Как крупным розничным компаниям анализировать продажи на маркетплейсах? Проблемы интеграции данных в ритейле и их решения

За последние четыре года изменились потребительские привычки покупателей. Пандемия стала катализатором роста онлайн-рынка в России. Доставка продуктов или покупки на маркетплейсах стали такой же обыденностью, как поход в магазин у дома.

Еще одной особенностью поведения потребителей стал гибридный формат покупки: выбор товара в рознице и его покупка дешевле на маркетплейсе, или наоборот. На маркетплейсы вышли крупные торговые компании и бренды, ритейлу стало важно поддерживать омниканальность продаж.

Нестабильность среды, изменение поведения потребителей, высокая конкуренция и реструктуризация рынка в связи с появлением новых игроков вынуждают ритейлеров постоянно искать новые способы взаимодействия с клиентами, улучшения качества сервиса и повышения эффективности.

По данным Data Insight, агентства, специализирующегося на исследованиях в области eCommerce и digital, в 2023 году количество заказов на маркетплейсах составило 4076 млн штук из 5142 млн штук во всем eCommerce.

В 2021 году доля рынка маркетплейсов в России от общего числа онлайн-продаж составляла 39,7%, в 2022 году – 47,9%, и, согласно прогнозам Ассоциации компаний интернет-торговли (АКИТ), в 2024 году вырастет до 54%.

Одной из тенденций в онлайн-торговле в 2023 году стал рост продаж в регионах, вызванный ростом региональных игроков и расширением зоны присутствия маркетплейсов.

Доля крупнейших маркетплейсов Wildberries и Ozon в 2023 году выросла с 67% до 76%. Третье место занимает Яндекс Маркет, на четвёртом — Мегамаркет.

На маркетплейсах ритейлеры могут реализовать весь текущий ассортимент, т. е. фактически создать дополнительный канал продаж через торговую площадку партнера.

Либо продавать ограниченный ассортимент продукции, например товары из прошлых коллекций, которые уже нерентабельно выставлять на продажу в офлайн точках.

Кроме того, за 2023 год возникло более 100 нишевых маркетплейсов с прибыльностью более 300 млрд руб.
Нишевый маркетплейс – торговая площадка, ассортимент которой относится к одной или нескольким смежным категориям товаров или ориентирован на определенную аудиторию, например, Ситилинк, Flowwow, Ютека, Все инструменты и другие.

В категорию также входят крупные узконаправленные продавцы, использующие маркетплейс как канал для быстрого развития онлайн-торговли. Отличие этих площадок от привычных интернет-магазинов – возможность подключать сторонних продавцов и производителей с собственной логистикой.

Увеличение ассортимента товара, выстраивание эффективной логистической цепочки, оптимизация маркетинговых активностей и выход в новые регионы позволяет ритейлерам реализовать стратегию омниканальных продаж.

Маркетплейсы на базе интернет-магазинов делают клиентский опыт потребителя практически бесшовным во всех каналах продаж.

Примерами таких игроков стали Ламода, Детский мир, М.Видео, Леруа Мерлен.

Маркетплейсы, Wildberries, Ozon, Яндекс Маркет и другие, предлагают бесплатную встроенную аналитику для продавцов в личных кабинетах. С помощью сервиса можно оценить динамику оборачиваемости, данные по продажам, количество оплаченных заказов и возвратов, остатки товаров. Анализ этих показателей важен для исключения блокировок, отстройки от конкурентов и увеличения рентабельности продаж.

Но возможности встроенных инструментов ограничены, чтобы пробиться в топ выдачи необходим анализ конкурентов.
В этом помогают внешние сервисы аналитики маркетплейсов. Примеры таких сервисов – Маяк, SellerFox, Moneyplace, MPStats, MarketVision.

Они содержат информацию, которую нельзя получить в личном кабинете маркетплейса: данные о продажах конкурентов, категориях товаров, динамике в определенной нише, трендах и сезонности продаж, подсказки по SEO.

В последние годы крупный ритейл стал одним из лидеров в области цифровизации бизнеса, внедрения платформ бизнес-аналитики и корпоративных хранилищ данных (КХД, DWH).

DWH консолидирует всю важную бизнес-информацию, которая становится основой для отчетности и визуализации в BI.
Для проведения многомерного анализа продаж и разработки дальнейшей стратегии, необходимо учитывать не только розничные и онлайн-продажи, но и проводить анализ результатов торговли на маркетплейсах: объем заказов, выкупа и возвратов, остатки на складах, затраты на логистику, сравнение с конкурентами и т. д.

Данные для анализа собираются напрямую из личных кабинетов Wildberries, Ozon, Сбермаркет, Яндекс.Маркет с помощью API-ключей или из сервисов аналитики маркетплейсов.

Но при выгрузке данных из сервисов могут возникать проблемы с их качеством.

На маркетплейсах можно продавать товары по двум схемам: FBS и FBO. При схеме FBO (Fulfillment by Operator) продавец торгует со склада маркетплейса, и статистика по таким продажам довольно точная. При FBS (Fulfillment by Seller) товары отгружаются с собственного склада продавца или партнера, у которого продавец самостоятельно заказывает услуги хранения и подготовки товара с отгрузки.

Информацию по FBS сервисы собирают с помощью ботов, которые ежедневно парсят данные об остатках товаров из карточек и считают продажами получившуюся разницу между количеством товара по дням.

Такой способ сбора не всегда дает достоверную информацию по показателям продаж, так как боты не учитывают все каналы продаж.

Например, на начало дня у продавца в карточке Ozon отмечено 800 единиц товара. В течение дня на маркетплейсе было продано 100 товаров, а еще 200 единиц сбыто напрямую с собственного склада оптовому покупателю или отгружено на другой маркетплейс. Продавец обновляет остатки на Ozon, снизив их до 500 единиц, и бот засчитывает всю разницу как продажи через маркетплейс.

К сожалению, избежать этой неточности невозможно: при работе по FBS изменение остатков товара регулируется самим продавцом, зачастую продавцы указывают общий объем товаров по складу.

Еще одна проблема, с которой столкнулись на практике специалисты Qlever Solutions – непрозрачная логика формирования отчетности в сервисах, которая приводит к искажению финансовых результатов.

На проекте одного из наших заказчиков, крупной компании-ритейлера, торгующего в розницу, онлайн и на маркетплейсах, для анализа продаж необходимо было выгружать данные в DWH из одного из популярных сервисов аналитики маркетплейсов.

До выгрузки специалисты Qlever Solutions всегда поверяют корректность данных из всех источников и проводят их подготовку.

В процессе проверки команда Qlever обратила внимание на неочевидную логику формирования отчетов по периодам.

Для примера рассмотрим отчеты продаж для Wildberries по категории «Дети» в разрезе дней.
При выборе анализируемого периода с 01.01.2024 по 31.01.2024 (отчет за 31 день), значение продаж за 08.01.2024 равно 991 733.

При выборе отчета за 5 дней, с 06.01.2024 по 10.01.2024, значение показателя «Продажи» на дату 08.01.2024 составят 898 382.

Значения показателя для одной и той же даты 08.01.2024 отличаются примерно на 10%, и это вызвано непрозрачной, неочевидной логикой формирования отчетности.

Поддержка сервиса объясняет логику следующим образом: если товар находился в категории хоть раз за период, за который отчет был сформирован, данные по нему будут учитываться на протяжении всего периода отчета.

Такой подход не может застраховать от ошибок, связанных с человеческим фактором, когда товар был добавлен в неверную категорию, а затем перенесен в правильную. Несмотря на исправление ошибок данные по ошибочной категории по-прежнему будут учитываться в отчете за 31 день.

К тому же, при загрузке данных в DWH и дальнейшей аналитике, отчётность на основе таких данных будет некорректной.

Осложняло задачу и то, что неверная логика присутствовала в большинстве отчетов, но некоторые все же отображали показатели корректно.

Так как проблема логики формирования отчетов стала известна Qlever Solutions еще на старте проекта, наши эксперты предприняли возможные меры, чтобы добиться максимально корректных результатов.

В том числе, совместно с клиентом был разработан регламент выгрузки данных из сервиса аналитики маркетплейсов, где были зафиксированы периоды выгрузки по категориям, показателям и конкретным отчетам, в зависимости от того, есть ли ошибка в логике отчета или нет.

Синхронизация по процессам выгрузки позволила получить данные по продажам на маркетплейсах с минимальными погрешностями и сформировать максимально точную картину по ключевым бизнес-показателям для дальнейшего прогнозирования спроса и разработки новых стратегий продаж.

Возможность своевременно реагировать на изменения спроса и оперативно корректировать деятельность на основе данных становится решающим фактором для проектов по цифровизации ритейла.

Внедрение корпоративных хранилищ в розничной торговле позволяет привести разрозненные данные к единой структуре и строить на их основе отчетность для всех филиалов и функциональных областей компании: топ-менеджмента, продаж, маркетинга, склада, отдела закупок.

DWH является фундаментом для систем бизнес-анализа, которые помогают визуализировать большие объемы данных и делать их понятными для бизнес-пользователей.

На основе полученных отчетов они, в свою очередь, могут эффективнее оценивать маржинальность точек в сети, продажи офлайн, онлайн или на маркетплейсах, проводить анализ товарного ассортимента (ABC XYZ), оптимизировать маркетинговые проекты компании.