Как понять, что ваш маркетплейс-бизнес уже убыточен: 5 вопросов, которые должен задать себе каждый селлер 

Я, Ирина Чекулаева, люблю BI и многие годы занимаюсь построением систем бизнес-аналитики.
К Международному женскому дню хочу рассказать историю про платья. Но на самом деле это история про архитектуру и аналитику данных. Она началась с того, что в какой-то момент селлеры поняли, что продавать через маркетплейсы — это не значит просто загрузить товар и получить деньги.

Бренды и предприниматели массово заходили на Wildberries и Ozon с ощущением, что сейчас будут «золотые горы». И правда, сначала выручка росла, продажи увеличивались, и казалось, вот оно — бизнес-счастье.

Проблема проявилась позже. Оборот растет, производство работает на полную мощность. А где прибыль?

Рост бизнеса «не влезает» в Excel

Когда количество заказов и ассортимент товара начинает расти, то и объем данных значительно увеличивается. Производительности Excel или Google не хватает, чтобы оперативно и правильно посчитать финансовый результат.

С подобной проблемой столкнулась торгово-производственная компания NFES из Иваново, специализирующаяся на женской одежде. Ее подход к производству платьев сочетает традиционные швейные компетенции региона, автоматизированный раскрой, турецкие методы пошива, специализированные ткани, цифровую интеграцию процессов. А купить продукцию NFES можно только на WB и Ozon.

Изначально учет продаж на маркетплейсах велся в табличных редакторах. Однако объем данных в «Еженедельном отчете о продажах» с каждой неделей увеличивался и достиг более 100 000 записей, на сбор и обработку которых сотрудники тратили много часов, а табличный редактор «вис намертво» даже на недельном объеме. Все это негативно сказывалось на принятии решений.

Как вспоминает руководитель отдела продаж Ольга Будз:

«В начале компания протестировала около десяти аналитических сервисов: где‑то была сильная внешняя аналитика, а где‑то внутренняя. Какие‑то сервисы покрывали только одно направление, например, отгрузки. Но ни один сервис не смог корректно посчитать финансовый результат. Самое важное, что разные системы показывали разную прибыль. И это нас больше всего насторожило».

Почему отсутствие оцифровки — архитектурная проблема

В среде селлеров управленческий учет называют «оцифровкой» и часто воспринимают ее как бухгалтерию или статистическую отчетность. Но практика показывает, что это система принятия решений.

Когда рынок маркетплейсов только развивался и прибыли были большими, цена ошибки в планировании и прогнозах могла быть компенсирована за счет прибыли от новых продаж. В этом случае учет можно не вести, но нужно быть готовым покрывать дополнительные расходы за счет маржи.

В ситуации когда конкуренция растет, а маржинальность падает, отсутствие учета приводит к неверным управленческим решениям по выбору ассортимента и цен, затовариванию склада и заморозке финансовых средств в товаре, на который нет спроса. Выбор делается интуитивно, цены копируются у конкурентов, реальная прибыль замещается выручкой, что приводит к кассовым разрывам, а производство не понимает реальный спрос.

Критически важные показатели, которые теряются без учёта:

• реальная себестоимость,

• прибыль с единицы товара,

• стоимость возврата,

• оборачиваемость запасов.

Главная инженерная гипотеза 

Вместе с моим партнером по проекту Натальей Герасименко мы сформулировали её так: проблему нельзя решить новым отчетом, а нужно менять модель данных.

Наталья стала автором финансовой модели оцифровки, она — действующий селлер на WB и Ozon и финансист со стажем, и сделала модель для себя, что стало залогом правильных расчетов. 

Я подобрала инструменты для автоматизации этой модели, разработала архитектуру, код и дашборды, что позволило предложить приемлемую цену решения, обеспечило его гибкость к изменениям API маркетплейсов, надежность и безопасность.

Архитектура решения: от JSON до BI дашбордов

Выбор облачной инфраструктуры стал преимуществом не только по цене, но по экономии ресурсов заказчика. Систему поддерживает один технический специалист, который отвечает как за бесперебойность технических процессов, так и за поддержку аналитической системы. За время внедрения несколько раз опробовали работу техподдержки облака “в действии”, и убедились, что любой вопрос будет решен оперативно.

С виду простой и доступный BI инструмент, позволил реализовать все необходимые визуализации и заказчик получил готовую аналитическую систему, которую может поддерживать и развивать самостоятельно.

Процесс обработки данных выглядит так:

• Данные из личного кабинета селлера через API маркетплейсов выгружаются в формате JSON с помощью Python скриптов по расписанию, и сохраняются “как есть” в таблицах PostgreSQL.

• С помощью встроенных функций PostgreSQL данные агрегируются и рассчитываются необходимые финансовые показатели. Над ними построены датасеты BI, они – основа для дашбордов.

• Особенностью данной архитектуры являются инкрементальные загрузки данных и пересчет изменений (delta), что дает существенный выигрыш по скорости расчетов. Подгрузка данных и их подготовка для отчета занимает несколько минут.

Такая модель позволяет создать воронку трансформации данных по типу (raw_data → normalized_data → financial_data). У маркетплейсов регулярно меняются методы и форматы выдачи данных, но предложенный подход позволяет любой слой изменить без переписывания системы.

В результате оцифровка начала собирать:

1. P&L до артикула

2. Остатки складов в динамике

3. Оборачиваемость до баркода

4. Ленту заказов и % выкупа

5. Аналитику рекламы

6. Платное хранение

Также появились сводные отчёты по двум маркетплейсам WB и Ozon одновременно, и возможность анализировать неограниченное количество личных кабинетов. А доступ пользователей стал разграничен на уровне строк базы.

Примеры аналитических отчетов 

Юнит-экономика

Метод анализа прибыльности бизнеса, рассчитывающий доходы и расходы на одну базовую единицу продукции. Она определяет эффективность бизнес-модели, показывая, приносит ли каждый проданный товар прибыль после вычета всех переменных затрат, таких как реклама, логистика и себестоимость.

ABC анализ

Метод классификации товаров по степени их важности для бизнеса, основанный на принципе Парето (20/80): 20% позиций дают 80% результата. Он помогает оптимизировать ассортимент и складские запасы, выделяя самые доходные (А), средние (В) и наименее ценные (С) группы.

«Сообщить о поступлении товара»: как данные управляют пошивом и продажами платьев

NFES делает ставку на свои модели — платье должно «садиться по фигуре». Оказалось, что экономика бизнеса работает так же. Без точных измерений получается усредненный результат, а с точными данными становится индивидуальной подгонкой.

Керим Жумаев, генеральный директор компании NFES описывает этот эффект так: «Если продажи отстают, то производство умирает красиво, без суеты, но с потерями. Если продажи давят, то бизнес вынужден учиться масштабироваться, искать оптимальные решения и адаптироваться». 

Маркетплейсы эволюционировали из канала продаж в сложную систему учета оперативных данных. Сегодня конкурентным преимуществом становится способность точно считать экономику каждого SKU, а не цена и не реклама. Случается так, что разница между прибыльным брендом и убыточным — это всего одна архитектурная ошибка в обработке данных.

Ольга Будз резюмирует: “Создавать свой сервис с маленьким оборотом показалось слишком трудозатратным. А когда мы внедрили “оцифровку на BI инструменте”, это стало прорывом. Финансовая аналитика начала работать как часы: отчёты показывали правильные цифры, оперативно обновлялись, и это был огромный плюс. К тому же, модель легко подстраивала отчётность под изменения WB, что в других сервисах было большой проблемой. Мы сэкономили кучу времени, потому что перестали обрабатывать финансовые отчеты вручную. И самое важное: оцифровка позволила увидеть такие моменты, которые было невозможно заметить, анализируя разрозненные файлы. Мы наконец-то начали выявлять затраты, которые изначально были за пределами нашего внимания.»

Чек-лист. 5 технических вопросов, которые должен задать себе селлер

1. Можно ли посчитать экономику одного заказа?

2. Видна ли стоимость возвратов?

3. Какие SKU приносят убыток?

4. Сколько денег заморожено в складе?

5. Какие акции реально прибыльны?