Как автоматически категоризировать банковские транзакции (гайд 2026)

У каждого приложения для личных финансов есть одна и та же скрытая проблема: люди перестают им пользоваться, как только категоризация начинает казаться неправильной. Списание, помеченное как «Misc», хотя должно быть «Restaurants»; списание через Square, которое приложение не может распознать; десять месяцев подписок, схлопнувшихся в «Service» — и пользователь сдаётся. Сделанная хорошо автоматическая категоризация — самая важная функция финансового трекера. Сделанная плохо — именно по этой причине такие приложения проваливаются.

Это гайд по автоматической категоризации транзакций на 2026 год: что это такое, почему решения до этого были настолько плохими, что изменилось в 2024 и 2025 годах, чтобы она стала надёжной, и как настроить всё это бесплатно или недорого.

Что на самом деле означает «автоматическая категоризация»

Каждая транзакция в банковской выписке — это одна строка данных: дата, описание мерчанта, сумма, иногда memo. Категоризация — это процесс присвоения этой строке осмысленной метки: Продукты, Рестораны, Транспорт, Подписки, Доход, Перевод — чтобы вы могли суммировать расходы по категориям, строить бюджет вокруг них и замечать аномалии.

Ручная категоризация работает первые 30 транзакций и потом перестаёт работать. Типичная семья генерирует 80–200 транзакций в месяц по всем картам и аккаунтам, а описания мерчантов редко выглядят как бренд: «CTV*PARAMOUNT» для Paramount+, «DG*ZWIFT» для приложения велоспорта, «TST*REDLOBSTER» для Red Lobster, «PAYPAL *AMAZON» для Amazon. Делать это вручную — ежемесячная рутина на 30 минут, которую почти никто не поддерживает.

Почему раньше категоризация была такой плохой

Mint, доминирующее приложение для личных финансов до 2024 года, использовало систему на правилах. descriptor мерчанта из банковской выписки сопоставлялся с вручную собранным списком регулярных выражений и кодов мерчантов; новые мерчанты или oddly-formatted descriptors «проваливались» в универсальную категорию. Три проблемы:

Базу мерчантов нужно было постоянно вручную поддерживать. Новые бренды, региональные компании и payment processors «под чужой бренд» постоянно путали её.
Категория для конкретного мерчанта зависела от контекста. Списание $40 в Whole Foods — это продукты; $40 в Starbucks — рестораны; $40 в той же кофейной сети внутри корпоративной столовой может быть возмещено как рабочие расходы. Системы на правилах этого не понимают.
Подписки и регулярные списания обрабатывались отдельным слоем распознавания, который часто спорил с категоризатором. Ежемесячная подписка Spotify могла показываться и как «Music», и как «Subscriptions» — в зависимости от того, какой экран вы смотрели.

Что изменилось в 2024–2026

Две вещи, в сочетании:

Большие языковые модели для категоризации

К концу 2024 года языковые модели стали достаточно дешёвыми и точными, чтобы категоризировать транзакции по одной за разом с точностью почти как у человека. Модель, которая прочитала большую часть открытого интернета, знает, что «CTV*PARAMOUNT» — это Paramount+ и стриминговая подписка, что «TST*» — это ресторанный POS, что «USPS» — это доставка, и что списание $40 в Whole Foods в субботу утром более вероятно окажется продуктами, а не расходом для офиса.

Критически важно: языковые модели также умеют использовать контекст — как часто встречается один и тот же мерчант, какой типичный диапазон сумм для него характерен, и как пользователь ранее переопределял категоризацию.

OCR для PDF-выписок

Форматы банковских выписок сильно различаются между странами, банками и типами счетов. Старые категоризаторы требовали выгрузку CSV, которая недоступна для многих небольших банков и для выписок зарубежных банков. Современные парсеры на базе ИИ извлекают структурированные данные прямо из PDF, включая разметки на несколько колонок, сноски про комиссии и таблицы, которые «ломаются» между страницами.

Объедините это вместе — и впервые появится сквозная автоматизация: загружаете PDF-выписку и получаете полностью категоризованный список транзакций, где подписки обнаружены, а регулярные списания помечены.

Как настроить автоматическую категоризацию в 2026

Вариант A: подключить приложение-агрегатор (Plaid)

Приложения вроде Monarch Money, Copilot Money и YNAB используют Plaid, чтобы подтягивать транзакции автоматически. Настройка занимает около пяти минут на один аккаунт. После подключения транзакции появляются ежедневно, а приложение категоризирует их при импорте. Качество разное: некоторые приложения всё ещё сильно опираются на логику на правилах — но лучшие из них сейчас уже примерно на 90% точны «из коробки».

Компромисс — приватность: вам нужно передать стороннему агрегатору логин от банка. У агрегаторов сильные результаты по безопасности, но для пользователей, которые не хотят, чтобы банковские учётные данные где-либо кроме самого банка вообще существовали — это стопроцентный отказ.

Вариант B: загрузить выписки в трекер с ИИ

MyVault — самый простой вариант без агрегатора: скачайте PDF или CSV-выписку на сайте вашего банка, загрузите её, а ИИ категоризирует всё меньше чем за минуту. Никаких банковских учётных данных в процессе не участвует — файл, который вы загружаете, это тот же файл, который вы бы скачали для налогового периода. Бесплатный тариф покрывает большинство «обычных» пользователей.

Вариант C: собрать своё с таблицей и AI-помощником

Для тех, кто любит делать сам (DIY), и у кого есть один — два простых аккаунта, таблица плюс один AI-запрос могут сделать большую часть работы. Экспортируйте транзакции в CSV, вставьте их в ChatGPT или Claude с промптом на категоризацию и примите результат. Это работает для разового аудита, но как ежемесячный процесс — хрупко.

Как улучшить любой категоризатор

Ни один автоматический категоризатор не идеален с первого прохода. Но несколько привычек существенно повышают качество со временем:

Выберите небольшой, стабильный список категорий. 12–15 категорий работает намного лучше, чем 50. Больше категорий — больше возможностей для того, чтобы спорить с самим собой.
Всегда исправляйте ошибочную категоризацию — даже если вас не интересует именно эта транзакция. Современные категоризаторы обучаются по вашим исправлениям: исправив один раз неверно разнесённое списание Spotify, вы показываете модели, что все ваши списания Spotify должны идти в одно и то же место дальше.
Задайте правило для неоднозначных мерчантов. Amazon, PayPal и Venmo — худшие нарушители: вы можете использовать Amazon для продуктов, электроники, книг и подарков. Либо дайте им отдельную «универсальную» категорию, либо примите, что придётся иногда перекатегоризировать вручную.
Категоризируйте переводы как переводы, а не как доход или расход. Если вы сделаете движение с текущего счёта на сберегательный и запишете это как доход с одной стороны и как расход с другой, вы дважды посчитаете это в итогах.

Что реально открывает хорошая категоризация

Когда транзакции категоризуются надёжно, вы наконец сможете ответить на важные вопросы: сколько вы реально тратите на рестораны vs продукты; какая доля дохода уходит на подписки; растёт ли ваш бюджет на транспорт; сколько вы потратили на ту поездку/отпуск в сумме. Эти цифры очевидны задним числом, но без категоризации их невозможно увидеть — а это и есть основа любого действительно полезного бюджета.

Попробуйте MyVault бесплатно — загрузите одну банковскую выписку и посмотрите, как AI автоматически категоризирует ваши расходы. Не требуется вход в банк. MyVault