Проблема

Маркетплейсы успешно развиваются и привлекают все больше селлеров. Конкурентный отбор и накопление коллективного опыта формируют когорту селлеров и менеджеров с понимаем преимущества аналитических подходов к управлению бизнесом.

Возникающий спрос на аналитические инструменты находится в начальной стадии, когда рынок уже считает аналитику обязательной, но отношение к качеству еще на уровне “какая-нибудь аналитика лучше чем никакая”.

На этой волне спроса рынок заполнился предложением различных приложений, имитирующих аналитику чисто внешне, то есть выдающих желаемое за действительное.

Пользователи таких приложений при сопоставлении “аналитических показателей” с реальностью испытывают когнитивный диссонанс.

Ниже приведены скрины из одной из популярных групп селлеров в подтверждение описанного тренда.

После скринов раскрыто применение одного из аналитических показателей - процента выкупа.

Процент выкупа — это доля выкупленных заказов. Выкуп и продажа являются синонимами в этом контексте.

Процент выкупа указан в разделе продаж. Каждой продаже соответствует свой заказ, заказы сделаны в разные даты, на каждую из которых рассчитывается свой % выкупа. Средний % выкупа усредненный по продажам и приведенный на дату продаж без указаний дат соответствующих заказов не несет никакой полезной информации и дезориентирует селлера. Поэтому селлер не верит приведенным цифрам и считает как может: делит выкупы на заказы внутри периода.

Когнитивный диссонанс от фейковой аналитики уже есть, но требование к качеству сохраняется на уровне “более-менее точная”.

Показатель важный, его отслеживают. Одно “но”: что подразумевается под выкупами “на сегодня”?

Вероятно, также речь о выкупах “на сегодня”.

Когнитивный диссонанс есть, но вера в непогрешимость сервиса аналитики сильнее веры в свои интеллектуальные способности.

Аналитика дает некий % выкупа, но к чему он относится умалчивает.

Подобные примеры можно продолжать до бесконечности, их огромное количество. Несмотря на явную неадекватность % выкупа в большинстве сервисов аналитики ими все равно продолжают пользоваться.

Определение показателя (% выкупа)

В юнит-экономике маркетплейса все расходы должны быть отнесены на продажу, так как продажа является юнитом в бизнесе на маркетплейсе. С этой целью необходимо определить каким образом расходы на X заказов должны быть распределены среди Y продаж. Это соотношение и является процентом выкупа.

На практике процент выкупа традиционно недооценивается и рассчитывается по “упрощенным” схемам. Самым популярным упрощением является расчет отношения заказов к продажам на одну и ту же дату (день-в-день).

Применение показателя

Первичными данными для аналитики являются выгрузки из личного кабинета селлера. В выгружаемых таблицах затраты на логистику и рекламу отнесены на заказы. Для использования этих затрат в аналитике их необходимо пересчитать в отношении продаж с помощью коэффициента, который называется процентом выкупа.

Логистика и реклама - ключевые бизнес-процессы торговли на маркетплейсе, поэтому % выкупа критически важен для финансовой аналитики.

Кроме экономических вопросов % выкупа является индикатором для многих бизнес-процессов. Например, снижение % выкупа относительно предыдущей поставки указывает на возможные проблемы с качеством товара, упаковкой или фулфилментом. Также, разница в % выкупа между рекламными фразами позволяет точно определить целевую аудиторию. Традиционно, плохой % выкупа возвращенных товаров отражает проблемы с сохранением товарного вида при возврате. Подобных применений огромное количество, в том числе показывающих изменение невидимых для селлера процессов внутри самого маркетплейса (таких, как изменение ранжирования или алгоритмов SEO).

Неправильный расчет % выкупа не позволит находить и исправлять поломки в огромном количестве ключевых процессов бизнеса на маркетплейсе.

Для проведения правильного расчета % выкупа требуется соответствующая работа с данными. Для пояснения этого условия рассмотрим технику расчета % выкупа на реальных данных.

Кейс 1

Возьмем все заказы всех артикулов в количестве 9072 шт. в конкретный день 25.11.2024 и проследим как они превращаются в продажи, т.е. выкупаются.

Диаграмма — Динамика выкупов оформленных заказов №1

Расчет для этой диаграммы и другие использованные расчеты приведены в пр��ложении.

В первый день выкуплено 14 заказов, через день - максимум 1546 шт., в последний день рассматриваемого периода выкуплен 1 заказ. Всего за 14 дней выкуплено 4852 заказа. % выкупа составил 53,5%.

В тот же день 25.11.2024 было 7882 продаж, отношение продаж к заказам составило 86,9% (“упрощенный” вариант расчета ).

Кейс 2

Двумя неделями ранее, 10.11.2024, получено 20033 заказов.

Диаграмма — Динамика выкупов оформленных заказов №2

Здесь выкупы продолжаются 20 дней. Всего 15757 выкупов. % выкупа 78,7%.

В тот же день 10.11.2024 было 12783 продаж, отношение продаж к заказам составило 63,8%.

Пояснения

Оба кейса выполнены одной и той же командой на одних и тех же артикулах в один и тот же сезон.

Как видно из представленных данных, при сохранении качественного характера динамики выкупов количественные показатели могут значительно варьироваться.

Непрерывный поток выкупов может завершиться как за 2 недели, так и растянуться на 3 недели. Процент выкупа изменился на 25% в абсолютном выражении (с 78,7% до 53,5%) в период с 10 по 25 ноября.

После периода ежедневных выкупов они не заканчиваются, это упрощение для наглядности графика.

Примечательно, что “упрощенный” процент выкупа, рассчитанный как отношение продаж к заказам день-в-день, показал обратную динамику. Если реальный процент выкупа улучшился, то фейковый ухудшился на примерно то же значение.

В этих обстоятельствах команда будет искать проблему, но углубленный анализ покажет улучшение в процессах. Настойчивое принуждение команды к поиску несуществующей проблемы может привести к неадекватным кадровым решениям и внести разлад в команду.

В противоположной ситуации, когда реальный % выкупа снизится, а фейковый вырастет, команда не заметит проблему.

Выводы

Приведенные иллюстрации наглядно показывают, что “упрощенный” процент выкупа не имеет никакого отношения к юнит-экономике. Подобные “упрощения” полностью обесценивают результаты аналитики и лишают селлера важного инструмента управления, превращают аналитику в инструмент дезорганизации.

Случившиеся в один день продажи произошли из заказов, полученных в период 2 - 3 недели раньше. Продажа (выкуп заказа) является финальной стадией работы с товаром, на которой проявляется результат предыдущих усилий на стадиях рекламы и получения заказа. Если, например, реклама давала покупателям ложные надежды или карточка товара привлекла нелояльную аудиторию, то реальная оценка этим решениям будет получена только в момент выкупа (и возврата выкупленного товара).

Поэтому отношение дневных продаж к не имеющим к ним отношения заказам в тот же день никак не характеризует настройки бизнеса в конкретный момент времени. По такому отношению невозможно сделать никакой вывод о качестве бизнес-процессов.

Значительное изменение процента выкупа оказывает решающее влияние на финансовый результат. Сокращение нецелевых заказов и нецелевой логистики является важной задачей команды. Поскольку все продают примерно одинаковый товар и ��олучают трафик из одних источников по плюс-минус одинаковой цене, то успех решения именно этой задачи в значительной мере определяет конкурентное преимущество команды.

При правильном расчете процент выкупа покажет наличие проблем в процессах и углубленный анализ покажет причину проблемы: какие конкретно артикулы внесли определяющий вклад в изменение процента выкупа, связано ли это с очередной поставкой, какие были настройки рекламы, как менялись карточки товаров, с каких складов преимущественно отправлялись отказные заказы, не случилось ли в эти даты изменение на фулфилменте и т.д.

В случае с “упрощенным” процентом выкупа никакой анализ не способен дать ответ о причинах проблемы в принципе, потому что наличие самой проблемы определяется ошибочно.

Заключение

Для правильного расчета процента выкупа необходимы накопленные данные за месяц.
Процент выкупа крайне затруднительно рассчитывать в гугл-таблицах, так как они плохо справляются с массивными и громоздкими расчетами. Для этого существует сервис того же гугла Big Query.
Процент выкупа невозможно рассчитать для заказов за прошлый день или за прошлую неделю. Процент выкупа можно рассчитать для продаж за прошлый день или за прошлую неделю, но этот усредненный по продажам показатель имеет совершенно другой смысл.
Для заказов в одном (или двух) недельном отчете о реализации и одном месячном отчете невозможно построить юнитку, так как затраты по отраженным в отчете заказам относятся к продажам следующих периодов. Для продаж таких периодов юнитку посчитать можно, она будет включать расходы логистики и рекламы прошлых периодов, а не текущего.
Аналитика, основанная на проценте выкупа за последний день, последнюю неделю-две и построенная по отчету за один период не может иметь достоверных результатов.
Вместо процента выкупа в некоторых редких случаях может использоваться прогноз процента выкупа.

ПС

Понимая масштаб обсуждаемой проблемы, стоит обратить внимание и на породившие ее причины.

Очевидно, что в массовом сегменте с небольшим оборотом основной причиной является незрелость профессий селлера и менеджера. Дефицит компетенций не позволяет им отличить качественную аналитику от вредной. Понимая это, селлеры массового сегмента обычно и не стремятся к росту, предпочитая оставаться на уровне с интуитивно понятным раскладом.

Стоит отметить, что рост вполне возможен и с вредной аналитикой до уровня десятков и сотен миллионов рублей оборота в месяц. Аналитика - хотя и важный, но лишь один из инструментов управления. Уровень конкуренции в некоторых категориях иногда позволяет достигать выдающихся результатов и без этого инструмента.

Тем не менее, вопрос о причинах пренебрежения качеством аналитики имеет место именно в сегменте от первых миллионов до миллиарда оборота. На следующем уровне, при миллиардном обороте, в команду неизбежно приходят люди такого профессионального уровня, который не позволяет игнорировать вред от некачественной аналитики.

Хороших специалистов не так уж и мало, они стучатся и в команды с десятками и сотнями миллионов оборота.

Как правило, в таких командах уже достаточно развитая, но основанная на ошибочных алгоритмах аналитика. Попадая в такие команды, они оказываются перед выбором: либо А) честно объявить о плачевном состоянии аналитики в команде и призвать к ее полному сносу и построению заново, либо Б) не слишком афишировать степень остроты проблемы и пытаться постепенно перестроить постоянно растущую систему аналитики.

В первом случае предстоит открытое противостояние со сплоченной и доверенной командой, которой де-факто предлагается признать ее невысокие профессиональные качества и лишить привычного ориентира для принятия решений. Немногие решатся проявлять свои таланты в таких условиях.

Выбравшие план Б также быстро выясняют его несостоятельность.

Таким образом, одной из причин отторжения командой необходимых ей специалистов можно назвать культуру команды, противопоставляющую свой авторитет неподтвержденным компетенциям новичка и не имеющую средств для разрешения этого конфликта.

Другой аспект этой проблемы можно связать с болезнью роста.

Усиление в команде менеджерского состава, склада, рекламщиков и дизайнеров выглядит понятным шагом, приносящим осязаемые и легко измеримые результаты.

Усиление работы с данными измерить непросто и вклад аналитики данных в общий результат совсем не очевиден.

Когда команда растет в результатах, это придает ей уверенности в собственных знаниях. В то же время, неспособность кривой аналитики дать ответы на возникающие вопросы обесценивает аналитику как таковую и корень проблем ищут где угодно, только не в работе с данными.

Вследствие недооценки работы с данными это направление не получает достаточных ресурсов и проблема усугубляется.

Культурная особенность работы с любым бизнес-процессом исключительно в оцифрованном виде традиционно называется data driven. Вероятно, зрелость команды и стабильность ее результатов во-многом определяются степенью проникновения этой особенности в ежедневную рутину каждого специалиста.

Взгляд на состояние аналитики маркетплейсов