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.
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.
Здесь не весь список возможных метрик (их сотни), а только те, что напрямую связаны с прибылью и дают действенную информацию для решений.
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.
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.
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.
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.
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.
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.
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.
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.
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 – 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 (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.
Единая аналитическая картина требует единого места, где данные из всех источников сведены в консистентный формат. Классическая архитектура выглядит так:
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.
Типичная структура дашборда для e-commerce включает 4 уровня:
| Уровень | Что показывает | Аудитория |
|---|---|---|
| Executive | Выручка, прибыль, LTV/CAC, Retention | Владелец / CEO |
| Marketing | CAC по каналам, ROAS, воронка, конверсия | Маркетолог |
| Product | Маржинальность по SKU, Return Rate, топ/аутсайдеры | Категорийный менеджер |
| Operations | Остатки, оборачиваемость, время обработки заказов | Операционный директор |
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.
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.
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.
DAX отвечает за расчёты внутри модели...
Читать далее DAX формулы в Power BI: практический гайд
