressions 75 000, likes 3 750, comments 375, shares 150. Пост 2: видео-обзор товара. Reach 80 000, impressions 150 000, likes 6 000, comments 1 200, shares 400. Пост 3: текст с советом. Reach 20 000, impressions 25 000, likes 500, comments 200, shares 50. Посчитай для каждого: engagement rate, avg. comments per reach, virality score. Определи, какой формат контента работает лучше, какой нужно развивать.
Анализ конкурентов и рынка
Анализ конкурентов помогает понять, где компания выделяется и где отстаёт. Промпт должен содержать данные о конкурентах и компании.
Пример промпта:
Ты маркетинг-аналитик. Проанализируй рынок доставки еды. Основные конкуренты: Яндекс.Еда, 2GIS, Delivery Club. Данные о вашей компании за месяц: 5 000 заказов, средний чек 1 200 рублей, время доставки 35 минут. Данные о Яндекс.Еде: 50 000 заказов (примерно), средний чек 1 000 рублей, время доставки 30 минут. Публичная информация о 2GIS: средний чек 900 рублей, время доставки 40 минут. Проанализируй конкурентные преимущества компании, определи, где она слабее, какие нишу можно занять, предложи маркетинг-стратегию для выделения.
Промпт содержит сравнительные данные. Нейросеть выведет стратегические рекомендации.
Промпты для интерпретации результатов
Данные бессмысленны без интерпретации. Промпты для этого раздела помогают преобразовать цифры в действия и рекомендации.
Перевод бизнес-вопроса в аналитическую задачу
Часто руководство формулирует вопросы размыто: "Почему снизилась выручка?" Промпт должен помочь разбить такой вопрос на конкретные аналитические задачи.
Пример промпта:
Ты аналитик. Руководитель спросил: "Почему на 20% снизилась выручка в месяц 2 по сравнению с месяцем 1?" Разбей этот вопрос на конкретные аналитические задачи. Предложи иерархию гипотез: высокоуровневые (упал трафик? упала конверсия? снизился средний чек?) и детальные для каждой гипотезы. Для каждой задачи напиши: какие данные нужны, как их анализировать, какой результат покажет, что это неправильный путь. Выведи результат как план расследования.
Промпт направляет нейросеть на систематическое разложение вопроса.
Объяснение результатов модели для бизнеса
Модели машинного обучения дают предсказания, но бизнесу нужно понять, почему модель выбрала именно этот ответ. Промпт должен помочь объяснить сложные результаты простым языком.
Пример промпта:
Ты аналитик. Модель предсказывает вероятность оттока клиента. Для одного клиента модель выдала: вероятность оттока 85%. Важные факторы: он не совершал покупку 90 дней (вес 0.4), его средний чек упал на 30% (вес 0.3), он не открывал письма рассылки месяц (вес 0.2), но он зарегистрировался 3 года назад (вес -0.1, уменьшает вероятность). Объясни этот результат руководителю: что означает 85% вероятность, почему модель именно так оценила этого клиента, какие действия нужно предпринять, чтобы вернуть клиента. Пиши простым языком без использования технических терминов.
Промпт задаёт контекст и просит объяснение для нетехнической аудитории.
Создание аналитического отчёта
Отчёт — это оформленный результат анализа с выводами и рекомендациями. Промпт должен описывать структуру и ключевые метрики.
Пример промпта:
Ты аналитик. Создай ежемесячный отчёт о состоянии интернет-магазина. Раздел 1: итоги месяца (выручка 5 млн, заказов 2 000, конверсия 2.5%, средний чек 2 500). Раздел 2: сравнение с прошлым месяцем (выручка +10%, заказы +8%, конверсия +0.3%). Раздел 3: анализ по каналам привлечения (органический 40% выручки, реклама 35%, прямые 25%). Раздел 4: ключевые инсайты (выросла конверсия, снизился средний чек по рекламе). Раздел 5: рекомендации (оптимизировать рекламные объявления, увеличить средний чек через кросс-селл). Напиши отчёт в виде текста, готового к отправке руководству.
Промпт описывает структуру и ключевые данные. Нейросеть создаст готовый отчёт.
Подготовка презентации для руководства
Презентация требует лаконичности и визуального представления. Промпт должен содержать ключевые данные и желаемую структуру.
Пример промпта:
Ты аналитик. Подготовь текст для 5-минутной презентации руководству. Тема: результаты запуска новой функции (рекомендации товаров). Слайд 1: проблема и гипотеза (пользователи не знают, что купить). Слайд 2: что было изменено (добавили блок рекомендаций на странице товара). Слайд 3: метрики до и после (клики на рекомендации выросли на 25%, средний чек вырос на 15%, конверсия вырос на 8%). Слайд 4: выводы (функция работает, нужно развивать дальше). Слайд 5: рекомендации (тестировать рекомендации в других местах, персонализировать рекомендации по истории). Напиши текст для выступления, по 2-3 предложения на слайд, убедительно и ясно.
Промпт задаёт структуру и просит лаконичный текст, готовый к произнесению.
Типичные ошибки при работе с AI-аналитикой
Даже опытные аналитики совершают ошибки при работе с нейросетями. Понимание типичных проблем поможет избежать неправильных результатов.
Вторая ошибка: невалидные данные на входе
Если в промпт передать неполные или противоречивые данные, результат будет неправильным. Нейросеть не проверяет логику чисел и может не заметить ошибки.
Пример. Аналитик пишет: "Выручка выросла с 1 млн до 0.5 млн, что говорит о росте бизнеса". Нейросеть скопирует эту логику и выведет неправильные выводы. Правильное использование: проверить данные перед промптом, убедиться, что они логически согласованы.
Третья ошибка: отсутствие контекста о целях
Промпт без описания целей бизнеса приводит к generic рекомендациям. Нейросеть не знает, что важнее: рост числа пользователей, увеличение среднего чека или снижение оттока.
Пример слабого промпта: "Посчитай метрики магазина". Пример сильного: "Магазин хочет увеличить выручку. Текущие проблемы: низкая конверсия (1%), высокий средний чек (но мало покупателей). Что улучшить в первую очередь?"
Четвёртая ошибка: ожидание магии вместо проверки
Нейросеть выдаст результат, но это не значит, что он правильный. Аналитик должен всегда проверять логику, методологию и цифры.
Пример. Нейросеть посчитала ROI как "выручка / бюджет". Но это неправильно, если не учтены затраты на производство. Аналитик должен заметить эту ошибку и переформулировать промпт.
Пятая ошибка: переложение решения на нейросеть
Промпт должен заканчиваться вопросом, который требует решения. Если просто попросить "дай рекомендации", нейросеть выдаст generic советы. Нужно спросить конкретнее: "Какой из трёх вариантов улучшить?"
Лучшие практики составления промптов
Промпты работают лучше, если следовать простым правилам. Эти практики основаны на опыте работы с сотнями аналитических задач.
Первое правило: конкретность вместо общности. Вместо "проанализируй данные" скажите "посчитай конверсию по типам устройств и определи, какое устройство приносит больше заказов". Конкретный вопрос даёт конкретный ответ.
Второе правило: уходите от англицизмов. Если нейросеть знает, что вы имеете в виду под "конверсией", используйте именно это слово. Смешивание русского и английского может запутать контекст.
Третье правило: задавайте метрики явно. Не просите "выведи анализ", а просите "выведи таблицу с колонками: дата, метрика 1, метрика 2". Это гарантирует формат результата.
Четвёртое правило: добавляйте примеры. Если возможно, приложите 2-3 строки исходных данных. Примеры исключают неоднозначность лучше, чем любое описание.
Пятое правило: проверяйте результат. После получения ответа пересчитайте хотя бы одну метрику вручную. Если цифры совпадают, результат верен.
Шестое правило: задавайте уточняющие вопросы. Если нейросеть выдала ответ, который кажется подозрительным, спросите: "Почему ты пришёл к этому выводу?" или "Какие допущения ты сделал?"
Седьмое правило: используйте роли. Указание роли направляет нейросеть на правильный уровень детализации. "Ты джуниор-аналитик" даст другой результат, чем "ты руководитель аналитики".
Восьмое правило: проверяйте логику. Если промпт попросит нейросеть посчитать что-то, что кажется странным, остановитесь. Может быть, вопрос нужно переформулировать.
Шаблон универсального аналитического промпта
Используйте этот шаблон как основу для любого промпта. Его можно адаптировать под конкретную задачу, но основная структура остаётся.
Шаблон:
Роль: "Ты [должность], специализирующийся на [область]."
Контекст: "У меня есть [описание данных]. Столбцы: [перечисление]. Временной период: [период]. Бизнес-вопрос: [вопрос]."
Ограничения: "Используй только [инструменты]. Размер данных: [объём]. Конфиденциальность: [требования]."
Задача: "Посчитай [метрики]. Определи [аспекты]. Предложи [тип рекомендаций]."
Формат вывода: "Выведи результат [формат]. Добавь [дополнительные элементы]."
Пример полного промпта на основе шаблона:
Ты продуктовый аналитик, специализирующийся на маркетплейсах. У меня есть данные об активности продавцов за 6 месяцев. Столбцы: seller_id, month, orders, revenue, listings_count, reviews_average, response_time_hours. Бизнес-вопрос: какие продавцы рискуют уйти с платформы и как их вернуть. Используй Python с pandas и matplotlib. Размер данных: 10 000 продавцов, 60 000 строк. Конфиденциальность: не выводи конкретные имена, только aggregated insights. Посчитай для каждого месяца: среднее количество заказов, тренды по продавцам, риск-скор оттока на основе снижения активности. Определи сегменты продавцов (высокорисковые, стабильные, растущие). Предложи три типа действий для каждого сегмента. Выведи результат в виде: таблица с риск-скорами топ-50 продавцов, graph с трендами по месяцам, список рекомендаций по типам вмешательства.
Этот промпт содержит все компоненты и гарантирует полный, структурированный ответ.
Промпты для аналитики — это не магия, а навык. Чем больше вы практикуетесь в их написании, тем лучше результаты вы получите. Каждый промпт — это возможность научить нейросеть понимать вашу задачу точнее. Начните с простых вопросов, постепенно добавляя сложность. Через несколько недель вы обнаружите, что nейросеть стала вашим реальным партнёром в работе, экономя часы времени на рутину и позволяя вам сосредоточиться на том, что действительно важно — на интерпретации данных и принятии решений.
Хороший промпт — это не просто инструкция, это диалог между аналитиком и системой, где оба стараются понять друг друга для достижения одной цели: превратить данные в действие.
