Акция дала +18% заказов. И начала приносить убыток
У маркетолога была простая задача: разогнать оборот в сезон.
Перед запуском акции SUMMER15 маркетинг и финансы всё посчитали. Скидка 15%, минимальный чек — 3 000 ₽, вся Россия.
Средняя маржа на промо-заказе получалась +6,8%.
Формула выглядела логично: средний чек, средняя себестоимость, средняя доставка.
Акцию запустили.
Через неделю получили +18% заказов. Руководство довольно.
А система, которую мы собрали на данных компании, уже показывала другое:
23% промо-заказов были убыточными. −1,24 млн ₽ накопленного результата за 7 дней.
Возникает очевидный вопрос: почему это не увидели до запуска?
Посчитали. Но посчитали среднее.
Где спрятался минус
Убыток оказался не в самой акции. Он возник на пересечении нескольких факторов.
Минимальный чек. 68% промо-заказов попадали в диапазон 3 000–3 400 ₽. После скидки и доставки средняя маржа здесь составляла −12%.
Конкретные SKU. 340 позиций уходили в минус уже при скидке 15%, хотя вся категория в среднем оставалась прибыльной.
Регион. В 8 зон, включая Сибирь, доставка превращала небольшие заказы в убыточные.
Возвраты. У 120 SKU возвратность после промо была выше обычной на 4 п.п.
В итоге одна цифра +6,8% скрывала десятки убыточных комбинаций.
Это важный момент.
Проблема была не в том, что маркетинг «не умеет считать маржу». Проблема в том, что средняя маржа вообще не отвечает на вопрос, где именно возникает убыток.
Поэтому мы начали не с дашборда
Мы взяли 14 месяцев заказов и три предыдущие акции и разобрали, на какой гранулярности бизнес начинает терять деньги.
Не «маржа по акции».
А:
промокод × SKU × чек × регион × возвратность.
Так появились конкретные правила, которые потом можно было автоматизировать.
Система получает заказ из OMS и 1С и считает его фактическую экономику:
выручка − себестоимость − скидка − доставка − ожидаемый возврат.
А дальше проверяет его по найденным закономерностям.
Не просто:
«Заказ с SUMMER15».
А:
«SUMMER15 + этот SKU + чек 3 200 ₽ + Сибирь = отрицательная маржа».
Вот здесь аналитика начинает работать не как отчётность, а как контрольный контур бизнеса.
Что изменили прямо во время акции
В Сибири доля убыточных заказов достигла 41%. За три дня они дали −680 тыс. ₽.
Географию отключили.
В коридоре чеков 3 000–3 400 ₽ снова подтвердился отрицательный эффект. Минимальный чек подняли до 5 000 ₽.
Тяжёлую бытовую технику, где 67% промо-заказов были убыточными, исключили из акции.
То есть система не просто показала красные столбики.
Она помогла ответить на главный вопрос:
что конкретно нужно изменить, чтобы перестать терять деньги?
И в этом для меня главный вывод кейса.
Аналитика не должна заканчивается на фразе «мы нашли проблему».
Если бизнес каждый месяц обнаруживает одну и ту же проблему в отчёте, это всё ещё ручное управление.
Сильная аналитическая система должна пройти весь путь:
найти закономерность → превратить её в правило → контролировать в потоке → дать сигнал, пока деньги ещё можно спасти.
Без исследования система будет автоматически считать неправильные вещи.
Без автоматизации результаты исследования снова потеряются в Excel.
Поэтому хороший BI — это не экран с графиками.
Это способ не дать бизнесу повторно наступить на уже найденную закономерность.