Аналитика в деталях: шесть задач, которые решают данные на Wildberries

Есть аналитика «крупного плана» — юнит-экономика, оборачиваемость, доля рекламных расходов. Ее обсуждают часто, и большинство продавцов хотя бы слышали об этих инструментах. Но есть задачи, которые реже попадают в поле зрения — и именно в них нередко скрыты незаметные потери и неочевидные точки роста.

Эта статья о шести таких задачах. Каждая из них решается через данные, требует собственного подхода и дает конкретный практический результат.

Планируете зарабатывать на маркетплейсах или уже добились определенных результатов? Начать без финансовых потерь и сделать доходы более предсказуемыми поможет книга “Финансовая аналитика селлера на WB, Ozon и Яндекс.Маркет с помощью коэффициентов и моделей”. Приобрести ее можно на OZON (ссылка) и на Wildberries (ссылка)

Ценовая эластичность: найти цену, которая максимизирует прибыль, а не продажи

Ценообразование на маркетплейсе часто сводится к одному из двух сценариев: держать цену на уровне конкурентов или ставить чуть ниже, чтобы выигрывать в конверсии. Оба подхода игнорируют ключевой вопрос: как именно меняется спрос при изменении цены в вашей конкретной нише?

Ценовая эластичность — это количественная мера этой зависимости. Если при снижении цены на 10% количество заказов вырастает на 5%, эластичность низкая: покупатель не особо реагирует на цену. Если при том же снижении заказы вырастают на 25% — эластичность высокая.

Почему это важно для прибыли? Потому что максимизация продаж и максимизация прибыли — разные задачи. При высокой эластичности снижение цены действительно может увеличить прибыль за счет объема. При низкой — снижение цены просто срезает маржу без значимого роста продаж: покупатель все равно купил бы и по старой цене.

Как измерять эластичность на практике? Через последовательные ценовые эксперименты с фиксацией результатов. Подняли цену на 5% — конверсия и объем продаж не изменились: можно поднимать дальше. Подняли еще на 5% — конверсия упала на 12%: нашли верхнюю границу. Опустили цену на 10% от исходной — продажи выросли на 8%, но прибыль с единицы упала: подъем объема не окупает потерю маржи.

Этот анализ требует терпения — каждый тест должен длиться достаточно долго для накопления значимых данных. Но он дает то, чего нет ни у одного конкурента, который просто «смотрит на рынок»: точное знание того, где находится ваша оптимальная цена.

Оценка стоимости бизнеса	Финансовый анализ по МСФО	Финансовый анализ по РСБУ
Расчет NPV, IRR в Excel	Оценка акций и облигаций

«Длинный хвост»: работать с сотнями артикулов без потери контроля

Продавцы, которые работают в нишах с широким ассортиментом — одежда, обувь, аксессуары, товары для дома — нередко сталкиваются с проблемой «длинного хвоста». Это ситуация, когда в магазине сотни или тысячи артикулов, из которых подавляющее большинство продается редко или вообще стоит мертвым грузом.

Интуитивный ответ — вывести все нерентабельные позиции. Но это не всегда правильно. В широком ассортименте «хвостовые» позиции выполняют несколько функций, которые не видны при взгляде на каждую из них по отдельности.

Во-первых, широкий ассортимент повышает вероятность того, что покупатель, зашедший в магазин за одним товаром, найдет и купит что-то еще. Это эффект «магазинной» логики: чем больше витрина, тем выше вероятность импульсной покупки. Во-вторых, редкие артикулы могут занимать ниши с низкой конкуренцией — и именно там давать высокую маржу при небольшом объеме.

Аналитика «длинного хвоста» требует другого подхода, чем анализ топовых позиций. Для хвостовых артикулов ключевые вопросы звучат иначе: не «сколько этот товар принес», а «сколько он стоит в хранении и внимании», «покупают ли его вместе с чем-то более маржинальным» и «есть ли в его нише органический трафик без рекламных вложений».

Практический инструмент для работы с «хвостом» — анализ пересечений в корзинах покупателей. Если артикул из «хвоста» часто покупают вместе с топовой позицией, он выполняет функцию сателлита и его стоит оставить, даже если сам по себе он почти не приносит прибыли. Если он покупается исключительно изолированно и редко — это балласт.

Скорость выхода новинки на плато: как понять, стоит ли продолжать вкладываться

Каждый новый артикул проходит определенный жизненный цикл на маркетплейсе. Сначала — разгон: карточка набирает отзывы, позиции в выдаче растут, продажи ускоряются. Потом — плато: динамика стабилизируется, артикул занял свое место в нише. Потом — в зависимости от ниши — либо долгосрочная стабильность, либо медленное угасание по мере появления новых конкурентов.

Ключевой аналитический вопрос при запуске новинки — не «продается или нет», а «с какой скоростью артикул проходит фазу разгона и куда именно выходит».

Быстрый разгон и высокое плато — лучший сценарий: товар попал в нишу с незакрытым спросом, карточка проработана, алгоритм его подхватил. Медленный разгон и высокое плато — тоже хороший сценарий, но требует терпения и готовности вкладываться в рекламу дольше, чем хотелось бы. Быстрый разгон и низкое плато — тревожный сигнал: первоначальный всплеск мог быть случайным или связанным с временным фактором, а устойчивого спроса нет. Медленный разгон и низкое плато — повод серьезно пересмотреть решение о продолжении.

Для этого анализа нужна история продаж с разбивкой по неделям с момента запуска. Сравнение кривых разгона разных артикулов внутри одной ниши или у одного продавца — это бесценный ориентир: он показывает, что является нормой для вашего контекста, и позволяет быстро выявлять аномалии.

Практическое правило, которое используют опытные продавцы: если артикул за первые шесть-восемь недель не вышел на уровень, при котором юнит-экономика хотя бы в точке безубыточности, — почти наверняка он не выйдет на него никогда без кардинального изменения карточки, цены или логики продвижения.

Рейтинг продавца: метрика, которую видит алгоритм, но не видят продавцы

Большинство обсуждений рейтинга на Wildberries касаются рейтинга конкретной карточки — оценок и отзывов на товар. Но у магазина в целом тоже есть рейтинг, который формируется из совокупности показателей и влияет на видимость всего ассортимента.

Что входит в рейтинг продавца? Своевременность поставок и корректность документов при приемке на склад. Процент отмен заказов по вине продавца. Скорость обработки заказов при работе по FBS. Соответствие товара описанию, которое косвенно отражается в проценте возвратов и негативных отзывах. Соблюдение требований к упаковке и маркировке.

Падение рейтинга продавца бьет по всему магазину сразу — не по одной карточке, а по всем позициям одновременно. И восстанавливается он медленнее, чем падает: алгоритм осторожен в реабилитации продавцов с историей нарушений.

Аналитика здесь нужна превентивная: отслеживать показатели, которые формируют рейтинг, до того как они достигнут критических значений. Процент некорректных приемок на складе растет — разбираться с процессом упаковки и документами. Процент отмен по вине продавца увеличивается — искать причину в цепочке поставок. Скорость обработки по FBS проседает — пересматривать операционный процесс.

Это тот случай, когда аналитика работает не на рост, а на защиту: предотвращает потери, которые могут обесценить все остальные усилия.

Кризисная аналитика: что смотреть, когда что-то резко пошло не так

У каждого продавца на маркетплейсе рано или поздно случается «черный понедельник»: продажи резко падают, позиции проваливаются, конверсия обрушивается. В такие моменты важна не только аналитика как таковая, но и правильная последовательность диагностики — чтобы не тратить время на поиск проблемы там, где ее нет.

Первый вопрос: это проблема одной карточки или всего магазина? Если упала одна позиция — ищем причину в ней: изменились ли позиции в поиске, не появился ли новый конкурент с демпинговой ценой, не накопились ли негативные отзывы, не закончились ли остатки на ключевом складе. Если упал весь магазин разом — ищем системную причину: изменение алгоритма платформы, снижение рейтинга продавца, технический сбой, изменение условий договора.

Второй вопрос: когда именно началось падение? Точная дата начала резко сужает круг возможных причин. Если падение совпало с запуском акции — возможно, участие в акции дало всплеск, после которого алгоритм «переоценил» органические позиции. Если с обновлением карточки — скорее всего, что-то в обновлении пошло не так. Если с конкретным числом без видимой причины — стоит проверить изменения в алгоритме, о которых сообщают другие продавцы в профессиональных сообществах.

Третий вопрос: что изменилось у конкурентов в тот же период? Если у всех в нише упали продажи одновременно — это рыночный или алгоритмический фактор, и индивидуальные действия мало что изменят. Если упали только вы, а конкуренты держатся — проблема внутри вашего магазина.

Четвертый вопрос: какие данные в личном кабинете изменились первыми? Аналитика воронки показывает, на каком этапе произошел разрыв. Показы упали, а конверсия осталась — проблема в видимости. Показы держатся, а конверсия упала — проблема в карточке или цене. Конверсия держится, а выкуп упал — проблема в качестве товара или скорости доставки.

Эта четырехшаговая диагностика позволяет в течение нескольких часов сузить пространство возможных причин с десятков до двух-трех. Это принципиально важно: в кризисной ситуации каждый день промедления стоит денег и позиций.

Аналитика ценности покупателя: думать не о продаже, а о покупателе

Большинство аналитических усилий на маркетплейсе направлены на товар: как продать конкретную позицию, как улучшить карточку, как снизить возвраты по артикулу. Значительно реже продавцы думают о покупателе как об аналитической единице.

Концепция пожизненной ценности покупателя (LTV — lifetime value) пришла из подписочных бизнесов, но на маркетплейсах она тоже работает — пусть и в несколько иной форме.

На Wildberries у продавца есть «свои» покупатели — люди, которые однажды купили в его магазине и вернулись снова. Для таких покупателей стоимость привлечения уже заплачена, и каждая последующая покупка обходится значительно дешевле. Вопрос в том, как стимулировать повторные покупки и как измерять их ценность.

Аналитика здесь строится вокруг нескольких показателей. Доля повторных покупателей в общем объеме заказов: если она растет — магазин строит лояльную аудиторию. Средний чек повторных покупателей в сравнении с новыми: как правило, лояльные покупатели покупают на большую сумму и реже возвращают товар. Паттерны повторных покупок: какие товары чаще всего покупают во второй и третий раз, через какой промежуток времени, с какими другими позициями в корзине.

Эти данные дают основу для ассортиментных решений нового типа: не «что продается на маркетплейсе вообще», а «что нужно моим конкретным покупателям, которые уже мне доверяют». Это смещение перспективы меняет логику расширения ассортимента и позволяет строить магазин с внутренней связностью, а не случайным набором позиций.

Мультиканальная аналитика: Wildberries как часть большей картины

Многие продавцы работают на нескольких маркетплейсах одновременно — Wildberries, Ozon, Яндекс Маркет — или сочетают маркетплейс с собственным интернет-магазином или офлайн-точкой. В этом случае аналитика каждой площадки по отдельности дает неполную картину.

Мультиканальная аналитика позволяет увидеть несколько вещей, которые невидимы при взгляде на каждый канал изолированно.

Каннибализация каналов: не «съедают» ли продажи на Wildberries продажи на Ozon по тем же артикулам? Это происходит, когда один и тот же покупатель может купить на любой из площадок, и снижение цены или рост активности на одной платформе просто перетягивает его туда, не увеличивая общий объем продаж.

Ценовой арбитраж: на разных площадках оптимальные цены для одного товара могут существенно отличаться из-за разной аудитории, разных комиссий и разного уровня конкуренции. Аналитика по всем каналам позволяет выставлять цены оптимально для каждой площадки, а не унифицированно.

Единое управление остатками: если один и тот же товар продается на нескольких площадках, управление запасами становится значительно сложнее. Аналитика скорости продаж по каждому каналу позволяет правильно распределять остатки и избегать ситуации, когда товар закончился на Wildberries, а на Ozon его никто не берет.

Для мультиканальных продавцов отсутствие единой аналитики по всем площадкам — это не просто неудобство. Это систематические потери: в марже, в остатках, в рекламных расходах, которые дублируются между каналами без понимания общей картины.

Не действуйте наугад — прочитайте книгу “Финансовая аналитика селлера на WB, Ozon и Яндекс.Маркет с помощью коэффициентов и моделей”. Она поможет избежать большинства типовых и неочевидных ошибок. Приобрести ее можно на OZON (ссылка) и на Wildberries (ссылка)

Итог: глубина важнее ширины

Можно собирать очень много данных и при этом принимать посредственные решения. Можно смотреть на небольшой набор показателей и видеть в них то, что другие упускают.

Разница не в количестве метрик — она в глубине понимания каждой из них. Что именно стоит за числом? Что его формирует? Как оно связано с другими показателями? Что изменится, если оно вырастет или упадет?

Продавцы, которые задают эти вопросы настойчиво и честно, обнаруживают возможности там, где другие видят просто цифры в отчете. На насыщенном и конкурентном маркетплейсе это и есть главный источник преимущества — не больший бюджет и не лучший товар, а более глубокое понимание того, что происходит и почему.

Оценка стоимости бизнеса	Финансовый анализ по МСФО	Финансовый анализ по РСБУ
Расчет NPV, IRR в Excel	Оценка акций и облигаций