Юнит-экономика интернет-магазина. Часть 2

Смотрите в каталоге
Веб-статистика
Юнит-экономика интернет-магазина. Часть 2

Давно хотелось решить задачу построение калькулятора эффективности экономики в интернет-магазине (ИМ), которая бы учитывала бы некоторые особенности интернет торговли, а так же затраты на работу с текущими клиентами. Используя классический подход Красинского этого не получалось сделать, так как его формулы были рассчитаны на виральные экономики в области мобильных приложений.

Однако, в реальной жизни ИМ вынуждены тратить дополнительные средства для решения задачи удержания клиентов, а так же увеличения продаж, такие как email-маркетинг, сервисы персонализации, сервисы работы с клиентами (чаты и тп). Правильный учет расходов на удержание клиентов позволит рассчитать прибыльность бизнеса и понять, над чем необходимо сосредоточиться в работе.

Основной подход к юнит-экономике читайте в статье Экономика магазина и в работах Ильи Красинского.

Введем определения, которые нам понадобятся в калькуляторе:

  1. Revenue — доход, который мы получаем в когорте (про когортный анализ читайте в статье Когортный анализ в GA и в работах Алексея Куличевского). Вычисляется по формуле Revenue = UA x (ARPU — CPA — ARC).
  2. ARPU — Доход с одного уникального посетителя сайта, вычисляется по формуле ARPU = ARPPU x C1.
  3. ARPPU — Доход с одного платящего клиента за время жизни когорты. Важно понимать, что это не доход от клиента за месяц, даже если мы собираем месячные когорты. Это доход, который приносит клиент, впервые пришедший в определенном месяце на сайт ИМ, за все время отношений с ИМ, например за весь год или за все время жизни ИМ. Вычисляется по формуле ARPPU = (Av.Price — COGS) x APC — 1sCOGS.
  4. Av.Price — Средний чек в ИМ. При этом, специально для ИМ предлагаю рассматривать эту величину как составную и вычисляемую по формуле Av.Price = AGPrice x AGCount.
  5. AGPrice — средняя цена товара в ИМ, который покупается клиентами
  6. AGCount — среднее число товаров в корзине ИМ
  7. COGS — стоимость затрат на обеспечение продажи, в нашем случае это так же составная величина и складывается она из затрат на покупку товара (себестоимость, NetCost), доставку (Delivery) и другое (Other), например затраты на комплектацию отгрузки. Вычисляется по формуле COGS = NetCost + Delivery + Other.
  8. ARC — Средние затраты на удержание клиента, вычисляется по формуле ARC = RC x C1 / Buyers = RC / UA, где UA — число привлеченных пользователей в когорте. RC — бюджет на удержание пользователей, ваши затраты на email маркетинг, персонализацию и тп.

Таким образом мы получаем чуть более расширенный калькулятор, чем в базовом подходе, который позволяет управлять такими параметрами интернет торговли, такими как число товаров в корзине, стоимость доставки и тп.

Как видим, наш калькулятор стал несколько длиннее обычного. Для удобства расчета экономики в ИМ мы расширили поле COGS.

А так же добавили учет затрат на удержание пользователей. Причем, расчет на получение пользователя ведется исходя из бюджетов потраченных за время существование когорты на формирование когорты — AC и удержание клиентов когорты RetBuget.

Как работать с данным калькулятором и как считать экономику, это наверное главный вопрос, который задают предприниматели.

Для начала, необходимо, чтобы вы научились собирать данные в своем ИМ и разделять их на когорты. Затем для каждого канала привлечения пользователей в когорту и товарной группы внутри когорты создаем отдельную строчку. Выглядеть это будет вот так:

Для каждой товарной группы и канала вносим все нужные нам данные, а это UA, Buyers, AGPrice, AGCount, APC, AC, RC. Далее по формулам мы рассчитаем экономику каждой когорты для каждой товарной группы и канала привлечения.

На что стоит обращать внимание? Во-первых, величина ARPU должна быть больше суммы CPA+ARC, оптимально, чтобы соотношение ARPU к CPA+ARC было больше 3, эта разница необходима для того, чтобы ваша экономика оставалась в плюсе при колебаниях параметров вашей модели.

Данный калькулятор позволяет отслеживать влияние следующих характеристик на экономику ИМ: C1, AGPrice, AGCount, COGS, APC, CPA и ARC.

Например, вы хотите понять, как влияет на рентабельность стоимость доставки и хотите сравнить платную и бесплатную доставку.

Мы выписываем в две строчки все наши данные, и выделяем тот параметр, который для нас сильно важен, а именно, цена доставки 250 рублей и 0 рублей. Как видим из примера экономика меняется драматически, с — 1 566 000 рублей до 234 000 рублей. Рассмотрим другой пример, как влияет число товаров в корзине на экономику нашего магазина.

Тут хорошо видно, что при 10 товарах в корзине мы имеем 234 000 рублей доходу, а при 6 товарах −54 000 рублей, таким образом мы понимаем, на каком уровне надо держать число товаров в корзине.

В целом вы можете играться с любыми параметрами и изучать влияние этих параметров на вашу экономику.

Разобравшись с тем, как работает экономика, давайте разберемся с тем как этим всем пользоваться в реальной жизни.

Для начала, как уже говорилось, необходимо наладить сбор данных, например, настроить Google (сайт нарушает закон РФ) Analytics с модулем расширенной электронной коммерции.

Кроме того нужно научиться записывать данные полученные от когорты, вести учет того, сколько уникальных продаж в когорте было, сколько затрат на удержание и т.д. Причем важно понимать, что весь этот учет надо вести именно по когортам. Скажем вы делаете email рассылку для своих покупателей, у вас есть список рассылки и затраты, скажем 10 000 рублей, при этом в этом списке, пусть 20 000 получателей, из которых 7 000 относятся к одной когорте, 5 000 к другой и 8 000 к третьей. Соответственно затраты на RC относятся к трем когортам как 3 500 рублей к первой, 2 500 рублей ко второй и 4 000 к третьей когорте.

Так же важно понимать, что такое расчет вы делаете на день среза данных и почти все величины у вас будут меняться с возрастом когорты, кроме одного, числа пользователей в когорте UA — так как это основа когорты, а вот конверсия у вас будет расти, но так как это конверсия в первую покупку, она не может превышать 100%.

Ну и напоследок, предлагаю вам калькулятор о котором шла речь в данной статье. Калькулятор сделан на основе технологий Google (сайт нарушает закон РФ), по этому можете копировать его к себе и использовать в своей работе.

Компании и сервисы: Google Analytics

Читайте также

6 декабря 2022 / Комментарии

Сравнение и анализ популярных сервисов доставки продуктов

Data Insight опубликовал исследование, где сравнил популярные сервисы доставки продуктов. В исследовании определили параметры доставки продуктов, существенные для пользователя при экспресс-доставке продуктов и сравнили сервисы доставки и магазины с собственной курьерской службой по выделенным параметрам.

далее →

31 августа 2022 / Комментарии

Рынок онлайн продажи продуктов: динамика заказов и эволюция прогноза на 2022 год

Data Insight анонсирует новый выпуск ежемесячного бюллетеня, посвященного развитию eGrocery в России. В нем раскрываются основные цифры, характеризующие рынок онлайн продажи продуктов за июль 2022 года.

далее →

23 августа 2022 / Комментарии

E-commerce рассылки: анализ вовлеченности и кликов

Специалисты компания Bluecore изучили более 35 млрд email-кампаний и выяснили, что самый большой уровень вовлеченности в email-рассылках показывают приветственные письма — их Open Rate достигает 46,7%.

далее →

11 августа 2022 / Комментарии

Программы лояльности и аналитические системы российских ритейлеров: тренды, антитренды и перспективы рынка

Эксперты компаний Кошелёк и Direct Service изучили программы лояльности и аналитические системы российских ритейлеров, обсудили тренды и антитренды, узнали как в целом они оценивают развитие рынка, какие строят планы на 2022.

далее →

4 августа 2022 / Комментарии

Тренды, аудитория и трафик российских маркетплейсов

Чтобы лучше понимать возможности площадок для селлеров и покупателей, эксперты компании iConText Group изучили самые крупные российские маркетплейсы.

далее →