Аналитика, которой нет на маркетплейсах
Женщины размера 45+ не всегда знают, что такое свитшоты, поэтому для них лучше продавать товары в категории "Кофты". Может ли подобный вывод сделать ИИ или в этом случае поможет только человек? Чтобы в 2024 году продавать на Wildberries или Ozon лучше своих конкурентов, селлеру уже недостаточно просто вооружиться сервисами внутренней и внешней аналитики. Не помогут в отдельности и аналитические отчёты, которые формирует для продавца в личном кабинете сам маркетплейс. Куда же бежать за данными, которых нет на сервисах и маркетплейсах, чтобы выйти в топ?
Ежегодно мы составляем обзор сервисов внешней аналитики маркетплейсов, которых становится на рынке e-com всё больше. Такие инструменты, как SellerFox, помогают продавцу анализировать нишу, категорию, бренды, товары, конкурентов, но не могут ответить на запросы:
-Какие вкусовые предпочтения у покупателей маркетплейсов (варенье со вкусом клубники или малины на Ozon покупают чаще?)
-Каково присутствие на площадке товаров, исходя из страны производства (почему на Wildberries по поисковому запросу "Страна производитель – Норвегия" покупатели чаще ищут баночку Omega-3, а по запросу товаров из Японии – капли для глаз, женские зонты, картины и футболки?)
-Какой объем тары, виды упаковки в ходу (выгодно ли продавать на Яндекс.Маркете мыло объемом 5 литров?)
-Какие технические характеристики наиболее востребованы у товаров, какие габариты и другие параметры важны для оценки изучения спецификации ниши (какой размер футболок чаще покупают на KazanExpress и какой цвет одежды выбирают чаще?)
Все эти характеристики можно изучать в разрезе разных маркетплейсов, упущенной выручки, конкуренции, средних цен, оборачиваемости, распределения по складам. Сервисы внешней аналитики маркетплейсов помогают продавцу понять, какие товары востребованы в тот или иной период на площадке. Однако сервисы не сделают за вас выводы, не сгенерируют гипотезы и не найдут взаимосвязи между различными категориями данных.
7 шагов для проведения расширенного анализа на маркетплейсах.
1. Выгрузите данные из сервиса внешней аналитики маркетплейсов: выбирайте тот, где представлена статистика минимум за месяц, а лучше – за год
2. Вручную очистите данные, создайте список корректных товаров. Иногда в категории "Кастрюли и сковороды" на Wildberries можно найти даже медицинские маски – фильтруйте подобные промахи
3. Обогатите данные. К базовой выгрузке (наименование товара, категория, схема работы на площадке, бренд, продавец, продано (шт.), выручка (руб.), средняя цена продажи, рейтинг, ссылка, артикулы), следует добавить обогащенную выгрузку, где указаны:
- страна производителя
- кратность товара
- тип упаковки
- цвет
- состав
- весогабаритные характеристики
- характеристики, указанные в описании товара
- уникальные характеристики, относящиеся к определенным категориям товаров
- описание
- прочие
Далее обе выгрузки (базовую и обогащенную) скрещиваете, здесь поможет Excel.
4. Проведите повторную очистку данных
5. Дополняйте данные ключевыми характеристиками
6. Организуйте кластерный анализ
7. Сформируйте финальный отчет: (основной ценовой сегмент, основная схема работы, особенности товара и т.д).
Сразу предупредим, объем работы предстоит не маленький. Чтобы упростить задачу селлеру, в cервисе аналитики маркетплейсов SellerFox вскоре появится функция, когда таблицы и графики будет автоматически анализировать Chat GPT-4.
Данных сервисов аналитики и маркетплейсов не всегда бывает достаточно для потребностей конкретного бизнеса. Только обогащенные данные с дополнительной чисткой могут помочь получить объективную картину. Тратить время и силы на самостоятельный сбор информации в ручном формате нет необходимости. На рынке уже существуют решения, которые высвободят ресурсы предпринимателя и позволят избежать ошибок при выходе на Wildberries, Ozon, Яндекс.Маркет, KazanExpress и дальнейшей продаже товаров на этих маркетплейсах. Пример отчётов с обогащёнными данными для селлеров можно посмотреть в видео "Аналитика, которой нет на маркетплейсах".