Аналитика по товарам для продавца: какие отчёты действительно нужны

Чего не хватает в стандартных отчётах

WildberriesOzonЯндекс Маркет

Кабинет продавца отвечает на количественные вопросы: сколько заказали, сколько выкупили, сколько вернули, какая выручка. Это необходимая, но недостаточная картина — по ней видно что произошло и не видно почему.

Между тем причина обычно уже описана — покупателями, в свободной форме, в отзывах, вопросах и комментариях к возвратам. Проблема в том, что эти данные лежат в других разделах кабинета, не связаны с товаром и накапливаются быстрее, чем их успевают читать.

Стандартный отчет по товарам озон или Wildberries отвечает на вопрос «сколько», но не на вопрос «почему». Аналитика по товару становится полезной, когда к цифрам продаж добавляется содержание обращений.

Четыре уровня аналитики, которые нужны продавцу

Полезная аналитика устроена как воронка от общего к частному: сначала видно, где перекос, потом — в каком товаре, потом — что конкретно с ним не так.

1. Сводка активности: деньги и нагрузка вместе

Выручка и возвраты по магазинам, а рядом — объём клиентской нагрузки, которую этот магазин создаёт: вопросы, отзывы, чаты, заявки на возврат. Здесь же почасовой профиль нагрузки и среднее время ожидания покупателя по каналам.

Такой срез сразу показывает несоответствия: магазин с высокой выручкой и низкой нагрузкой, магазин со скромной выручкой и непропорционально большим потоком обращений, часы, в которые команда перестаёт успевать.

2. Клиентский сигнал по товарам

Топ товаров по количеству обращений с переключателем каналов: все обращения, отдельно чаты, вопросы, отзывы, возвраты. Единица учёта — карточка товара в конкретном магазине.

Товар, который стабильно держится в топе по обращениям, — это либо хит продаж, либо источник постоянной работы для команды. Отличить одно от другого помогает соседний срез — по возвратам.

3. Возвраты по этапам пути покупателя

По каждому товару: сколько возвратов, на какую сумму и как они распределены по этапам — на доставке, в пункте выдачи, после выкупа.

• Отказы до получения — вопрос к карточке, цене или сроку доставки.
• Возвраты после выкупа — вопрос к самому товару или к разрыву между описанием и реальностью.

4. Классы вопросов и отзывов по товару

По каждому SKU видны топ классов вопросов и топ классов отзывов с долями, средний рейтинг и баланс позитива и негатива. Вопросы разложены по 14 подклассам, отзывы — по 7 классам и 36 подклассам.

Глубокий отчёт по одному товару

Когда по товару накопился заметный объём обращений, по нему запускается детальный ИИ-отчёт. В расчёт берутся продажи, возвраты, чаты, вопросы и отзывы за период; для содержательного анализа отбираются до 1000 последних вопросов и отзывов. Результат сохраняется отдельным PDF в разделе готовых отчётов.

Структура отчёта отвечает на вопросы, которых нет ни в одном стандартном срезе:

• Кто покупает и для кого — себе или в подарок, в каких ситуациях, с какими ожиданиями.
• Сценарии использования — как товаром реально пользуются и что в этих сценариях мешает.
• Резюме — что подтверждено данными, что похоже на системную проблему, а что требует проверки.
• Рекомендации — какие формулировки в карточке и описании создают разрыв ожиданий и чем их заменить.
• Топ преимуществ и недостатков — с прямыми цитатами покупателей и долей упоминаний.
• Топ вопросов — о чём спрашивают чаще всего до покупки.
• Брак и дефекты — с разделением на производственный брак и случаи, требующие дополнительной проверки.

Последнее особенно важно: отчёт отличает подтверждённый сигнал от интерпретации. Если один и тот же дефект встречается у нескольких покупателей и они описывают его одинаково, это повод проверить партию. Если симптом можно объяснить и дефектом, и ошибкой пользователя, отчёт прямо это указывает, а не выдаёт догадку за вывод.

Запуск глубокого отчёта стоит 100 токенов, поэтому его имеет смысл делать по товарам с достаточным объёмом обращений.

Как аналитика связана с обработкой обращений

Аналитика в UNIT — не отдельный дашборд, который надо наполнять вручную. Это второй результат той же работы: агент классифицирует каждое обращение, чтобы выбрать способ ответа, и эта же классификация ложится в отчёты.

Классы обращений — общие для обработки и для аналитики

Конфликтная ситуацияПроблема с товаромПроблема при доставкеНесоответствие ожиданиямНе информативный негативПоложительный отзывОтзыв без текста

Один и тот же классификатор определяет и режим ответа, и разрез аналитики по товару.

Поэтому чем больше потока проходит через сервис, тем точнее становится картина по товарам — без отдельного проекта, ручной разметки и недель ожидания.

В каждом разделе можно проверить, из чего собран показатель: от итоговой цифры перейти к конкретным обращениям и прямым формулировкам покупателей.

Как использовать эти данные в работе

1. Найти товары, которые дают непропорционально много обращений относительно продаж.
2. Посмотреть, на каком этапе по ним происходят возвраты.
3. Открыть классы вопросов и отзывов — они укажут, чего не хватает в карточке.
4. По самым проблемным запустить глубокий отчёт и получить конкретные правки.
5. Внести изменения и через период сравнить, как изменилась структура обращений.

Параллельно поток обращений по этим товарам можно передать в автоматическую обработку, чтобы он не занимал команду, пока идёт работа с причинами.

Один товар на трёх площадках ведёт себя по-разному

Аналитика по товарам чаще всего строится внутри одной площадки. Между тем расхождение между площадками по одному и тому же артикулу само по себе является данными: карточки заполнены по-разному, а покупатель везде один.

Данные магазинов, подключённых к UNIT, за май–август 2026 года.

Разная содержательность обратной связи

На Ozon 82,2 % отзывов приходят без текста, на Яндекс Маркете 68,3 %. Это значит, что при равном количестве продаж по одному артикулу материала для анализа с Яндекс Маркета придёт заметно больше.

Разная доля медиа

Фото есть в 6,5 % отзывов на Яндекс Маркете и в 1,6 % на Ozon, вчетверо реже. Для товаров, где важен внешний вид, это прямо влияет на то, где вы вообще увидите претензию к цвету или фактуре.

Что с этим делать в отчёте

В ИИ-отчёт по SKU попадают обращения со всех подключённых площадок сразу, до 1000 последних вопросов и отзывов. Вывод получается про товар, а не про канал продаж, и именно поэтому сравнивать площадки внутри одного отчёта корректно.

Сколько стоит аналитика по товарам

Оплачивается подписка, внутри неё расходуются токены, и списываются они за действие, а не за обращение. Отзыв с текстом стоит 1 токен в любом режиме, отзыв без текста через шаблон не расходует токены вообще, ручной ответ 0,5 токена. Полная таблица списаний и три тарифных плана разобраны на странице тарифов.

Как эта задача устроена в сервисе, подробно описано на странице аналитики отзывов.