Как агентство MasterContext автоматизировало отчёты о проделанной работе для клиентов на n8n

MasterContext, агентство контекстной рекламы из Красноярска, №1 по контексту в своём городе по Рейтингу Рунета и сертифицированный партнёр Яндекса. Среди клиентов крупные сети доставки на франшизе, например Ёбидоёби: агентство ведёт им Яндекс.Директ по каждому городу и каждому франчайзи отдельно. Всего на настройке Директа у MasterContext порядка 140 клиентов, и только по одной сети Ёбидоёби бот собирает около 90 отчётов.

Каждому клиенту дважды в месяц уходит отчёт о проделанной работе. Раньше его руками собирал менеджер. Теперь черновую часть собирает бот, до того как команда придёт на работу.

Если коротко

Я собрала для MasterContext бота на self-hosted n8n, который дважды в месяц в шесть утра сам формирует клиентские отчёты по контекстной рекламе. Он выгружает данные из базы Директа, считает метрики, которых нет в готовой BI, и пишет черновик вывода через дерево решений прямо в коде, без нейросети и без единого токена.

Готовый отчёт со всеми цифрами и черновиком вывода бот кладёт в общую Google-таблицу. Менеджер находит своего клиента, дописывает свою часть и отправляет. Отчётный период, который раньше растягивался на 1-3 дня, теперь к утру уже готов к разбору.

Что было до

У агентства есть клиентские менеджеры, у каждого свой набор клиентов. Отчёты уходят дважды в месяц: первого числа за полный прошлый месяц, шестнадцатого за первую половину текущего. И каждый раз менеджер делал руками один и тот же набор шагов:

1. открывал Яндекс DataLens, на котором у агентства построена аналитика;
2. вытаскивал нужные показатели по конкретному городу или франчайзи;
3. вручную досчитывал то, чего в DataLens нет: стоимость привлечения, эффективность, конверсию, средний чек;
4. собирал из этого сообщение-отчёт по привычной структуре;
5. писал вывод: кампания растёт, стоит на месте или просела, и что с этим делать дальше;
6. рассылал готовый отчёт каждому своему клиенту в Telegram.

На один отчёт уходило прилично времени, а клиентов под полторы сотни, и каждый отчёт со своими цифрами. В сумме отчётный период растягивался на один-три дня. Всё это время лучшие люди агентства занимались не стратегией, а сборкой таблиц руками.

Проблема была не только во времени. Когда дважды в месяц руками собираешь десятки таблиц, легко ошибиться в цифре, перепутать период сравнения или пропустить клиента. А отчёт это лицо агентства перед клиентом, тут ошибаться неприятно.

Было и стало

До автоматизации	После автоматизации
Менеджер вручную собирал каждый отчёт из DataLens	Бот сам выгружает данные по всем клиентам
Метрики, которых нет в BI, досчитывались руками	Бот считает их сам по тем же формулам
Черновик вывода менеджер писал с нуля	Дерево решений готовит черновик сравнения
Отчётный период растягивался на 1-3 дня	К утру отчёты готовы к разбору
Цифры легко перепутать в ручной рутине	Расчёт одинаковый для всех клиентов
Время команды уходило на сборку таблиц	Время команды уходит на анализ и решение

Как работает сейчас

Для менеджеров почти ничего не поменялось внешне: они так же работают с таблицей и так же отправляют отчёты клиентам. Поменялось то, что к их приходу отчёты уже собраны.

Бот запускается дважды в месяц в шесть утра и делает всё до начала рабочего дня:

1. выгружает данные из базы, которая питает Яндекс.Директ, те же данные, на которых строится DataLens;
2. собирает по каждому городу и франчайзи нужные показатели: показы, клики, охват, стоимость клика, стоимость лида, конверсии, расход;
3. досчитывает метрики, которых нет в готовой аналитике;
4. раскладывает всё по фиксированной структуре отчёта (финансовые итоги, ключевые метрики по поиску, РСЯ, медийная реклама);
5. через дерево решений пишет черновик вывода: сравнивает период с предыдущим и формулирует, что именно изменилось;
6. кладёт готовый отчёт в общую Google-таблицу, к которой есть доступ у всех менеджеров.

В таблице у каждого отчёта свои колонки: клиент, логин клиента, период отчёта, период сравнения, текст отчёта, результат и менеджер. Менеджер находит свою строку, видит готовые цифры и черновик вывода, и ему остаётся самое важное: проверить, добавить своё суждение и отправить.

Дерево решений вместо нейросети

Самое интересное в этом проекте не объём, а то, как написан вывод. Соблазн был очевидный: отдать цифры нейросети и попросить «напиши вывод по этому отчёту». Мы сознательно так не сделали.

Отчёт по рекламе это не эссе, а сравнение цифр по понятным правилам. Если доход вырос относительно прошлого месяца, конверсий стало больше, а цена конверсии при этом снизилась, вывод один и тот же: больше конверсий по меньшей цене, отличный результат. Если конверсия просела, но лидов стало больше, формулировка другая. Все эти ветки можно описать заранее.

Поэтому логику вывода я зашила деревом решений прямо в коде. Бот проходит по условиям («показатель такой и такой → формулировка такая») и сам собирает черновик сравнения. Причину результата и план действий дописывает менеджер, потому что это уже про суждение, а не про арифметику.

Что это даёт:

• ноль токенов. Нейросеть в выводах не участвует, платить за неё не нужно;
• предсказуемость. На одних и тех же цифрах вывод всегда одинаковый, ничего не плавает и не выдумывается;
• скорость и цена. Дерево решений в коде работает мгновенно и стоит ровно ничего сверх сервера.

Это, пожалуй, главная мысль кейса. Автоматизация не обязана быть «умной» и дорогой, чтобы окупаться. Иногда самое надёжное решение это не нейросеть, а аккуратно описанные правила.

Почему отчёты не уходят клиенту сами

Технически бот мог бы и сам рассылать готовые отчёты клиентам в Telegram. Мы намеренно так не сделали, и это было условие самого агентства.

Логика клиента такая: если отчёты будут улетать автоматически, менеджер перестанет их читать и превратится в кнопку «переслать». А ценность агентства как раз в том, что живой человек смотрит на цифры, понимает контекст конкретного клиента и добавляет вывод, который машина не сделает.

Поэтому бот доводит отчёт до состояния «всё посчитано, черновик вывода готов» и оставляет его в общей таблице. Дальше человек: менеджер находит своего клиента, изучает отчёт, дописывает причину и план, копирует и отправляет. Сборку забрал бот, суждение осталось за человеком. Ровно так, как и хотел клиент.

Результат

Метрика	Было	Стало
Кто собирает отчёт	Менеджер вручную	Бот, до прихода команды
Отчётный период	1-3 дня	Готово к утру
Масштаб	~140 клиентов, по Ёбидоёби ~90 отчётов	те же объёмы, сборка идёт сама
Риск ошибки в ручной сборке	Высокий, всё руками	Расчёт одинаковый для всех клиентов
Вывод	Пишется с нуля	Черновик готов, человек дописывает
Стоимость работы бота	-	~$5 в месяц за VPS, ноль токенов
Что делает команда	Собирает таблицы	Анализирует и решает

Главное здесь не в том, что бот «делает отчёты за людей». Он делает скучную часть: выгрузку, расчёт, сборку, черновик сравнения. А то, ради чего клиент и платит агентству, то есть суждение и стратегию, по-прежнему делает человек, просто теперь у него на это есть время.

Куда это можно перенести

Эта схема не только про Яндекс.Директ и не только про агентства. Она подходит почти любому, кто регулярно собирает однотипные отчёты по понятным правилам:

• агентствам и отделам маркетинга с пачкой клиентов или проектов;
• любым регулярным отчётам по рекламе, продажам, финансам;
• ситуациям, где данные есть в системе, а человек тратит дни на их ручную сборку в отчёт.

Привязки к конкретным инструментам тут нет. Если данные можно выгрузить, метрики посчитать, а правила вывода описать словами, такой же бот соберётся под вашу систему: другую рекламную площадку, другую BI, другую таблицу.

---

Если у вас есть регулярная отчётность, которую кто-то собирает руками по одним и тем же правилам, эту схему можно собрать под ваши инструменты. Я честно посмотрю, какую часть стоит автоматизировать, а какую правильнее оставить человеку.

Напишите мне в Telegram или оставьте заявку. Расскажите, как сейчас устроены ваши отчёты, и я бесплатно разберу, что там можно собрать автоматически.