Аналитика российских маркетплейсов
1. На какие маркетплейсы ориентироваться (ключевые российские площадки)
- Wildberries — крупнейший по выручке и ассортименту, модели FBO/FBS, высокая доля мобильного трафика, сильные логистические механики и собственные штрафы/бонусы.
- Ozon — сильен в быстрой доставке, FBO/FBS, реклама Ozon Ads, удобен для тестирования ценовых акций.
- Yandex.Market (Маркет) — важен для карточек и контекстного трафика, интеграция с Яндекс.Директ и каруселью.
- AliExpress Россия — высокая конкуренция по цене, международные и локальные продавцы, спецформаты промо.
- Сбер/СберМегаМаркет, Lamoda (в категориях fashion) и др. — в зависимости от ниши имеют свои требования.
2. Российские особенности, которые нужно учитывать
- Логистика и модели исполнения (FBO/FBS/dropship): стоимость фулфилмента, сроки, OOT (on‑time delivery) — критичны для конверсии и рейтинга карточки.
- Возвраты и рекламации: у некоторых категорий (одежда, обувь) уровень возвратов существенно выше; маркетплейсы применяют штрафы/пени за высокий % возвратов.
- Комиссии, дополнительные сборы и акционные условия: учитывайте не только стандартную комиссию, но и платные рекламные продукты, стоимость участия в распродаже, плата за изъятие товара со склада.
- Сертификация и регистрация (СЕ/РСТ, питанию/косметике нужны документы): без них карточку могут заблокировать.
- Фискализация и агентская модель: платежи проходят через маркетплейс → важна корректная отчётность и чековая дисциплина.
- Сезонность и пиковые периоды: Новый год, 8 Марта, Черная пятница, «День защиты детей», «Сезон распродаж WB» и т. п. — подготовка складов и рекламных бюджетов обязательна.
- Ценовая конкуренция и «ценовая война»: быстрое repricing и мониторинг конкурентов критичны.
3. Основные источники данных (для ETL)
- Официальные API маркетплейсов: Wildberries API, Ozon Seller API, Yandex.Market Partner API, AliExpress Russia OpenAPI.
- Экспортные отчёты платформ (daily/weekly reports).
- Аналитика маркетплейсов с помощью сервисов специализирущихся на разработке аналитических инструментов для маркетплейсов.
- Внутренняя ERP/WMS/CRM: остатки, приход, закупочные цены.
- Маркетинговые системы: рекламные кабинеты, коллтрекинг.
- Внешняя конкуретная разведка: парсинг цен/наличия/отзывов (с учётом правил платформы).
- Публикации и отчёты рынка (Data Insight и др.), SimilarWeb/Comscore — для трендов рынка.
- Отзывы/CSAT, логи возвратов и причины возвратов.
4. KPI и метрики, релевантные российскому рынку
- Финансовые: GMV, Net Revenue (после комиссий/возвратов), маржа по SKU.
- Операционные: OOS rate, дни запаса, lead time поставки, fulfillment cost per order.
- Конверсии: CTR карточки, конверсия просмотров→покупки, add‑to‑cart rate.
- Качество: % возвратов, % рекламаций, late shipment rate, % отмененных заказов.
- Репутация: рейтинг продавца, средний рейтинг товара, количество негативных отзывов.
- Маркетинговые: ROAS по кампаниям, CPA по каналам, доля продаж через promo.
- Ассортимент: ABC/XYZ, % SKU приносящих 80% выручки, глубина SKU по категориям.
- Риски: блокировки карточек, штрафы, chargebacks.
5. Особенности рекламных форматов и их учёт
- Wildberries: внутренние промо-форматы и платные размещения, таргет внутри WB.
- Ozon Ads: CPC/CPM/CPA форматы, branded placements.
- Yandex.Маркет: интеграция с Директом, платная выдача и карусели.
Учитывайте: разная модель атрибуции, влияние промо на органику (временный рост трафика) и cannibalization между каналами.
6. Типичные аналитические сценарии и модели
- Прогноз спроса по SKU с учётом lead time и promo: Prophet/LightGBM + внешние фичи (праздники, промо, погода).
- Repricing и эластичность цен: оценка elasticities, оптимизация цены с учётом комиссии и доставочных затрат.
- Promo attribution и маржинальный эффект: A/B тесты промо, uplift-анализ.
- Сегментация клиентов: RFM-, cohort‑анализ, LTV.
- Root cause analysis возвратов: кластеризация причин возврата (качество, несоответствие описанию, брак).
- Fraud/chargeback detection: аномалии по регионам, частые возвраты одними клиентами.