7 метрик интернет-магазина, без которых нельзя управлять прибылью

Одним из наиболее влиятельных решений в ритейле стало внедрение Walmart системы Retail Link в 1990-х годах. Компания начала передавать поставщикам в режиме реального времени информацию о продажах каждого товара в каждом магазине. Поставщики видели, что покупают и чего не покупают, и соответственно корректировали производство и логистику. В результате Walmart сократил складские запасы, уменьшил количество дефицита и вырос до крупнейшего ритейлера в мире. Вся эта революция базировалась на одном принципе: управлять можно только тем, что измеряешь.

Владельцы интернет-магазинов в 2026 году имеют перед глазами значительно больше данных, чем кто-либо из команды Walmart тогда. Но парадокс в том, что избыток метрик не спасает от неправильных решений, а наоборот их провоцирует.

В этом гайде разбираем, какие метрики e-commerce реально влияют на прибыль, где эти данные хранятся и как их объединить в одну картину.

Почему владельцы магазинов смотрят не на те цифры

Иллюзия выручки без прибыли

Представьте, что ваш магазин вырос за год с 2 до 4 млн грн выручки. Это успех? Зависит от того, сколько вы потратили, чтобы достичь этой цифры. Если рекламный бюджет тоже удвоился, маржа упала, а возвраты товаров выросли – вы просто быстрее крутите убыточное колесо.

Выручка – наиболее популярная метрика на дашбордах e-commerce и одновременно наименее информативная для управленческих решений. Она показывает масштаб операций, но ничего не говорит об их эффективности. Компания может расти в обороте и одновременно тонуть в убытках.

Типичные ошибки в трактовке данных

Метрики, без которых нельзя управлять e-commerce

Здесь не весь список возможных метрик (их сотни), а только те, что напрямую связаны с прибылью и дают действенную информацию для решений.

1. Стоимость привлечения клиента

CAC (Customer Acquisition Cost) – сколько стоит бизнесу один новый клиент с учётом всех маркетинговых и продажных затрат.

Формула: CAC = Сумма затрат на маркетинг и продажи/Количество новых клиентов за тот же период.

Важный нюанс: в CAC интернет-магазина должны входить не только затраты на рекламу, но и оплата труда команды, стоимость инструментов, агентские комиссии. Если считать только рекламный бюджет, цифра будет обманчиво низкой.

Распространённым ориентиром считается соотношение LTV:CAC на уровне 3:1 или выше.

2. Пожизненная ценность клиента

LTV (Lifetime Value) – общая прибыль, которую клиент приносит за всё время сотрудничества с магазином. Если CAC говорит о затратах, LTV – о возврате на эти затраты.

Простая формула: LTV = Средний чек × Частота покупок × Длительность удержания клиента × Маржинальность.

Бизнес, который знает LTV клиента в e-commerce, может позволить себе более высокий CAC в начале, потому что понимает: клиент окупится за вторую или третью покупку. Без этой метрики маркетинговые решения принимаются наугад.

Реальный пример: Amazon Prime. В 2024 году подписчики тратили 1170$ в год , более чем вдвое больше обычных покупателей (570$). Зная этот LTV, Amazon может субсидировать подписку, потому что возвращает эти затраты через повторные покупки.

3. Конверсия и микроконверсии

Конверсия – процент посетителей, которые совершили целевое действие (покупку). По данным отраслевых исследований средняя конверсия интернет-магазинов обычно находится в диапазоне от 1% до 4%, в зависимости от ниши и источников трафика.

Но лишь общая конверсия – грубая метрика. Намного ценнее микроконверсии: процент тех, кто добавил товар в корзину, процент тех, кто начал оформление, процент тех, кто дошёл до страницы оплаты. Если есть обрыв на конкретном шаге – это уже диагноз.

4. Средний чек и частота покупок

Средний чек (Average Order Value) – сумма одной транзакции в среднем. Эта метрика напрямую влияет на выручку и одновременно легко поддаётся управлению через upsell, cross-sell и пороговые скидки (например, «бесплатная доставка от 1500 грн»).

Частота покупок – сколько раз в год клиент возвращается. Вместе со средним чеком она формирует ядро LTV. Даже небольшое увеличение частоты с 2 до 3 покупок в год даёт +50% к выручке с того же клиента без какого-либо дополнительного привлечения.

Эти два показателя стоит сегментировать по каналам привлечения и по когортам. Клиенты из Instagram могут иметь другой чек, чем из Google, и эта разница является прямой подсказкой для распределения бюджета.

5. Маржинальность по SKU и категориям

Это метрика, которой чаще всего нет на дашбордах и которая при этом больше всего влияет на реальную прибыль. Магазин может активно продвигать категорию, которая генерирует 30% выручки, но при этом она убыточна, потому что маржа ниже затрат на логистику и рекламу.

Маржинальность по SKU требует соединения данных о себестоимости (из складской системы или от поставщика), цене продажи, стоимости доставки и возвратов и рекламных затратах в разрезе товара. Это технически сложнее, чем считать общую маржу, но даёт принципиально другое качество решений.

Известный принцип 80/20 в e-commerce часто выглядит так: 20% SKU приносят 80% прибыли, а остальные 80% товаров или безубыточны, или тянут в минус. Без аналитики продаж онлайн в разрезе товаров вы этого никогда не увидите.

6. Показатель возвратов (Return Rate)

Return Rate – процент возвращённых заказов. Для категорий одежды и обуви этот показатель может достигать 20-30%, и каждый возврат – это затраты на логистику, восстановление товарного вида и обработку запроса.

Высокая ставка возвратов часто является симптомом: неточное описание товара, некачественные фото, расхождение размерной сетки. Отслеживание этой метрики по категориям и по SKU позволяет находить конкретные причины и устранять их.

7. Коэффициент удержания (Retention Rate) и отток (Churn)

Retention Rate – процент клиентов, сделавших повторную покупку в течение определённого периода. Его обратный показатель – Churn Rate (отток). Вместе они показывают, какая доля клиентов возвращается в магазин после первой покупки и насколько стабильна база постоянных покупателей.

Привлечь нового клиента стоит в несколько раз дороже, чем удержать существующего. Бизнесы, которые отслеживают Retention, знают точный процент клиентов, вернувшихся в течение 30, 60 и 90 дней, и могут строить прогнозируемые когортные модели дохода.

Где живут данные компании и почему они разрознены

Интернет-магазин в 2026 году – это экосистема из 5-15 подключённых платформ. Каждая хранит часть правды о бизнесе, и ни одна не видит полной картины самостоятельно.

Google Analytics 4 и рекламные кабинеты

GA4 отслеживает поведение на сайте: сессии, пути, воронки, события. Рекламные кабинеты (Google Ads, Meta, TikTok) показывают стоимость клика, CTR, конверсии по своей внутренней атрибуции. Проблема: каждая платформа приписывает конверсии себе, и если у вас запущено 3 канала – сумма «конверсий» в кабинетах часто превышает реальное количество заказов в 1,5-2 раза. Это attribution overlap, и он систематически искажает оценку эффективности каналов.

CRM и данные по клиентам

CRM – единственное место, где должен храниться полный профиль клиента: все покупки, каналы первого и последующих контактов, поведение в воронке, обращения в поддержку. На практике большинство украинских интернет-магазинов либо не имеют CRM вообще, либо ведут её частично – фиксируют сделки, но не собирают когортную аналитику и не видят LTV в разрезе источника.

Без качественной CRM невозможно посчитать ни достоверный KPI интернет-магазина по CAC, ни LTV, ни Retention Rate. Вся остальная аналитика строится на песке.

Складская система и остатки

Складская система (WMS или учётная программа типа 1С или Finmap) хранит себестоимость товаров, остатки, движения. Это единственный способ посчитать реальную маржинальность по SKU, но эти данные редко соединяются с рекламными затратами и GA4.

Типичный сценарий: маркетолог активно продвигает товар, продажа которого приносит меньше прибыли, чем ожидалось. Он этого не знает, потому что данные о себестоимости – в учётной программе, а рекламные затраты – в кабинете Meta. Никто не соединял одно с другим.

Как собрать всё в один аналитический дашборд

Архитектура данных для e-commerce

Единая аналитическая картина требует единого места, где данные из всех источников сведены в консистентный формат. Классическая архитектура выглядит так:

ETL: что объединяет источники

ETL (Extract, Transform, Load) – процесс сбора данных из разных источников, их очистки и загрузки в хранилище. Для e-commerce это может быть реализовано через готовые коннекторы или кастомные скрипты под специфические интеграции.

На практике самое сложное – это нормализация: в Google Ads «конверсия» – это одно, в Meta – другое, в CRM – третье. ETL-слой должен привести все эти определения к единому знаменателю, иначе дашборд будет показывать технически правильные цифры, но сравнивать между собой некорректно.

Пример дашборда в Power BI

Типичная структура дашборда для e-commerce включает 4 уровня:

Построение такой системы – это проект внедрения BI-систем, который зависит от текущей инфраструктуры и количества источников. Но даже базовая версия – соединение GA4, рекламных кабинетов и CRM в один отчёт – даёт качественный скачок в понимании бизнеса по сравнению с работой в отдельных кабинетах и повышает эффективность интернет-магазина.

Чеклист готовности аналитики вашего магазина

• Вы знаете свой CAC в разрезе каналов?
• Вы считаете LTV по когортам привлечения?
• Микроконверсии воронки отслеживаются в GA4?
• Маржинальность известна в разрезе SKU и категорий?
• Return Rate отслеживается и анализируется по причинам?
• Retention Rate известен для 30/60/90 дней?
• Данные из всех каналов сводятся в единый отчёт?
• Рекламная атрибуция проверена через CRM-данные?
• Есть автоматические алерты при аномалиях в ключевых метриках?

Если «нет» больше, чем «да» – это точка отсчёта. Большинство украинских интернет-магазинов сейчас именно в этом состоянии: данные есть, но они разрознены, и полной картины нет.

Бесплатная консультация по аналитике e-commerce от IWIS

Аналитика для интернет-магазина позволяет принимать решения на основе фактов: где резать бюджет, где масштабировать, какие товары выводить, а какие продвигать. Команда IWIS строит аналитику для e-commerce от стратегии сбора данных до готовых дашбордов.

Если вы хотите понять, где сейчас пробелы в вашей аналитике – запишитесь к нам на бесплатную консультацию: разберём текущую ситуацию, определим приоритеты и предложим конкретный план действий.

Первый шаг всегда проще, чем кажется. И он ни к чему не обязывает.