16.02.2024

Анализ динамики продаж в маркетплейсе Wildberries

Стек:

python
pandas
seaborn
matplotlib

Полная версия блокнота Google Colab с кодом для уточнения технических деталей:
Смотреть на Google Colab

Контекст

Отзывы - важнейшая составляющая продвижния товара на маркетплейсах. Многие продавцы при внедрении нового товара в продажи озабочены быстрым накоплением отзывов и стараются использовать все доступные методы для этого. Для разработки стратегии продвижения товара, чтобы действовать не спонтанно, а системно, важно понимать, сколько отзывов нужно набрать при старте товара для уверенного роста продаж и какие способы для этого использовать.

Популярным способом быстрого набора большого количества отзывов является так называемая “склейка” товаров. Это когда два похожих или почти одинаковых товара одного продавца объединяются в одну карточку, тем самым новый товар присваивает на себя все отзывы старожила, с которым он объединился. Нужно досконально определить, полезна в целом такая склейка для продвижения или нет.

Цель:

Выяснить, как изменяется динамика продаж при пересечении отметки в 1000 отзывов. Сделать выводы по стратегии продвижения конкурентов по характеру роста отзывов.

Критерии для сбора данных:

Сервис mpsats. Отчет “Продажи и остатки” По нескольким десяткам артикулов конкурентов Категория: Красота/Волосы Количество отзывов: около 2000 (+-50). То есть взяты относительно новые товары, которые были запущены сравнительно недавно. Задумка в том, чтобы в динамике посмотреть, как они собирали отзывы от 0 до 2000 и как себя вели в районе отметки в 1000 отзывов. Период данных - 1 год. Самый большой период, доступный для скачивания в mpstats Выручка отсортирована по убыванию Подобраны те, которые проявляли активность непрерывно с момента своего старта до 2000 отзывов. Без простоев.

Краткие выводы

Предположение о росте продаж после 1000 отзывов подтверждается частично, а именно только для тех артикулов, которые: развиваются самостоятельно без “пристегиваний” к другим карточкам; активно используют рекламу в продвижении - это заметно по кривой роста отзывов, похожую на экспоненциальную кривую.
Дополнительно было установлено, количество продаж в зависимости от количества отзывов в карточке - разное для трех разных кластеров, на которые разделены исследуемые данные.
Стратегия развития карточки товара, где происходит пристегивание к другой карточке с большим количеством отзывов, поставлена под сомнение, поскольку там самые низкие показатели по продажам, скорости приращения продаж в неделю, количеству продаж в зависимости от количества отзывов.

Теперь более подробно

Итоговая таблица, сложенных вместе выгрузок представляла из себя массив с данными:

Первая визуализация, когда я попробовал всю выборку разложить с помощью скользящей средней на зависимость между количеством отзывом и продажами:

График со скользящей средней показывает от 0 до 500 размашистую по амплитуде кривую с повышением и понижением числа продаж. Это может говорить об агрессивной рекламе на старте и о случаях удачного или не совсем удачного старта товара. Кто-то стартовал удачно, а кто-то нет - этот график объединяет в себе несколько результатов. После отметки в 500 отзывов график ведет себя уже более спокойно. Вероятно, после этого уже начинает работать органический трафик и степень влияния рекламы уже меньше. После пересечения отметки в 1000 отзывов наблюдается действительное повышение количества продаж по скользящей средней. Такое же поведение график показывает на отметке в 1500 отзывов. Снижение графика к отметке 2000 отзывов ниже 100 продаж - это по всей видимости аномалия графика, связанная с тем, что крайние значения скользящей средней считались не за период 30, а меньше.

Разбивка на кластеры по поведению

Еще при скачивании данных с mpstats на диаграммах было видно, что конкуренты ведут себя по разному. Отзывы накапливались у кого-то равномерно, у кого-то стремительно по экспоненциальной кливой, а у кого-то резким скачком, что говорит о “пристегивании” к другой карточке товара. Разобьем конкурентов на кластеры по похожести поведения, чтобы исследовать каждый кластер в отдельности. Возможно это еще даст дополнительную информацию об эффективности той или иной стратегии. Ниже показаты некоторые графики конкурентов, показывающие динамику накопления отзывов в течение года с момента старта до момента 2000 отзывов:

Перед тем как делить на кластеры, зафиксированы некоторые наблюдения из этих графиков:

Угол наклона графика говорит о скорости прироста отзывов. Часто после “пристегивания” скорость прироста отзывов увеличивается. Но это происходит не всегда.
Некоторые конкуренты стартуют сразу же с “пристегивания”. А некоторые стартуют нормально, а пристегивают чуть позже. И в этом случае видно, что после пристегивания угол графика увеличивается, то есть скорость прироста отзывов увеличивается. Это говорит о том, что наверно лучше сразу же стартовать с пристегивания, не теряя времени.

Кластеры

Нормальный рост - это те sku, которые равномерно накапливали отзывы. Линия графика у них похожа на почти прямую линию, идующую из левого нижнего угла графика в правый верхний. Есть sku, где замечены небольшие скачки отзывов - сложно определить, пристегивание это или нет. Такие sku тоже отнесены к нормальному росту.
Ускоренный рост - это те sku, где график похож на рост по экспоненте: активное продвижение.
Пристегнутые. Резкий скачок в количестве отзывов, говорящий о том, что Sku был по всей видимости “пристегнут” к другому товару. Скачок просматривается на графике отчетливо и иногда составляет до 500 и больше отзывов. Пристегивание может происходить как в начале старта, так и позже.

Кластер “Ускоренный рост”

На графике со скользящими средними у кластера “Ускоренный рост” можно выделить три участка:

До 500 отзывов: Здесь количество заказов колеблется с шикорокой амплитудой. На старте видна неопределенность.
С 500 до 1000 отзывов: Стабильный период. Количество заказов колеблется в небольшом диапазоне примерно в 20 заказов. В данном случае с 70 до 90.
С 1000 до 1500 отзывов: Заметный рост числа заказов.

Дальше идут более широкие колебания, которые нужно исследовать дополнительно, сравнивая их с другими факторами и на другом периоде

Кластер “Нормальный рост”

Кластер Нормального роста чем то похож на кластер Активного развития, но здесь есть существенные различия:

участки графика, отмеченные в предыдущем кластере, здесь не так ярко выражены. Можно сказать, что здесь 2 участка, а не 3: До 500 отзывов и после.
Рост заказов после 1000 отзывов тоже можно сказать, что наблюдается, но не такой уверенный, как в предыдущем кластере. Несмотря на то, что артикулы, которые мы здесь рассматриваем, все имеют по 2000 отзывов и все имеют выручку примерно одного порядка, в “нормальном” кластере среднее число заказов по шкале - 60. В предыдущем кластере - 80. Причем в предыдущем кластере после 1000 отзывов ярковыраженный подъем по заказам. А здесь такого нет.

По всей видимости, это объясняется тем, что товары в кластере активного роста сильнее задействуют рекламу, чем в этом кластере, который накапливает отзывы равномерно.

Кластер “пристегнутых” товаров

Выводы по графику кластера Пристегнутых товаров:

Среднее количество продаж на отзыв заметно ниже, чем в предыдущих двух кластерах. Это может говорить о том, что способ продвижения с помощью “пристегивания” не столь эффективен, чем даже в кластере нормального роста
На графике нельзя уверенно выделить характерные зоны. График колеблется практически постоянно в одном диапазоне 10-30. Такая однородность может говорить о том, что “пристегивания” у артикулов были в разные моменты, а здесь они просто наложились друг на друга в одном графике. Следует дополнительно исследовать, как будет меняться динамика заказов сразу после пристегивания.

Пик в начале графика, также как и спад с “закорючкой” в конце - могут быть аномалиями связанными с погрешностью расчета скользящей средней.