В большинстве случаев проблема не в продажах
В практике работы с категориями одежды и обуви на Wildberries нередко возникает ситуация, когда рост заказов и формально приемлемые рекламные показатели не приводят к сопоставимому росту финансового результата. При этом в отчётах сохраняется ощущение стабильности: продажи идут, реклама работает, карточки оформлены корректно.
Подобные расхождения объясняются не единичными ошибками, а особенностями экономики категорий с примеркой. В таких категориях существенную роль играют возвраты, затраты на логистику и сезонные колебания спроса. Если эти факторы не учитываются на этапе принятия управленческих решений, финансовая картина искажается, даже при внешне положительной динамике заказов.
Согласно данным, опубликованным в деловых медиа со ссылкой на аналитическое агентство Shift, доля возвратов в онлайн-продажах одежды, обуви и аксессуаров может составлять от 15% до 45% в зависимости от категории и канала продаж. Источник: Коммерсантъ — материал о возвратах в e-commerce - https://www.kommersant.ru/doc/7908953
При таком уровне возвратов использование усреднённых показателей — оборота, количества заказов или рекламных метрик без учёта фактического выкупа — ограничивает возможность корректной оценки рентабельности.
На практике это упирается в быстрый пересчёт юнит-экономики: комиссия, логистика, скидки и фактический выкуп. Чтобы не держать расчёт “в голове”, я собрал отдельный материал — «Как я за пару минут проверяю прибыль товара для Wildberries» — и делюсь готовой таблицей, в которой вы подставляете параметры товара и сразу видите итоговую маржу и чувствительность к ключевым расходам.
Управление по усреднённым показателям и его ограничения
Распространённая управленческая практика — анализировать товар как единую позицию без детализации по размерам, складам и фазам сезона. В этом случае показатели продаж и маржи агрегируются, а различия между отдельными элементами ассортимента нивелируются.
Для размерных категорий такой подход ограничен. Отдельные размеры могут демонстрировать стабильный выкуп и положительную маржу, в то время как другие — формировать возвраты и дополнительные издержки. При агрегированном учёте эти различия не видны, что затрудняет принятие решений по ассортименту, ценообразованию и рекламе.
Аналогичная ситуация возникает в рекламе. Оптимизация по кликам или заказам позволяет увеличить трафик, однако без учёта возвратов и связанных затрат такие показатели не отражают итоговый финансовый результат. Это не связано с качеством рекламных инструментов, а определяется выбранной системой метрик.
Возвраты как источник управленческой информации
Возвраты в большинстве случаев фиксируются количественно, однако причины возвратов не всегда используются как входные данные для корректировки управленческих решений. Между тем именно они указывают на повторяющиеся структурные проблемы в ассортименте и карточках товаров.
Деловые медиа, анализируя рынок e-commerce, отмечают, что среди ключевых причин возвратов одежды и обуви регулярно выделяются несоответствие размерной сетки и расхождение между ожиданиями покупателя и фактическими характеристиками товара. Источник: Forbes — материал о причинах возвратов одежды и обуви в онлайне
https://www.forbes.ru/biznes/542559-rossijskie-pokupateli-vozvrasaut-do-45-kuplennoj-v-internete-odezdy-i-obuvi
Когда такие причины не анализируются системно, повторные продажи воспроизводят одни и те же издержки, а снижение цены используется как универсальное, но не всегда эффективное решение.
Почему ИИ используется именно в этой зоне
Wildberries официально развивает инструменты на базе искусственного интеллекта для работы с карточками товаров, включая фоторедактор и функции генерации элементов контента. Эти инструменты описаны в публичных инструкциях платформы и новостных анонсах, посвящённых развитию интерфейса для продавцов.
В частности, маркетплейс открыл доступ к обновлённому фоторедактору с ИИ-функциями, направленными на упрощение подготовки визуального контента. Источник: Forbes — новость о запуске «Фоторедактора 3.0» на Wildberries
https://www.forbes.ru/novosti-kompaniy/552829-wildberries-otkryla-dostup-k-fotoredaktoru-3-0-dla-vseh-prodavcov-iz-rf
Эти инструменты решают задачу стандартизации и ускорения работы с контентом, однако не затрагивают управленческую часть экономики: расчёт маржи с учётом возвратов, распределение ассортимента по размерам и принятие решений по сезонности. Именно в этой зоне использование аналитических и алгоритмических подходов может быть оправдано — при наличии чётких правил и ограничений.
ИИ как аналитический инструмент, а не управленческая замена
Применение ИИ в управлении ассортиментом и рекламой может быть полезным при работе с большими объёмами данных, в том числе при декомпозиции показателей по размерам, складам и периодам. В этом контексте ИИ выступает как средство обработки информации, а не как самостоятельный источник решений.
Эффект от использования таких инструментов напрямую зависит от заданных параметров: допустимых уровней маржи, правил остановки убыточных операций и наличия контрольных групп для оценки изменений. Без этих условий автоматизация не повышает качество решений, а лишь ускоряет их исполнение.
Ограничения автоматизации
При отсутствии заданных правил и ограничений автоматизация усложняет контроль за результатом. Если изменения в ассортименте, ценах или рекламе вносятся одновременно и без тестовых выборок, становится затруднительно определить, какие действия привели к изменению показателей.
По этой причине использование ИИ требует сохранения управленческого контура: определения ключевых метрик, допустимых диапазонов и ручного контроля критических решений. В противном случае технологии не снижают риски, а увеличивают скорость их реализации.
Практические следствия для управления ассортиментом и экономикой
Если рассматривать изложенные факторы в совокупности, становится заметно, что основное напряжение в управлении ассортиментом на Wildberries возникает не на уровне инструментов, а на уровне интерпретации данных. При работе с категориями, чувствительными к возвратам и сезонности, решения, основанные на агрегированных показателях, дают ограниченное представление о фактической рентабельности.
В таких условиях ключевым становится не расширение набора автоматизированных решений, а уточнение управленческих параметров: какие показатели используются для оценки эффективности, на каком уровне детализации принимаются решения и какие ограничения заданы заранее. Без этого даже корректно работающие инструменты не позволяют снизить управленческие риски.
Роль ИИ в существующей управленческой модели
Инструменты на базе искусственного интеллекта, которые Wildberries развивает для продавцов, в первую очередь ориентированы на работу с контентом и визуальной частью карточек. Это отражено в публичных анонсах платформы, включая запуск обновлённого фоторедактора с ИИ-функциями.
Источник: Forbes — новость о запуске «Фоторедактора 3.0» на Wildberries
https://www.forbes.ru/novosti-kompaniy/552829-wildberries-otkryla-dostup-k-fotoredaktoru-3-0-dla-vseh-prodavcov-iz-rf
Эти инструменты упрощают подготовку карточек и стандартизируют визуальное представление товаров, однако они не заменяют управленческую работу с экономикой ассортимента. Аналитические задачи — расчёт маржи с учётом возвратов, распределение запасов по размерам и складам, планирование выхода из сезона — по-прежнему требуют отдельного контура принятия решений.
ИИ в этом контексте выступает как вспомогательный аналитический инструмент. Его применение оправдано там, где объём данных затрудняет ручную обработку, но он не подменяет методологию и не формирует цели управления.
Ограничения автоматизации и необходимость правил
Автоматизация процессов без заранее заданных ограничений снижает прозрачность управленческих решений. Если изменения в ассортименте, ценах и рекламных настройках происходят одновременно и без контрольных выборок, становится затруднительно определить причины последующих изменений в показателях.
Поэтому использование ИИ-инструментов требует предварительного определения базовых правил: допустимых уровней маржи, критериев остановки убыточных операций, принципов тестирования изменений. Эти элементы не относятся к технологической части и не могут быть делегированы алгоритму без потери управляемости.
Итоговое наблюдение
В условиях высокой сложности ассортимента и значимой доли возвратов устойчивость бизнес-модели определяется не скоростью внедрения технологий, а качеством управленческих допущений. Инструменты искусственного интеллекта могут повысить эффективность обработки данных, но не компенсируют отсутствие чётких правил и корректных метрик.
В этом смысле вопрос применения ИИ сводится не к выбору между «использовать» или «не использовать», а к пониманию того, в какую управленческую модель он встроен и какие решения эта модель допускает.
Если контур экономики и правила решений у вас выстроены, следующий практический блок — исполнение: сроки упаковки, стабильность тарифа, контроль отгрузки и фиксация спорных ситуаций. Под это есть отдельный разбор — «Фулфилмент без иллюзий: как мы решаем реальные проблемы продавцов». Если нужен разбор под ваш товар и текущую модель отгрузки — 👉 Напишите нам в Telegram.
Если уместно — поделитесь наблюдениями:
- Какие метрики вы используете для оценки рекламы и продаж с учётом возвратов и выкупа — и на каком уровне детализации принимаете решения?
- В какой момент вы понимаете, что рост заказов перестаёт означать рост маржи — и какие действия предпринимаете в этот момент?