Тренды e-commerce 2025: как автоматизация аналитики становится преимуществом и причём тут ИИ
Мы с командой решили проверить, как автоматизация аналитики может стать ключевым преимуществом на маркетплейсах 2025: подгрузили данные, применили свою методологию, заставили нейросеть проанализировать и выяснить, что влияет на продажи в нише домашних тапочек на Ozon.
Все ключевые моменты исследования, зависимости, красивые графики и выводы собрали в один файл, его можно скачать в конце статьи.
В статье мы подробно описали весь процесс: от сбора данных до ключевых выводов. Объяснили, какие метрики действительно работают, а какие — лишь создают видимость контроля.
И обязательно поддерживаем и подписываемся на телеграм канал, там закулисье.
Почему ИИ это тренд на рынке онлайн торговли: 4 инсайта
1. Рост на 36% за год
По свежим данным аналитиков, обороты e-commerce к 2025 году вновь выросли на 36%. Да, бум-год пандемии позади, рынок уже не такой «взрывной», но двузначные темпы остаются. Прогнозы обещают, что к 2027 году рынок превысит $7,9 трлн оборота (ещё +39% к нынешнему уровню).
2. Доминирование маркетплейсов
До 81% всех онлайн-заказов в России происходит через Ozon, Wildberries, Яндекс Маркет и пару других платформ. При этом на маркетплейсах оперативность реакции на спрос и действия конкурентов напрямую влияет на прибыль.
3. Новые привычки покупателей
Покупатели уже привыкли к личным рекомендациям, быстрой доставке и персональным акциям.
4. Динамическое ценообразование
Онлайн-ритейл - высококонкурентный рынок, поэтому продавцы сталкиваются с проблемой максимизации прибыли при сохранении конкурентоспособных цен. Тренд на динамическое ценообразование, где цены корректируются в реальном времени на основе спроса, конкуренции и других факторов, становится важным инструментом для маркетплейсов.
Поэтому мы решил проверить как наш подход будет работать на реальном примере «скучных» домашних тапочек, где рынком управляет точный математический и финансовый расчет.
Кратко о нашем эксперименте: исходные данные, цель и итог с ИИ
Мы решили провести исследование, чтобы показать, как нейросеть может усилить аналитику на рынке e-commerce.
- Ниша: «Домашние тапочки» на Ozon С одной стороны, это повседневный товар, с другой — там большой разброс цен и стилей (от 300₽ до 5000₽+).
- 10 000 товаров, 866 продавцов, 34 метрики (цены, остатки, показы, конверсия, отзывы) за неделю февраля 2025 года.
- Цель: выявить закономерности и факторы (ассортимент, скидки, трафик и пр.), которые влияют на продажи..
- Эксперимент: проверить, насколько быстрее мы получим выводы с помощью ИИ по сравнению с ручным анализом.
Объединили классические методы — сегментацию, сводные данные, корреляционный анализ — с возможностями наших любимых нейросетей.
Итог: за несколько часов мы получили инсайты, которые раньше требовали дней работы, доказав, что ИИ делает глубокую аналитику массовым инструментом для продавцов любого уровня.
Цели исследования: как нейросеть раскрывает драйверы продаж на маркетплейсах
Наша задача показать, как автоматизация с использованием ИИ может трансформировать аналитику на маркетплейсе, делая её быстрее, точнее и доступнее для бизнеса любого масштаба. Мы сформулировали конкретные цели, чтобы предоставить рынку практическую ценность.
Определить ключевые метрики продаж: Выяснить, какие показатели — видимость, ассортимент, скидки или другие — оказывают наибольшее влияние на объем заказов в каждом ценовом сегменте: до 1000 рублей, 1000–2000 рублей, 2000–5000 рублей и от 5000 рублей.
Сравнить корреляции между метриками: Оценить силу и характер связей между показателями в разных ценовых диапазонах, чтобы понять, как меняются зависимости с ростом стоимости товара.
Выявить драйверы спроса: Установить, что именно стимулирует продажи — высокая видимость в поиске, широкий ассортимент или акционные предложения — и как эти факторы эволюционируют от бюджетного сегмента к премиальному.
Дать практические рекомендации: На основе выявленных зависимостей предложить e-com бизнесу стратегии, которые можно внедрить для повышения эффективности на маркетплейсах.
Такой подход позволил сократить время работы с данными и добиться уровня детализации, который открывает новые возможности для продавцов.
Методология исследования: как мы анализировали рынок
После постановки целей мы столкнулись с неоднородностью данных, поэтому мы выделили 5 этапов анализа.
Этапы анализа
Сегментация: Разделили данные на 4 ценовых диапазона по средней цене товара: до 1000 рублей, 1000–2000 рублей, 2000–5000 рублей, от 5000 рублей.
Агрегация: Сформировали сводную таблицу по 866 продавцам, затем разбили её по сегментам: 402 продавца до 1000 рублей, 251 в 1000–2000 рублей, 174 в 2000–5000 рублей, 39 от 5000 рублей.
Фильтрация: Оставили только значимые корреляции (выше 0.7 или ниже -0.7) для каждого сегмента, сформировав 4 очищенные таблицы.
Корреляции: Рассчитали связи между всеми метриками в каждом сегменте, получив 4 таблицы корреляций.
Сравнение: Проанализировали изменения корреляций между сегментами, выявив тренды и драйверы спроса.
Инструменты
Data Formulator: ИИ-инструмент от Microsoft на базе Open AI, автоматизировал создание сводных таблиц и расчет корреляций через запросы на естественном языке (например, "Calculate correlations for items below 1000 RUB").
Grok 3: Использован для интерпретации корреляций и сравнительного анализа, обеспечил глубокие инсайты и рекомендации.
Общий анализ ниши тапочек на Ozon: где сосредоточены продажи
Обзор рынка
Бюджет до 1000₽ 46% продавцов, ~54% выручки. Очень высокий трафик, быстрая конверсия, но низкая маржинальность и бешеная конкуренция.
Средний сегмент (1000–2000₽) 28% продавцов, 29% выручки. Тут уже важен контент-карточки: качество, отзывы, лайфстайл-фото.
2000–5000₽ 20% продавцов, 15% выручки. Спрос не такой стабильный, зато покупатель более «осознанный»: ассортимент и брендовые фишки в приоритете.
Премиум от 5000₽ 6% продавцов, 2% выручки — немного, но чек высокий. Публика ищет «вау»-эффект: дизайнерские, может, даже «ручная работа».
Это говорит о том, что массовый спрос в нише сосредоточен в нижнем ценовом диапазоне, где конкуренция высока, но объемы продаж компенсируют низкие маржи.
Топ-50 продавцов: лидеры усиливают тренд
Среди топ-50 продавцов по выручке распределение ещё ярче подчеркивает силу бюджетного сегмента. Здесь 56% игроков сосредоточены в категории до 1000 рублей, 28% — в среднем диапазоне, 14% — в сегменте выше среднего, и лишь 2% — в премиум.
Лидеры рынка явно делают ставку на объемы, а не на высокую цену, что отражает специфику спроса в нише.
Выводы для e-commerce
Данные показывают: 6% продавцов (топ-50) генерируют 56% выручки, а 43% всех товаров принадлежит этим лидерам.
Это типичная картина для маркетплейсов — небольшая группа продавцов доминирует за счет масштаба и оптимизации. Бюджетный сегмент остаётся главным драйвером: больше продавцов, товаров и выручки, что делает его зоной высокой конкуренции и больших возможностей. Премиум-сегмент, несмотря на скромную долю, остаётся потенциальной нишей для тех, кто готов работать с узкой аудиторией и высоким чеком.
Корреляционный анализ: что движет продажами в разных сегментах
Мы изучили общую картину продавцов на Ozon и теперь переходим к корреляционному анализу, чтобы понять, какие метрики ключевые. Итак, какие выводы сделала нейросеть.
1. Стабильность спроса: чем дороже, тем сложнее
До 1000₽: люди покупают постоянно, спрос равномерный, как поток — низкая цена обеспечивает постоянные заказы. (корреляция видимости и продаж — 0.920).
1000–2000₽: ещё ровно, но уже смотрят на качество и подробности. стабильность снижается, покупатели начинают сравнивать варианты.
2000–5000₽: спрос не линейный, важны ассортимент и карточки.
От 5000₽: продажи редкие, всплески разовые — высокая цена фильтрует массовый спрос.
2. Роль видимости (просмотры и показы)
До 1000 рублей: Видимость — главный драйвер. Показы (0.920) и просмотры карточки (0.912) напрямую толкают заказы.
1000–2000 рублей: Влияние слабеет (показы — 0.868, карточка — 0.919), покупатели оценивают предложения.
2000–5000 рублей: Показы падают (0.790), поиск ещё ниже (0.708), но карточка держится (0.902).
От 5000 рублей: Прямой эффект исчезает (<0.7), но показы конвертируются в просмотры (0.975).
3. Ассортимент: решающий в дорогом сегменте
До 1000₽: (0.907) широкий выбор стимулирует импульсивность покупки.
1000–2000₽: (0.906) важно давать альтернативы, но без перегруза.
2000–5000₽: (0.939) без богатого выбора трудно привлечь потребителя.
Премиум (от 5000₽): (0.984) ассортимент становится почти «must have»; клиент выбирает эксклюзив.
4. Влияние скидок на продажи
До 1000₽: (0.807) — акции очень уместны, ловят тех, кому «и так недорого, а ещё скидка».
1000–2000₽: (0.802) — всё ещё работают, но не всегда решающий фактор.
2000–5000₽: (0.728) — ценят качество, скидка — скорее приятное дополнение.
Премиум: (0.868) — скидка «с 5500₽ до 4990₽» может подтолкнуть покупателя: «раз уж дорого, пусть будет чуть дешевле».
А как использовать результаты анализа рынка можно увидеть в самом исследовании, его можно скачать в конце статьи. Мы сделали выводы для каждого сегмента.
Общие тренды и подходы
Роль цены: С ростом цены видимость и стабильность спроса падают, а ассортимент становится критично важным.
Путь покупателя: Бюджет — "увидел → купил", премиум — "увидел → изучил → выбрал".
Оптимизация:
Бюджетные сегменты: больше трафика и акций.
Средний сегмент: баланс ассортимента и качества карточек.
Премиум: разнообразие и точечные стимулы.
ИИ – это только начало
Наш анализ ниши на Ozon — демонстрация того, как нейросеть меняет подход к e-commerce. Мы смогли за часы вытащить нюансы, которые при ручном анализе заняли бы не одну неделю.
И это только верхушка айсберга. Data Formulator, Grok 3 и другие AI-платформы в синергии с нашими методологиями позволяют:
Отслеживать динамику цен, ассортимента, отзывов.
Прогнозировать спрос и заблаговременно планировать сток.
Тестировать разные акции и маркетинговые ходы.
Делать текстовую аналитику – смотреть, какие фразы в описании товаров влияют на продажи.
Что мы сделаем дальше
Скоро мы выложим полную инструкцию и массив данных по этому кейсу в открытый доступ. Каждый сможет повторить анализ, протестировать инструменты и оценить их преимущества.
Мы продолжаем исследовать ИИ в автоматизации бизнес-процессов и будем делиться всеми наработками в opensource. Наша цель — сделать глубокую аналитику стандартом для e-commerce, доступным каждому.
Не пропустить это можно только подписавшись на этот телеграм канал, кстати там можно также быстрее всех получать готовые исследования.
Само исследование можно скачать тут.