В рейтинг включены 100 крупнейших российских магазинов по объему онлайн-продаж по итогам 2018 года. «В основе рейтинга лежит комплексная методика построения рейтинга и сбора данных, включающая, в том числе, поэтапное уточнение данных рейтинга у представителей самих магазинов. Рейтинг интернет-магазинов включает данные по объему онлайн-продаж и количеству заказов», - говорится в пояснении методики расчета.
В отличие от рейтингов прошлых лет Data Insight убрала дополнительное условие к компаниям о преобладании трафика из России в посещаемости сайта или наличии отдельного поддомена для российских покупателей. Благодаря этому в рейтинг по итогам 2018 года вошел ряд интернет-магазинов международных компаний, у которых веб-продажи в России осуществляют их российские дочерние компании или представители, но у которых при этом российский интернет-магазин интегрирован в глобальный сайт.
Если смотреть десятку крупнейших интернет-магазинов, то первое и второе места в 2018 году, как и в 2017 году занимают Wildberries.ru и Citilink.ru соответственно. Кстати, выручка Wildberries.ru в рейтинге немного меньше показателей самой компании. Это связано с тем, что Data Insight посчитал только российскую выручку без учета продаж в остальных странах присутствия.
Дальше есть некоторые изменения. Например, DNS сместился с третьего места на пятое в 2018 году. Но это из-за разной методики подсчета. В 2017 году Data Insight эта компания была подсчитана с учетом сети интернет-дискаунтеров DNS Технопоинт, а в этом две сети одной компании посчитали раздельно. А вот если бы методика не изменилась бы и при составлении рейтинга 2018, то DNS занимал бы по-прежнему третью строчку и был бы выше mvideo.ru.
Рейтинг ТОП-15 крупнейших интернет-магазинов России за 2018 год
| # | Магазины | Категория товаров | Онлайн-продажи, млн. руб. | Заказы, тыс. | Средний чек | |||
| 2018 | Рост | 2018 | Рост | 2018 | Рост | |||
| 1 | wildberries.ru | одежда, обувь и аксессуары | 111 200 | 0,74 | 72 500 | 0,82 | 1 530 | -0,04 |
| 2 | citilink.ru | электроника и техника | 73 200 | 0,33 | 7 670 | 0,32 | 9 540 | 0,01 |
| 3 | mvideo.ru | электроника и техника | 52 800 | 0,46 | 4 590 | 0,3 | 11 500 | 0,12 |
| 4 | ozon.ru | универсальные магазины | 41 770 | 0,73 | 15 550 | 0,85 | 2 690 | -0,06 |
| 5 | dns-shop.ru | электроника и техника | 38 810 | 0,83 | 5 240 | 0,78 | 7 410 | 0,02 |
| 6 | lamoda.ru | одежда, обувь и аксессуары | 29 030 | 0,14 | 8 720 | 0,14 | 3 330 | 0 |
| 7 | eldorado.ru | электроника и техника | 24 500 | 0,08 | 3 250 | -0,21 | 7 540 | 0,37 |
| 8 | svyaznoy.ru | электроника и техника | 19 720 | 0,26 | 1 690 | 0,14 | 11 670 | 0,11 |
| 9 | technopoint.ru | электроника и техника | 19 080 | 0,08 | 3 000 | 0,05 | 6 360 | 0,03 |
| 10 | petrovich.ru | товары для дома | 18 000 | 0,38 | 1 350 | 0,32 | 13 330 | 0,05 |
| 11 | vseinstrumenti.ru | товары для дома | 17 830 | 0,2 | 2 530 | 0,17 | 7 050 | 0,03 |
| 12 | onlinetrade.ru | универсальные магазины | 17 240 | 0,19 | 3 480 | 0,45 | 4 950 | -0,18 |
| 13 | apteka.ru | красота и здоровье | 12 630 | 0,59 | 7 890 | 0,66 | 1 600 | -0,04 |
| 14 | bonprix.ru | одежда, обувь и аксессуары | 11 350 | -0,06 | 3 110 | -0,12 | 3 650 | 0,07 |
| 15 | utkonos.ru | FMCG | 10 190 | 0,08 | 1 980 | 0,09 | 5 150 | -0,01 |
| Источник: Data Insight | ||||||||
Ozon, наоборот, поднялась с 7-го на 4-ое место. «Юлмарт» вылетел с 8-ой строчки аж на 17-ую. Зато ворвалась в десятку крупнейших интернет-магазинов DIY-сеть «Петрович», поднявшись с 15-ой на 10-ую позицию.
Полностью с рейтингом можно ознакомиться здесь
Рейтинги используются на нескольких горизонтах принятия решения:
1. Государство и крупные инвесторы - рассматривают игроков в топ рейтингов как представительные бенчмарки для всего рынка: динамика роста рынка, эффекты консолидации, в том числе для введения и корректировки регуляторных механизмов
2. C-level (директора по стратегии, развитию, маркетинга, коммерческие отделы) - как конкурентный анализ и как основу для выстраивания партнёрских отношений (например, в сфере маркетинга, логистики, платёжных решений и пр).
Разные исследователи отталкиваются от разных целей и задач. Если Data Insight больше работает для C-уровня, то данные АКИТ больше нацелены на лоббирование на уровне государства.
Подсчёт рынка можно осуществлять двумя базовыми способами:
- со стороны supply, поставки - дистрибьюторы, логисты, платёжные услуги, маркетинговый канал - входят долями в конечную цену товара
- со стороны demand, спроса - количество покупателей в онлайн, средний чек и возвратность за покупкой по году (частота покупки в онлайне). При перемножении эти три числа дают искомый объём.
Числа по стороны supply и demand должны совпадать. Динамика трат со стороны потребителя должна равняться динамике выручки онлайн-витринами (с сайта или мобильного приложения).
Что мы имеем на текущей стороне со стороны demand?
Data Insight исторически собирала публичные данные компаний. Часть данных предоставляли сами онлайн-магазины (без возможности перепроверить по другим источникам). Часть данных по магазинам восстанавливаются по ближайшим конкурентам, там, где есть доступ к сопоставимым ключевым показателям (число сотрудников, количество чеков, трафик на витрины онлайн-магазинов).
В итоге появляется та самая «комплексная методика построения рейтинга и сбора данных, включающая, в том числе, поэтапное уточнение данных рейтинга у представителей самих магазинов.»
Разлёты в «восстановленных оценках» могут быть кратными. Кто-то даёт данные онлайн-продаж относительно общего объёма продаж, кто-то - с НДС, кто-то - без. Кто-то даёт отдельно показатели по среднему чеку, кто-то по количеству заказов: вместе получается объём продаж в онлайне для конкретного магазина.
Если «восстановленные данные» удовлетворяют магазин - они, как правило, не возражают. Возражают, как правило, конкуренты, у которых есть по своим каналам и поставщикам данные по их конкурентам.
Самая большая проблема с рейтингом - это композитный, гибридный рейтинг, в котором смешаны как публичные данные, так и композитные (по которым известны лишь часть данных), так и полностью «восстановленые», синтетические. При этом не выделяются отдельно данные от компаний, данные от конкурентов и смежных служб/партнёров и синтетические.
Мой подход отличается: я оцениваю данные чисто по трафику на витрины магазинов (с десктопа и веб-мобайла). Источником данных для меня являются статистика Alexa (принадлежит Amazon) и SimilarWeb (частная независимая компания с фондированием от Naspers), а также данные от Яндекс.Радара (последние полгода, с даты помесячных публикаций в августе 2018). После чего я сопоставляю проверенные данные от источников и вывожу единую для всех корреляционную кривую «ранг, трафик, оцениваемая выручка или GMV» за произвольный период.
Прикладная ценность моего подхода, со стороны demand заключается в том, что модель полностью "синтетическая", беспримесная, единая для всех участников рейтинга (более 10 тысяч онлайн-магазинов в России, включая трансграничных игроков). Оценка идёт не по «факту», а прогнозная, ожидаемая.