Комментарии 17
ну т.е. просто через API данные забираются в облако, там некое "Yandex Query" (в статье не описано или я не увидел?) собирает DataMart который визуализируется в одном из вариантов бесплатных BI:
source -> Airflow -> DWH -> DataMart -> BI
кажется что это стандартный процесс..
ps. у Вас все DAG'и красные, обработки ошибок загрузки нет что-ли? а если один из DAG'ов сломается то визуально через Airflow UI это не понятно..
Спасибо за коммент! DAG'и красные, потому что тестировал в самом начале загрузку, это можно почистить довольно быстро. 100% отработано за последний месяц.
На самом деле процесс стандартный да. Однако связку Object Storage -> Yandex Query -> DataLens мало где описана как-то. Обычно используют ClickHouse или PostgreSQL с публичным IP адресом для формирования отчетов - это не есть хорошая практика, риск данные потерять есть.
Если нужно данные анализировать, то можно использовать DuckDB или ClickHouse, или GreenPlum, или даже PostgreSQL специфичный и далее использовать dbt для дальнейших задач.
Суть в том, что все это стоит 200 рублей в месяц для данных до 100 Гб.
Укажи тг в конце улети в минус
Так а в чем прибыльность ? Аналитика это конечно же классно и важно, но когда у вас маржинальность то Вара 25 % с бытовой техники, где прибыль то ?
Пробежал по диагонали, спасибо за свежие мысли относительно того, как можно монетизировать свои навыки)
Я как начинающий селлер на озоне, себе сразу сделал подобные отчёты, правда в 1с затягивал себе данные. Кто бы что ни говорил про 1с, но строить отчеты через СКД там очень удобно., и на самом деле почти все что вы тянете оттуда, оно в принципе и так рассчитывается заранее, но для этого сначала надо посчитать процент выкупа, процент оборачиваемости . Мне же по факту был интересен процент дрр, так как у начинающего селлера с новыми и небрендированными товарами, это основная и непредсказуемая статья расходов. У вас с этим проще, и товар брендированный и и карточки кже прокаченные. По факту пришёл к выводу, да я знаю, и даже почти в онлайне знаю, свою прибыль или убыток от продаж. Но толку от этого для меня мало. 80 % продавцов, там торгуют, и не догадываются, что торгуют в минус, и поэтому спать спокойно, а я знаю, и не сплю спокойно.
Отличный комментарий, спасибо. Да, у нас есть проблемы с 1С, ни одного аналитического отчета, к сожалению, нормального не вышло. Будем стараться.
Если хотите, можете приехать к нам в офис, если вы в Москве. Наш генеральный директор, вас приглашает обменяться опытом.
Спасибо за приглашение. Но я из Новосибирска, поэтому в таком формате не могу принять ваше предложение. Но мы же в 21 веке живем, поэтому ни кто не отменял онлайн общение, ну это если у вас видимо есть интерес, по интеграции с 1С. У меня есть интерес услышать мнение и потребности крупного игрока, а то все мои знакомые селлеры отмахиваются, да зачем мне это, это тяжело, прибыль есть, а что там в разрезе каждого товара.... да нет на это времени.
проблема в объемах, с которыми СКД не сильно справится/
>> время обновления составляет около 6 часов
немного оффтоп. К тех. решению вопросов нет. Вопрос к компании. Странно, что крупной торговой компании мысль о необходимости мониторинга маржинальности пришла только после третьего миллиарда. Обычно с этого начинают бизнес, особенно на МП. Но респект, что всё-таки сделали. Я обычный ИПшник, через это прошел, закончили автоматическим ценообразованием, вообще без участия оператора. Понимаю радость автора от выполненной работы.
Заголовок для привлечения внимания. А по сути, чтобы использовать что-то более менее серьёзное, надо продавать, хотя бы от 500-1000 штук товара в день. Для всего остального делает 1С и, даже не напрягается.
А расскажите хоть, какие именно сценарии использования этого отчета позволяют экономить?
В голову приходит только некорректная установка цены продажи, из-за которой прибыль по позиции уходит в ноль или минус. Ну так это вопрос к механикам установки цен. Если сделать нормальный процесс, с получением на вход всех данных и просто автоматически управлять ценами исходя из целевых показателей, проблема отпадет.
Что именно в этом полотне данных позволяет что-то систематически улучшать?
Отвечу за автора, и на примере озона и собственного опыта. Озон такая площадка, где даже с платной внутренней аналитикой, тебе показывается только хорошее, чтобы селлер витал в облаках, и думал как у него все хорошо.
Поэтому те данные что дает API, могут дать более глубокое понимание процесса. Если пробежаться по воронке продаж:
1)К примеру у вас отличный CTR, но конверсия в корзину/заказы ни какая, значит у вас к примеру "кликбейтная" фото, а дальше описание карточки или там отзывы плохие. И да именно это вы можете увидеть и штатной аналитикой, а сравнить разные периоды, чтобы выявить возможную причину уже не совсем можете.
2) Вы можете увидеть % выкупа, и если он низкий, опять же задуматься о причинах "покатушек", устранить их по возможности, тем самым снизив расходы на логистику.
3) Оценить в динамике эффективность рекламы и цены. Например эту неделю мы торгуем, по завышенной цене, и завышенной рекламе, какая маржинальность по итогу выше. И что нам надо от этого товара, высокая оборачиваемость с низкой ценой или высокая маржинальность.
Немного сумбурно, и не все варианты описаны. Но польза от аналитики получаемой по API есть.
9.000.000 рублей прибыли в первый месяц: профессиональный подход к аналитике маркетплейсов