Рынок e-commerce растет, вслед за ним не отстают и технологии, помогающие автоматизировать совершенно разные процессы. Многие уже давно известны и применяются всеми, кто торгует в сети - например, аналитика о пользователях от Google и Yandex, и на основе данных этих систем чаще всего формируются подходы и механики в маркетинге.

Но, если мы все знаем о пользователях, этого недостаточно, чтобы совершить продажу. Нужен как минимум и точно подходящий покупателям товар. И если в офлайне достаточно просто понять, когда, как и почему покупатель выбирает и покупает товар, наблюдая за ним и тестируя разные «выкладки» и оформление торговых залов, то в e-commerce все сложнее: если торговля идет сразу на нескольких электронных прилавках, физически очень сложно следить и управлять не только тем, как выглядит товар в момент выбора и продажи, и сколько он стоит у каждого продавца, но даже и наличием товара у всех ретейлеров.

Чтобы научиться контролировать электронные полки и управлять товаром на протяжении всей его жизни в e-com, появляются специальные аналитические системы - системы товарной аналитики. С их помощью поставщики отказываются от ручной проверки данных на страницах сотен онлайн-ретейлеров и маркетплейсов и автоматизируют виртуальный мерчендайзинг и даже сервис для клиентов.

Что конкретно они делают
Системы для товарной аналитики работают с данными из открытых источников. Роботы, выполняющие алгоритмы поиска и анализа информации об определенных товарах, ежедневно проверяют данные о нужных позициях там, где они представлены - по списку нужных поставщику магазинов или по всем площадкам разом. Сегодня системы товарной аналитики умеют считывать информацию 95% российских электронных магазинов и маркетплейсов, индексируемых поисковиками.

Чтобы проверять данные на внешних площадках, роботы берут за основу самую актуальную информацию из каталога компании-поставщика товаров. Это могут быть внутренние системы или решения от внешних вендоров - например, PIM (Product information management) каталоги от российских или зарубежных поставщиков. В таких каталогах хранится «золотой фонд» самых свежих и точных данных о товарах, использование которых нужно проверять.

Аналитические системы умеют сверять, так называемые, идеальные и фактические фотографии, описания, таблицы с атрибутами и все остальное, что есть в «золотом фонде», а также соблюдение ретейлерами правил промо-акций, использование рекомендованных розничных цен и доступность товаров для заказа. И если с 2-5 позициями еще можно справиться вручную, ассортимент из более 10 товаров на 10 площадках ежедневно проверять руками уже невозможно. Поэтому, если компания не пользуется системами для автоматизации сбора и аналитики данных о товарах, приходится делать проверки выборочно и не так часто, а это прямой путь к потерям из-за неточной информации.

Собранные роботами данные хранятся в виде таблиц, которые можно редактировать и визуализировать так, как нужно поставщику.

Многие сервисы предлагают стандартные дашборды и автоматическую графику, а, например, один из крупных поставщиков кормов для животных, анализирующий более 1500 позиций ежедневно, настроил отчеты на основе таких данных в Power BI (программное обеспечение бизнес-анализа компании Microsoft – Ред.), чтобы сразу рассчитывать на основе найденной роботами информации выполнение KPI.

На самом деле, пользу от таких систем аналитики можно получить, только умея работать с собранной роботами информацией. Даже если система будет просто подсказывать, где устарели данные, в компании должен быть процесс замены устаревшей информации на новую. Но если в компании есть аналитик, знающий рыночные процессы, работая с такими данными он сможет, например, узнать:

1. Цены
Как менялась цена на ваш товар и на товары конкурентов на различных площадках.

Как это можно применить: во-первых, отстраиваться от конкурентов и предсказывать их стратегии, во-вторых - планировать промо-акции.

2. Наличие товаров для заказа
Где товары закончились и недоступны для заказа.

Как это можно применить: если вовремя вычислять площадки, где товаров нет в наличии, можно до минимума сократить отказы клиентов от покупки на определенных площадках. А еще планировать поставки на основе данных о спросе.

3. Доля товара в категории
Как устроен ассортимент категории и какую долю занимают товары поставщика.

Как это можно применить: выбрать тактику позиционирования на ближайшее время, ориентируясь на сезонные факторы и данные о действиях конкурентов.

4. Маркетинговые активности конкурентов
Какие запуски товаров и акции проводят конкуренты.

Как это можно применить: конечно же спланировать свое промо на сегодня и завтра, подсмотреть креативные механики у коллег по цеху.

5. Добросовестность ретейлеров
Какие ретейлеры систематически нарушают условия договоров.

Как это применить: вычислить, доказать нарушения и «воспитать» площадки, которые регулярно нарушают правила промо, не заказывают товар и не используют актуальную информацию о нем.

6. Ключевые слова
По каким словам товар индексируется в поиске каждого отдельного маркетплейса

Как это применить: зная слова, по которым ваш товар и товары конкурентов находятся на каждой площадке, можно изменить названия и поместить товар в выдачу чуть выше.

7. Отзывы
На каких площадках и почему появляется больше негативных отзывов и падает рейтинг товара.

Как это применить: сделать сам процесс работы с отзывами быстрее.

8. Контент и имиджевые материалы
Роботы ежедневно подсказывают, на каких площадках товары представлены с информацией, не соответствующей данным из каталога.

Как это применить: видеть и исправлять ошибки не выборочно, а каждый день и на всех онлайн-площадках.

Но эти данные помогут не только для решения тактических задач. Если настроить отчетность по показателям, ключевым для оценки эффективности сотрудников, можно автоматически считать выполнение KPI - раз в квартал, месяц или ежедневно. В принципе, такие тактические задачи и расчет KPI могут проводить любые сотрудники - не обязательно для этого быть именно аналитиком. С другой стороны, если аналитик в компании все-таки есть, то на основе таких данных он сможет оценить историю продаж и коммуникации в категории и сделать стратегию работы в будущем.

Как товарную аналитику уже использует бизнес

В цифрах автоматизация товарной аналитики приносит следующий эффект:


1. Экономия времени. Ручная проверка данных у компании Stada до внедрения товарной аналитики занимала около 88 часов в неделю, а автоматизация сократила это время до 6 часов.

2. Экономия денег. Для Stada автоматическая аналитика дешевле ручной в 10 раз.

3. Сокращение товаров Out-of-stock. Unilever на 40% сократил число товаров, отмеченных как отсутствующие на складе - компания мониторила остатки и вовремя поставляла товары на склады.

4. Место в поисковой выдаче. 57% товаров Unilever попали в топ-10 ключевых запросов только благодаря подбору слов для карточек товаров.

5. Рост ассортимента. Автоматический анализ категорий помог найти пустые ниши и расширить онлайн-ассортимент на 4%.

6. Более быстрая и качественная работа с отзывами. L’Oreal автоматизировала работу с отзывами, предлагая клиентам скидки на комплиментарный ассортимент за отзывы. Это освободило 48 часов работы digital-аналитиков в месяц и повысило конверсию на 1%.

Как подобрать товарную аналитику для своей компании
Товарная аналитика тесно связана с каталогом данных о товарах, поэтому если его нет, кроме ручного сбора данных ничего не получится. В первую очередь нужно внедрить хотя бы какой-то электронный каталог товаров с унифицированными данными. Современные PIM-системы помогают не только хранить данные в порядке, но и пользоваться ими в удобной форме: каталоги автоматически формируют спецификации на каждый товар под требования ретейлеров, у многих есть интеграция с ретейлерами - чтобы прямо в системе отправлять эту информацию продавцу. Прощай, excel, и бесконечные версии файлов.

Опять же, важно понять специфику работы: если ассортимент небольшой и процессы в категории медленные, то вполне вероятно будет удобно работать и без автоматических систем для аналитики. Но, если речь идет о FMCG и B2C, товар продается большими партиями, а в категориях высокая конкуренция, стоит озаботиться автоматизацией сбора и анализа данных, пока это не сделали остальные конкуренты.

Внедрение любой аналитической системы требует настройки и адаптации к процессам компании - и с точки зрения IT, и с точки зрения бизнес-процессов. Стоит закладывать от 1 до 3 месяцев для запуска таких систем.

Стоимость товарной аналитики варьируется от числа показателей и товаров, которые нужно мониторить, а также от сложности отчетов. Если усреднить, то сбор данных по указанным в материале параметрам обходится в среднем в 8-10 тыс. рублей за каждый маркетплейс.