раздел 03

Примеры

Разберём на живых задачах, где заканчивается работа модели и начинается работа скрипта. Правило одно: смысл - LLM, числа - скрипт.

Смысл: работа для LLM

Здесь нужно понять текст, а не посчитать. Модель в этом сильна.

Отзывы: тон и суть

Разложить 500 отзывов на «доволен / нейтрально / недоволен» и вытащить, на что жалуются чаще.

Темы обращений

Прочитать письма в поддержку и определить тему каждого: оплата, доставка, возврат, вопрос по продукту.

Модель проходит по каждому тексту и ставит метку или короткое резюме. Результат такой разметки - новые колонки в таблице (тег, тема, тон). Сами тексты она понимает, и это её сильная сторона.

Категоризация, темы, тон, краткое содержание - это извлечение смысла из текста. Тут модель на своём месте.

Числа: работа для скрипта

Как только появляется вопрос «сколько», «какая доля», «как меняется» - это счёт. Его пишет скрипт.

Воронка

Сколько людей на каждом шаге: зашли, добавили в корзину, оплатили, и какой процент отвалился между шагами.

Когортный анализ

Взять пользователей по месяцу регистрации и смотреть, сколько из них возвращается через 1, 2, 3 месяца.

ABCD-сегментация

Разложить клиентов на группы A/B/C/D по вкладу в выручку, чтобы видеть, кто приносит основную часть денег.

Суммы и средние

Итоговая выручка, средний чек, медиана, доли по регионам - всё, где надо точно сложить и поделить.

Как это выглядит вместе

Типичная задача - связка. Сначала смысл, потом числа:

1. Модель размечает 500 отзывов: каждому ставит тег темы и тон.
2. Скрипт считает: сколько отзывов по каждой теме, какая доля негатива,
   как негатив меняется по месяцам.

Первый шаг - LLM (понять текст). Второй - скрипт (посчитать точно). Каждый инструмент делает то, в чём силён.