Как поймать упущенные заказы на Wildberries, и почему от них зависит место в выдаче

Erid: 2Vtzqx3xMu2

Внутренняя аналитика Wildberries и внешние сервисы для селлеров указывают среди прочих показателей количество упущенных заказов за отчетный период. Цифры недополученной прибыли никого не радуют. Что это – грубый маркетинг платформы или реальное предупреждение о несоответствии магазина алгоритмам маркетплейса? Давайте разберемся.

Для офлайн-бизнеса упущенные заказы = упущенные продажи. Учитываются все факторы, которые влияют на доступность товара к заказчику. На маркетплейсах количественно можно оценить только логистические причины – отсутствие товара на складе.

Ошибка думать, что алгоритмы Wildberries меняются. Они уточняются и становятся изощренней. Машинный интеллект ежесекундно сравнивает все карточки товаров селлеров друг с другом, и отдает им место в поисковой выдаче с одной итоговой целью – получить больше комиссионных. За первые 80 мест в выдаче сражаются 800 тыс. продавцов. WB каждому присваивает числовую атрибуцию. Она учитывает негативные отзывы, возвраты, итоговый процент выкупа, плохое SEO-описание товара и еще десятки факторов. Несколько тайн контроля алгоритмов Wildberries раскрыты в этом видео.

В партнерской памятке селлерам маркетплейс показал свои приоритеты ранжирования: объемы продаж и региональный охват:

Здесь много того, что скрыто в разделе «Аналитика» Личного кабинета продавца Wildberries под другими формулировками. Например, с объемом заказов тесно связан показатель оборачиваемости. Во внутренних отчетах Wb он есть в виде таблиц. А упущенные заказы отражены практически во всех факторах ранжирования, но с разных сторон.

Разберем подробней, что приводит к росту явных и скрытых упущенных заказов, и как это сказывается на ранжировании карточки. Для наглядности используем реальные предупреждения/алерты JVO, которые система может давать пользователям.

1. Грузооборот

В общем количестве упущенных заказов магазина на маркетплейсе логистика – «вершина айсберга». То есть, финальная часть воронки продаж. Именно риски недогрузки или перегрузки складов на 30-40% определяют ранжирование карточек товаров в поисковой выдаче платформы. Упущенные заказы – это та выручка, которую дополнительно мог бы иметь селлер, если бы не допустил out-of-stock на складах.

Если покупатель уже пришел на маркетплейс и выбрал товар, но его нет в наличии на складе, Wildberries теряет покупателя и свою комиссию. Поэтому ранжирование так зависит от скорости доставки и присутствия товара на разных складах. Это особенно важно для позиций карточки в региональной выдаче поиска.

Чтобы рассчитать отгрузки и оборачиваемость, многие сервисы, включая внутреннюю аналитику WB, дают информацию в форме таблиц и графиков. Их нужно самостоятельно сопоставлять. Например, в ЛК Wildberries отдельно присылают отчеты по динамике оборачиваемости, по логистике, по регионам, остаткам на складах и т.д.

В JVO всю рутину берут на себя машинные алгоритмы и ИИ, а селлер получает детальное предупреждение о том, какие артикулы и куда следует срочно отгрузить:

Чтобы настроить отгрузки, нужно пошагово задать параметры «умному» подсортировщику, и скачать готовые файлы на поставку для ЛК Wildberries.

Работая с логистикой и сокращая суммы упущенных заказов, можно существенно продвинуться в выдаче.

Но есть и другие 60% факторов ранжирования. Они тоже могут указывать на упущенные заказы, но их суммы часто можно исчислить только после обнаружения и ликвидации проблемы.

2. SEO-оптимизация

Потенциальные покупатели могли бы увидеть карточку в поиске, но не увидели. Или увидели, но не перешли на неё. Или посмотрели товар, но не добавили в корзину. Или добавили, но не купили… Вариантов много.

Например, после очередного изменения ключевых поисковых слов могут неожиданно упасть просмотры самых успешных карточек. Инструментарий JVO позволяет выявить причину, и установить, например, что просмотры рухнули сразу вслед за удалением некоторых ключей в SEO.

После отката к исходному набору слов, частотность поисковых запросов восстанавливается, как и прежняя конверсия в корзину. Подробности захватывающей истории о том, как всего пара ошибок в SEO-продвижении привели к потере более 5 млн рублей смотрите здесь.

В другом случае продажи товара на несколько миллионов по топовому направлению просели из-за небрежности. Менеджер по ошибке убрал из характеристики товара название бренда кириллицей, и заходы на карточки резко пошли вниз. После восстановления русской транскрипции высокая конверсия на карточку вернулась.

3. Отзывы и рейтинг

Эти факторы могут умножить количество упущенных заказов и снизить позицию в ранжировании на этапе конверсии в корзину. Влияние отработки негатива и снятия возражений совместно с конверсией и рейтингом в звёздах, по меркам Wb немногим слабее, чем SEO-оптимизация карточек: даёт до 30% успеха в ранжировании.

Wildberries сейчас пессимизирует карточки, в которых нет работы с покупателями. Если на последние отзывы и вопросы представитель бренда не ответил через трое суток, ожидается падение в ранжировании. JVO заранее предупреждает о таком риске.

Звёзды на маркетплейсах не только обозначают рейтинг, но и напрямую влияют на желание покупателя кликнуть на карточку. Из двух карточек предпочтут ту, у которой пять звёзд, а не три. Если именно количество звёзд стало причиной снижения кликабельности карточки в каталоге, JVO выдаст предупреждение.

ЛК Wildberries позволяет видеть карточки топовых конкурентов, но сравнивать их со своими придется буквально на глазок, держа в уме всё, что нужно улучшить у себя. JVO несколько раз в день сравнивает отмеченные карточки с топ-конкурентами по десяткам параметров и распределяет предупреждения по категориям и фильтрам, чтобы удобнее группировать их.

4. Ценообразование

При прочих равных покупатель выбирает тот товар, что дешевле. На этапе конверсии из корзины в покупку упущенные заказы возникают по причине неконкурентной цены.

Вывод

Упущенные заказы возникают на всех этапах воронки продаж. И только те, что наверняка уже случились по причине нехватки товара, можно зафиксировать в рублях и штуках. Риски out-of-stock так важны для маркетплейсов, что на 40% определяют положение товара в поисковой выдаче.

На более ранних этапах продажи несостоявшихся покупателей гораздо больше. Они «отваливаются» из-за негативных отзывов, скудной информации о товаре, ошибок в презентации и продвижении. Аналитика на базе ИИ способна сравнить изменение конверсии просмотра карточки и далее - в корзину и покупку, показать наличие и масштаб проблем, и дать четкие рекомендации по улучшению ситуации.

Как минимум 30% роста карточки в топ поиска способна обеспечить грамотная работа с контентом и покупателями. Еще около 30% роста добавляет грамотная SEO-оптимизация на основе конкурентного анализа. В JVO рекомендации охватывают всех конкурентов:

Используя внутреннюю аналитику Wildberries тоже можно прийти к похожим рекомендациям. Но на это уйдут месяцы. Вручную один менеджер способен уследить за показателями 5-6 карточек товаров. А если их 100 с 5-6 размерами и расцветками? Машинный интеллект делает это за секунды по всей товарной матрице и десяткам факторов.

Одновременно менеджер на практике учится бизнесу на Wb и настраивает его на алгоритмы маркетплейса по чётким алертамм-рекомендациям JVO. Человеческие ошибки неизбежны при работе с разрозненными табличными данными. Алгоритмы нашего сервиса не ошибаются и гармонизированы с политикой ранжирования платформы.

Чтобы лучше понимать алгоритмы Wildberries, запишитесь на демо.