7 метрик інтернет-магазину, без яких не можна керувати прибутком

Одним із найбільш впливових рішень у ритейлі стало впровадження Walmart системи Retail Link у 1990-х роках. Компанія почала передавати постачальникам у режимі реального часу інформацію про продажі кожного товару в кожному магазині. Постачальники бачили, що купують і чого не купують, і відповідно коригували виробництво та логістику. У результаті Walmart скоротив складські запаси, зменшив кількість дефіциту і виріс до найбільшого рітейлера у світі. Вся ця революція базувалась на одному принципі: управляти можна тільки тим, що вимірюєш.

Власники інтернет-магазинів у 2026 році мають перед очима значно більше даних, ніж будь-хто з команди Walmart тоді. Але парадокс у тому, що надлишок метрик не рятує від неправильних рішень, а навпаки їх провокує.

У цьому гайді розбираємо, які метрики e-commerce реально впливають на прибуток, де ці дані зберігаються і як їх об’єднати в одну картину.

Чому власники магазинів дивляться не на ті цифри

Ілюзія виручки без прибутку

Уявіть, що ваш магазин виріс за рік з 2 до 4 млн грн виручки. Це успіх? Залежить від того, скільки ви витратили, щоб досягти цієї цифри. Якщо рекламний бюджет теж подвоївся, маржа впала, а повернення товарів зросли – ви просто швидше крутите збиткове колесо.

Виручка – найбільш популярна метрика на дашбордах e-commerce і одночасно найменш інформативна для управлінських рішень. Вона показує масштаб операцій, але нічого не говорить про їх ефективність. Компанія може рости в обороті і одночасно тонути у збитках.

Типові помилки в трактуванні даних

Метрики, без яких не можна керувати e-commerce

Тут не весь список можливих метрик (їх сотні), а тільки ті, що безпосередньо пов’язані з прибутком і дають дієву інформацію для рішень. 

1. Вартість залучення клієнта

CAC (Customer Acquisition Cost) – скільки коштує бізнесу один новий клієнт з урахуванням усіх маркетингових і продажних витрат.

Формула: CAC = Сума витрат на маркетинг і продажі/Кількість нових клієнтів за той самий період.

Важливий нюанс: у CAC інтернет-магазину мають входити не тільки витрати на рекламу, а і оплата праці команди, вартість інструментів, агентські комісії. Якщо рахувати тільки рекламний бюджет, цифра буде оманливо низькою.

Поширеним орієнтиром вважається співвідношення LTV:CAC на рівні 3:1 або вище.

2. Довічна цінність клієнта

LTV (Lifetime Value) – загальний прибуток, який клієнт приносить за весь час співпраці з магазином. Якщо CAC говорить про витрати, LTV – про повернення на ці витрати.

Проста формула: LTV = Середній чек × Частота покупок × Тривалість утримання клієнта × Маржинальність.

Бізнес, що знає LTV клієнта в e-commerce, може дозволити собі вищий CAC на початку, бо розуміє: клієнт окупиться за другу або третю покупку. Без цієї метрики маркетингові рішення приймаються наосліп.

Реальний приклад: Amazon Prime. У 2024 році підписники витрачали 1170$ на рік , більше ніж удвічі більше за звичайних покупців (570$). Знаючи цей LTV, Amazon може субсидувати підписку, бо повертає ці витрати через повторні покупки.

3. Конверсія та мікроконверсії

Конверсія – відсоток відвідувачів, які здійснили цільову дію (покупку). За даними галузевих досліджень середня конверсія інтернет-магазинів зазвичай перебуває в діапазоні від 1% до 4%, залежно від ніші та джерел трафіку.

Але лише загальна конверсія – груба метрика. Набагато цінніші мікроконверсії: відсоток, що додали товар у кошик, відсоток, що почали оформлення, відсоток, що дійшли до сторінки оплати. Якщо є обрив на конкретному кроці – це вже діагноз.

4. Середній чек та частота покупок

Середній чек (Average Order Value) – сума однієї транзакції в середньому. Ця метрика безпосередньо впливає на виручку і одночасно легко піддається управлінню через upsell, cross-sell і порогові знижки (наприклад, “безкоштовна доставка від 1500 грн”).

Частота покупок – скільки разів на рік клієнт повертається. Разом з середнім чеком вона формує ядро LTV. Навіть невелике збільшення частоти з 2 до 3 покупок на рік дає +50% до виручки з того самого клієнта без жодного додаткового залучення.

Ці два показники варто сегментувати по каналах придбання і по когортах. Клієнти з Instagram можуть мати інший чек, ніж із Google, і ця різниця є прямою підказкою для розподілу бюджету.

5. Маржинальність по SKU та категоріях

Це метрика, якої найчастіше немає на дашбордах і яка при цьому найбільше впливає на реальний прибуток. Магазин може активно просувати категорію, що генерує 30% виручки, але при цьому вона збиткова, бо маржа нижча за витрати на логістику і рекламу.

Маржинальність по SKU вимагає з’єднання даних про собівартість (зі складської системи або від постачальника), ціну продажу, вартість доставки і повернень та рекламні витрати в розрізі товару. Це технічно складніше, ніж рахувати загальну маржу, але дає принципово іншу якість рішень.

Відомий принцип 80/20 в e-commerce часто виглядає так: 20% SKU приносять 80% прибутку, а решта 80% товарів або беззбиткові, або тягнуть у мінус. Без аналітики продажів онлайн в розрізі товарів ви цього ніколи не побачите.

6. Показник повернень (Return Rate)

Return Rate – відсоток повернених замовлень. Для категорій одягу і взуття цей показник може сягати 20-30%, і кожне повернення – це витрати на логістику, відновлення товарного вигляду та обробку запиту.

Висока ставка повернень часто є симптомом: неточний опис товару, неякісні фото, розбіжність розмірної сітки. Відстежування цієї метрики по категоріях і по SKU дозволяє знаходити конкретні причини і усувати їх.

7. Коефіцієнт утримання (Retention Rate) та відтік (Churn)

Retention Rate – відсоток клієнтів, що зробили повторну покупку протягом визначеного періоду. Його зворотний показник – Churn Rate (відтік). Разом вони показують, яка частка клієнтів повертається до магазину після першої покупки і наскільки стабільна база постійних покупців.

Залучити нового клієнта коштує в декілька разів дорожче, ніж утримати існуючого. Бізнеси, що відстежують Retention, знають точний відсоток клієнтів, що повернулися протягом 30, 60 і 90 днів, і можуть будувати прогнозовані когортні моделі доходу.

Де живуть дані компанії і чому вони розрізнені

Інтернет-магазин у 2026 році – це екосистема з 5-15 підключених платформ. Кожна зберігає частину правди про бізнес, і жодна не бачить повної картини самостійно.

Google Analytics 4 та рекламні кабінети

GA4 відстежує поведінку на сайті: сесії, шляхи, воронки, події. Рекламні кабінети (Google Ads, Meta, TikTok) показують вартість кліка, CTR, конверсії за своєю внутрішньою атрибуцією. Проблема: кожна платформа приписує конверсії собі, і якщо у вас запущено 3 канали – сума “конверсій” у кабінетах часто перевищує реальну кількість замовлень в 1,5-2 рази. Це attribution overlap, і він систематично спотворює оцінку ефективності каналів.

CRM та дані по клієнтах

CRM – єдине місце, де має зберігатися повний профіль клієнта: усі покупки, канали першого і наступних контактів, поведінка у воронці, звернення до підтримки. На практиці більшість українських інтернет-магазинів або не мають CRM взагалі, або ведуть її частково – фіксують угоди, але не збирають когортну аналітику і не бачать LTV в розрізі джерела.

Без якісної CRM неможливо порахувати ні достовірний KPI інтернет-магазину по CAC, ні LTV, ні Retention Rate. Все решта аналітики будується на піску.

Складська система та залишки

Складська система (WMS або облікова програма типу 1С чи Finmap) зберігає собівартість товарів, залишки, рухи. Це єдиний спосіб порахувати реальну маржинальність по SKU, але ці дані рідко з’єднуються з рекламними витратами і GA4.

Типовий сценарій: маркетолог активно просуває товар, продаж якого приносить менше прибутку, ніж очікувалося. Він цього не знає, бо дані про собівартість – в обліковій програмі, а рекламні витрати – у кабінеті Meta. Ніхто не з’єднував одне з одним.

Як зібрати все в один аналітичний дашборд

Архітектура даних для e-commerce

Єдина аналітична картина вимагає єдиного місця, де дані з усіх джерел зведені в консистентний формат. Класична архітектура виглядає так:

ETL: що об’єднує джерела

ETL (Extract, Transform, Load) – процес збору даних з різних джерел, їх очищення і завантаження в сховище. Для e-commerce це може бути реалізовано через готові конектори або кастомні скрипти під специфічні інтеграції.

На практиці найскладніше – це нормалізація: у Google Ads “конверсія” – це одне, у Meta – інше, у CRM – третє. ETL-шар має привести всі ці визначення до єдиного знаменника, інакше дашборд буде показувати технічно правильні цифри, але порівнювати між собою некоректно.

Приклад дашборду в Power BI

Типова структура дашборду для e-commerce включає 4 рівні:

Побудова такої системи – це проєкт впровадження BI-систем, який залежить від поточної інфраструктури та кількості джерел. Але навіть базова версія – з’єднання GA4, рекламних кабінетів і CRM в один звіт – дає якісний стрибок у розумінні бізнесу порівняно з роботою в окремих кабінетах та підвищує ефективність інтернет-магазину.

Чеклист готовності аналітики вашого магазину

• Ви знаєте свій CAC у розрізі каналів?
• Ви рахуєте LTV по когортах залучення?
• Мікроконверсії воронки відстежуються в GA4?
• Маржинальність відома в розрізі SKU та категорій?
• Return Rate відстежується і аналізується по причинах?
• Retention Rate відомий для 30/60/90 днів?
• Дані з усіх каналів зводяться в єдиний звіт?
• Рекламна атрибуція перевірена через CRM-дані?
• Є автоматичні алерти при аномаліях у ключових метриках?

Якщо “ні” більше, ніж “так” – це точка відліку. Більшість українських інтернет-магазинів зараз саме в цьому стані: дані є, але вони розрізнені, і повної картини немає.

Безкоштовна консультація з аналітики e-commerce від IWIS

Аналітика для інтернет-магазину дозволяє приймати рішення на основі фактів: де різати бюджет, де масштабувати, які товари виводити, а які просувати. Команда IWIS будує аналітику для e-commerce від стратегії збору даних до готових дашбордів.

Якщо ви хочете зрозуміти, де зараз прогалини у вашій аналітиці – запишіться до нас на безкоштовну консультацію: розберемо поточну ситуацію, визначимо пріоритети і запропонуємо конкретний план дій.

Перший крок завжди простіший, ніж здається. І він ні до чого не зобовʼязує.