Маркетинг-стратег, IT-предприниматель, ментор по вайбкодингу
10+ лет в маркетинге, 300+ клиентских проектов: сайты, реклама, боты. Создатель GoBanana (228K+ пользователей, 11.6 млн ₽ выручки) и VibeCoderz. Делаю AI-продукты сам через Claude Code, Cursor, Windsurf и консультирую тех, кто хочет так же.
🎯 О чём этот конспект: Пошаговое руководство по превращению хаотичных Excel-таблиц (маркетинговых отчетов, финансовых данных) в профессиональные интерактивные дашборды с AI-ассистентом внутри. Разбирается работа в связке Antigravity + Claude Code для автоматического анализа данных и визуализации.
👤 Кому будет полезно: Вайбкодерам, владельцам бизнеса, маркетологам и аналитикам, которые хотят автоматизировать отчетность и извлекать глубокие инсайты без ручного построения графиков.
✨ Что получите: Готовый интерактивный дашборд с фильтрами по датам, воронкой продаж, расчетом ROI/ROMI и встроенным AI-чатом, который отвечает на вопросы по вашим данным и предлагает бизнес-стратегии.
1. Подготовка среды разработки в Antigravity
Контекст: Для создания сложных продуктов на базе AI недостаточно простого чата. Инструмент Antigravity позволяет организовать файловую структуру проекта, подключать различные модели (Claude 3.5 Sonnet) и использовать специализированные "навыки" (skills). Это превращает AI из собеседника в полноценного инженера, который видит все файлы проекта и может ими манипулировать.
Выгода: Структурированный подход исключает ошибки в коде и позволяет AI "понимать" контекст всего проекта, а не только последнего сообщения.
Как применить:
Шаг 1: Установка Antigravity — Скачайте и установите Antigravity. Создайте новую рабочую папку (например, marketing_dashboard) и откройте её в приложении.
Шаг 2: Создание структуры проекта — Перейдите в Agent Manager и используйте промпт для автоматического создания папок.
Шаг 3: Подключение Claude Code — В центре экрана нажмите дважды, выберите плагин Claude Code (если нет — установите через вкладку Plugins). Это даст доступ к лучшей модели для кодинга.
Промпт для создания структуры:
Создай структуру проекта для маркетингового дашборда. Мне нужны следующие папки:/data - для исходных excel файлов/src - для исходного кода дашборда/agent_skills - для системных промптов и навыков агента/dist - для финальной сборкиСоздай пустые файлы README.md в каждой папке.
Результат: Готовая файловая архитектура, подготовленная к приему данных и написанию кода.
2. Импорт и автоматический анализ Excel-данных
Контекст: Главная проблема аналитики — огромные таблицы (сотни строк, десятки листов). AI должен не просто "прочитать" файл, а понять связи между Яндекс.Директом, VK, Telegram и итоговыми продажами. Для этого в Antigravity используется расширение для визуализации таблиц и Python-скрипты для парсинга.
Выгода: Экономия десятков часов на ручном сведении данных. AI находит "аномалии" (например, бюджет, слитый впустую) за секунды.
Как применить:
Шаг 1: Загрузка данных — Перетащите ваш Excel-файл в папку /data.
Шаг 2: Установка просмотрщика — В расширениях (Extensions) найдите и установите плагин для чтения таблиц (например, Excel Viewer), чтобы видеть данные прямо в интерфейсе.
Шаг 3: Запуск первичного анализа — Используйте промпт, чтобы AI изучил структуру листов и колонок.
Промпт для анализа таблицы:
Проанализируй файл в папке /data. 1. Определи количество листов и их содержание.2. Найди ключевые метрики: бюджет, показы, клики, лиды, продажи.3. Напиши Python-скрипт для объединения всех данных в единый датафрейм для последующей визуализации.Выведи краткое резюме по найденным данным.
Результат: Полный список источников трафика, выявленные ошибки в данных и готовый план по их объединению.
3. Обучение агента через Custom Skills (Навыки)
Контекст: Чтобы дашборд был уровня McKinsey, AI должен следовать строгим правилам визуализации и бизнес-логики. Мы создаем "Skill" — специальный Markdown-файл, который описывает роль агента, архитектуру дашборда и правила обработки данных. Это делает поведение AI предсказуемым и профессиональным.
Выгода: Вы получаете не "случайный" график, а выверенный инструмент с правильной цветовой схемой и логичными фильтрами.
Как применить:
Шаг 1: Создание папки навыка — В /agent_skills создайте папку dashboard_analyzer.
Шаг 2: Написание скилла — Создайте файл skill.md и вставьте туда подробную инструкцию по анализу (роль: Senior Data Analyst).
Шаг 3: Регистрация навыка — Сообщите AI в чате, что теперь он должен использовать этот навык при работе.
Пример структуры файла skill.md:
# Skill: Dashboard Analyzer---## Role: Senior Business Intelligence Expert---## Tasks:1. Analyze marketing data for ROI/ROMI.2. Identify "underfunded" channels with high efficiency.3. Detect "money leaks" (high spend, zero conversions).4. Suggest budget reallocation strategy.---## Output Format:Always provide insights in "Insight - Data - Action" format.
Результат: AI теперь "думает" как топ-менеджер, находя скрытую рентабельность (например, канал с ROI 1500%) и критические ошибки (слив 4 млн на неэффективный канал).
4. Генерация интерактивного дашборда
Контекст: На этом этапе AI пишет код на Python (используя библиотеки Streamlit или Dash) для создания веб-интерфейса. Дашборд включает в себя селекторы дат, карточки KPI, графики динамики и воронку продаж.
Выгода: Интерактивность. Вы можете в один клик отфильтровать данные за ноябрь и увидеть, как изменилась стоимость лида.
Как применить:
Шаг 1: Создание Dashboard Builder — Добавьте второй навык dashboard_builder.md с техническими требованиями к UI (цвета, шрифты, библиотеки).
Шаг 2: Команда на генерацию — Введите промпт для создания кода.
Шаг 3: Запуск — AI выдаст ссылку на локальный хост (например, localhost:8501), где откроется ваш готовый дашборд.
Промпт для генерации дашборда:
Используй навык dashboard_builder. На основе проанализированных данных из /data создай интерактивный дашборд на Streamlit. Добавь:- Фильтр по месяцам и источникам трафика.- Карточки: Total Spend, Total Leads, CAC, ROMI.- График воронки (Funnel Chart).- Тепловую карту эффективности каналов.Сохрани код в /src/app.py и запусти его.
Результат: Полноценное веб-приложение с визуализацией всех маркетинговых показателей.
5. Интеграция AI-ассистента и деплой
Контекст: Финальный штрих — добавление чат-окна прямо в дашборд. Это позволяет пользователю задавать вопросы голосом или текстом (например: "Как увеличить продажи в 4 раза, увеличив бюджет только в 2?"). Для публикации используется сервис (например, Zeabur или Streamlit Cloud), который дает постоянную ссылку.
Выгода: Дашборд превращается из статической картинки в "умного" советника, доступного по ссылке из любой точки мира.
Как применить:
Шаг 1: Добавление AI-чата — Вставьте API ключ (Anthropic/OpenAI) в настройки дашборда. Добавьте компонент чата в код app.py.
Шаг 2: Брендирование — Создайте файл brand.json с вашими цветами и логотипом, попросите AI применить их.
Шаг 3: Публикация — Используйте команду для деплоя через CLI выбранного сервиса или попросите Antigravity изучить документацию сервиса и опубликовать проект.
Вопрос к AI-ассистенту внутри дашборда:
Проанализируй текущие данные и предложи стратегию: как мне масштабировать продажи в 3 раза, если я готов увеличить бюджет только на 50%? Какие каналы отключить, а какие усилить?
Результат: Опубликованный в сети профессиональный аналитический инструмент с вашим брендингом и AI-консультантом.
FAQ
В: Можно ли подключать Google Таблицы вместо Excel?
О: Да, Antigravity поддерживает работу с API. Вам нужно предоставить AI доступ к Google Cloud Console, получить JSON-ключ сервисного аккаунта и попросить агента переписать скрипт загрузки данных с pd.read_excel на библиотеку gspread.
В: Насколько безопасно передавать финансовые данные в Claude через Antigravity?
О: Данные обрабатываются через API Anthropic. Если вы используете Enterprise-версию или следите за настройками приватности в Antigravity, данные не используются для обучения общих моделей. Для максимальной безопасности можно использовать локальные модели через Ollama, но качество кода будет ниже.
В: Что делать, если дашборд выдает ошибку при запуске?
О: Просто скопируйте текст ошибки из терминала и вставьте его в чат Antigravity. Благодаря Claude Code, агент сам проанализирует лог, найдет проблемную строку в файле app.py и исправит её. Вам не нужно знать Python, чтобы фиксить баги.
В: Можно ли изменить дизайн дашборда под фирменный стиль компании?
О: Да, это делается через конфигурационный файл или прямой промпт. Вы можете передать AI HEX-коды ваших цветов (например, #FF5733) и попросить применить их ко всем графикам и кнопкам. AI перепишет CSS-стили дашборда за один проход.
В: Сколько стоит поддержка такого решения?
О: Основные затраты — это токены API (Claude/OpenAI), что при обычном использовании составляет несколько долларов в месяц. Хостинг на бесплатных тарифах (типа Streamlit Cloud) бесплатен. Это в десятки раз дешевле, чем лицензии Tableau или Power BI.
Конспект создан на основе видео «Как создавать дашборды уровня McKinsey за 1 вечер» канала "Нейросеть для бизнеса". Все права на оригинальный материал принадлежат авторам.Источник: https://youtu.be/qJCD5imSwyc
Claude Code