Исследование рынка с помощью LLM:
есть ли место на рынке столов для работы стоя?

Есть ли в США место для нового стола для работы стоя, и если да, то где? Типичный ранний вопрос для продуктовой команды или инвестора: категория переполнена, мнений много, бюджета на исследовательское агентство пока нет. Хороший ответ требует четырёх вещей: насколько людям это нужно, что продаётся и по какой цене, на что жалуются покупатели и что они спрашивают перед покупкой.

Пять столов для отзывов охватили основные типы из списка: механическую настольную приставку, небольшой электрический стол, электрический стол шириной 63 дюйма, стол с ящиками и мобильный стол. Каждый инструмент возвращает JSON, так что весь сбор данных — это пять вызовов API; он занял около трёх минут, большую часть которых мы ждали Amazon.

Мы дали модели три задачи, а всё, что связано с подсчётами, оставили коду.

1. Разметить каждый отзыв. claude-sonnet-5.5 прочитала все 100 отзывов за один вызов и присвоила каждому до трёх тем из фиксированного списка (шатание, отказ мотора, простая сборка, повреждённые детали и так далее) плюс одну короткую цитату, скопированную из отзыва. Затем код проверил, что каждая цитата действительно встречается в своём отзыве слово в слово: 7 из 100 не нашлись, и мы их отбросили.
2. Прочитать посты на Reddit. Второй вызов сгруппировал 27 постов по тому, что покупатели пытаются решить, о каких проблемах сообщают и какие у них рабочие места, — с id постов, на которых основана каждая группа.
3. Написать бриф. Последний вызов получил только цифры, посчитанные кодом (количество тем, медианы цен, тренд по месяцам), и проверенные цитаты, с одним правилом: каждое утверждение должно ссылаться на свою цифру.

Сама модель ничего не считала. Если поручить ей подсчитать темы по 100 отзывам, она уверенно выдаст неверные итоги; если поручить ей разметку, а считать кодом — нет.

Почти каждый стол-бестселлер — стол для работы стоя. 45 из топ-50 в Amazon Office Desks & Workstations — столы для работы стоя или с регулируемой высотой. По типам: 12 мобильных столов или столов на колёсах, 11 приставок, которые ставятся на обычный стол, 10 электрических столов, 8 угловых или П-образных электрических столов и 4 рамы, которые продаются без столешницы.

Это дешёвая категория. Медианные цены: $61 у мобильных столов, $142 у рам, $150 у электрических столов, $160 у приставок и $215 у угловых столов. Из 44 товаров для работы стоя с указанной ценой 14 стоят меньше $100, 21 — от $100 до $199, и лишь 9 — $200 и дороже.

Весной спрос подскочил, а затем в основном успокоился. Поисковый интерес в США с 2022 по 2025 год ежегодно составлял в среднем от 16 до 18. В апреле 2026 года он в среднем составил 80, с пиком 100 на неделе 12 апреля, а затем снизился. С июля по октябрь 2026 года он в среднем составлял 22 — примерно на 35% выше, чем в те же месяцы 2025 года.

Плохие отзывы — о поломках. 28 из 100 отзывов поставили одну или две звезды. Темы за ними:

Словами самих покупателей: «Motor stopped working after not even nine months» (мотор перестал работать, не прошло и девяти месяцев), «Product arrived with cracked desktop» (товар пришёл с треснувшей столешницей), «the drawers is plastic when it is stated and advertised to be metal» (ящики пластиковые, хотя в описании и рекламе заявлен металл). 62 отзыва на четыре и пять звёзд хвалили простую сборку (31), качество сборки (28) и просто то, что стол работает (23).

На Reddit доминирует шатание. 8 из 27 постов — о столе, который трясётся на высоте для работы стоя, обычно под мониторами или колонками. Другие повторяющиеся вопросы: стоит ли он своих денег (4 поста), какая модель подойдёт под мой бюджет (6) и насколько большая и толстая нужна столешница (4).

Три её возможности, слегка сокращённо:

1. Стол, который не шатается под тяжёлым оборудованием. Шатание встречается в 8 из 27 постов и в 6 из 28 низких отзывов, а 3 поста спрашивают, остаётся ли стол устойчивым с несколькими мониторами. Тест: снять одинаковую нагрузку на 2–3 столах из диапазона $100–199 и измерить число записей в лист ожидания после просмотра видео.

2. Надёжность, подкреплённая настоящей гарантией. Отказы мотора — 7 из 28 низких отзывов, служба поддержки — 6 из 28; два поста обращают внимание на рамы с двумя моторами и гарантией на один год. Тест: запустить два объявления на макет карточки товара, с более длинной гарантией и без неё, и сравнить CTR.

3. Стол средней ценовой категории с понятными характеристиками. Лишь 9 из 44 товаров для работы стоя стоят $200 и дороже, а покупатели говорят, что не могут отличить дешёвое от дорогого. Тест: опубликовать сравнение по типу мотора, толщине столешницы, нагрузке и гарантии и измерить сбор email.

Модель также перечислила, чего данные сказать не могут: нет объёмов продаж и маржи, есть лишь относительный поисковый индекс, а не спрос в штуках, отзывы только о пяти товарах и слишком мало постов на Reddit для обобщений. Этот раздел стоит не меньше, чем сами возможности.

• «Удвоение», которого не было. Первое резюме утверждало, что интерес в 2026 году вдвое выше, чем в 2025-м, — это верно для среднего за год, но вводит в заблуждение: вся разница — весенний всплеск. Помог взгляд на помесячные данные до того, как что-то писать. Всегда просите форму кривой, а не только среднее.
• Типы товаров по ключевым словам. Наш первый проход называл рамой всё, в чьём названии было слово «frame», и под это попали столы, описанные как имеющие «a steel frame» (стальную раму), а подставка под монитор была засчитана как настольная приставка. Мы прочитали все 50 строк и исправили правила. Короткая ручная проверка того, что классифицировал код, — дешёвая страховка.

Тот же процесс на Python, с API-ключом в LOVELY_API_KEY. run_tool запускает инструмент и ждёт его элементов; ask отправляет один запрос к чату с тем же ключом.

import json, os, requests

BASE = "https://lovelyrouter.com/v1"
H = {"Authorization": f"Bearer {os.environ['LOVELY_API_KEY']}"}

def run_tool(tool, input, max_results):
    r = requests.post(f"{BASE}/tools/{tool}/run", headers=H, json={"input": input, "max_results": max_results, "wait": 120}).json()
    while r["status"] == "running":
        r = requests.get(f"{BASE}/tools/runs/{r['id']}?wait=120", headers=H).json()
    return r.get("items", [])

def ask(system, data, model="claude-sonnet-5.5"):
    r = requests.post(f"{BASE}/chat/completions", headers=H, json={"model": model, "max_tokens": 12000, "messages": [
        {"role": "system", "content": system}, {"role": "user", "content": json.dumps(data)}]}).json()
    return r["choices"][0]["message"]["content"]

best = run_tool("amazon-bestsellers", {"urls": ["https://www.amazon.com/Best-Sellers-Office-Products-Office-Desks-Workstations/zgbs/office-products/12900751"]}, 50)
reviews = run_tool("amazon-reviews", {"input": [{"asin": p["asin"], "domainCode": "com", "sortBy": "recent", "maxPages": 2} for p in best[1:6]]}, 100)
posts = run_tool("reddit-search", {"queries": ["standing desk worth it", "standing desk wobble problem"], "maxPosts": 25, "timeframe": "year"}, 50)
trend = run_tool("google-trends", {"mode": "keyword", "keyword": "standing desk", "predefinedTimeframe": "today 5-y", "geo": "US"}, 1)

tags = ask("Tag each review with up to 3 themes from this list: ... Return a JSON array: {id, themes, quote}. Copy quotes exactly.",
           [{"id": i, "stars": r["rating"], "text": r["text"]} for i, r in enumerate(reviews)])
# Count themes in code, check each quote is in its review, then:
# brief = ask("Write a market brief. Use only these numbers and cite each one.", {...counts, prices, trend by month...})

Поменяйте URL категории, товары для отзывов и поисковые фразы — и тот же скрипт исследует любую товарную категорию. Каждый запуск такого объёма стоит заметно меньше доллара. Чтобы весь процесс от начала до конца выполнял ИИ-агент, подключите его к MCP-серверу: он сам найдёт и запустит те же инструменты.