Процент выкупа на Wildberries: от чего зависит и как поднять

Что такое процент выкупа и почему он важен продавцу

WildberriesOzonЯндекс Маркет

Процент выкупа — доля заказанных единиц, которые покупатель действительно забрал и оплатил. Остальное возвращается продавцу, но уже пройдя логистику в обе стороны.

Именно поэтому невыкуп дороже, чем кажется. Товар съездил на склад и обратно, занял место, потерял товарный вид, а расходы на его перемещение продавец несёт независимо от того, состоялась продажа или нет. Низкий выкуп бьёт по юнит-экономике даже при растущих заказах.

Вопрос «как повысить процент выкупа» продавцы задают чаще всего в отрыве от причин. Повысить процент выкупа на вб или любой другой площадке нельзя одной настройкой — сначала нужно понять, на каком этапе и почему покупатели отказываются.

Почему покупатели не выкупают заказ

Здесь работает распространённое заблуждение: считается, что невыкуп — это про брак. Данные говорят обратное.

В магазинах, подключённых к UNIT, за май–август 2026 года зафиксировано 33 014 возвратов. Причины распределились так:

Где искать причину падения выкупа

Причина «товар не подошёл» в отчёте площадки ничего не объясняет: непонятно, что именно не подошло — размер, цвет, мощность, комплектация. Расшифровка лежит в трёх местах, и все три — это обращения покупателей.

1. Вопросы до покупки. Если по товару постоянно спрашивают про совместимость или комплектацию, значит этого нет в описании — и часть покупателей закажет наугад, а потом откажется.
2. Отзывы после покупки. Формулировки вроде «ожидал большего», «не такой, как на фото», «пришло без адаптера» прямо указывают на разрыв между обещанием и товаром.
3. Комментарии к возвратам. Покупатель нередко объясняет причину своими словами — это самый прямой источник.

Проблема в том, что все три канала лежат в разных разделах кабинета, а связаны они одним товаром. Вручную собрать эту картину по сотне SKU невозможно.

Как найти причину отказа в обращениях

UNIT собирает отзывы, вопросы, чаты и возвраты со всех подключённых магазинов и связывает каждое обращение с конкретной карточкой товара. Дальше поток превращается в аналитику, где видно не только сколько возвратов, но и что за ними стоит.

Топ по возвратам с разбивкой по этапам

По каждому товару видно количество возвратов, сумму в деньгах и распределение по этапам пути покупателя: на доставке, в пункте выдачи и после выкупа. Это разные проблемы и разные решения.

• Много отказов на доставке и в ПВЗ — покупатель передумал до того, как взял товар в руки. Причина в карточке: цена, срок, ожидания.
• Много возвратов после выкупа — товар не оправдал ожиданий или оказался бракованным. Причина в товаре или в его описании.

Классы вопросов по товару

Вопросы покупателей разложены по 14 подклассам: совместимость и применимость, характеристики и свойства, использование и инструкции, комплектация и упаковка, сравнение вариантов, наличие и запчасти, подлинность и сертификация, применимость к человеку или животному и другие.

Глубокий отчёт по одному товару

Для товара, который создаёт много обращений, запускается детальный ИИ-отчёт. В него берутся продажи, возвраты, чаты, вопросы и отзывы за период; для содержательного анализа отбираются до 1000 последних вопросов и отзывов. Результат сохраняется отдельным PDF.

Отчёт отвечает на вопросы, которых нет в отчётах площадки: кто покупает и для кого, в каких сценариях используют товар, что мешает в этих сценариях, какие недостатки повторяются, что из этого системная проблема, а что единичные случаи, и что конкретно стоит изменить в карточке и описании.

Запуск такого отчёта стоит 100 токенов, поэтому его имеет смысл делать по товарам с заметным объёмом обращений — там, где выводы будут опираться на достаточную выборку.

Что делать с результатом

• Убрать из карточки обещания, которые товар не выполняет буквально. Формулировки в превосходной степени чаще всего и создают разрыв ожиданий.
• Дописать то, о чём чаще всего спрашивают: комплектация, совместимость, требования к сопутствующему оборудованию.
• Указать ограничения прямо. Покупатель, который заранее понял ограничение, не оформит отказ при вручении.
• Отвечать на вопросы до покупки быстро — неотвеченный вопрос под карточкой читают все следующие покупатели.
• Отслеживать, изменилось ли распределение возвратов по этапам после правок в карточке.

Работа идёт по кругу: обращения показывают проблему, правки в карточке снимают часть отказов, следующая волна обращений показывает, что осталось.

На какую часть отказов продавец не влияет

Процент выкупа принято улучшать целиком, как одну цифру. На деле причины отказа делятся на те, которыми продавец управляет, и те, которыми не управляет вообще.

Причины отказа на Ozon, 43 445 записей в магазинах, подключённых к UNIT.

Почему это важно считать раздельно

Если в вашей структуре отказов преобладают «не забрал» и «передумал», работа над карточкой процент выкупа почти не сдвинет. И наоборот: там, где лидирует отказ при вручении, замеры и фотографии дают эффект быстрее любых других мер.

Как площадки передают причины

Возвраты по площадкам в магазинах, подключённых к UNIT.

Сводить причины по трём площадкам в один график нельзя: Wildberries причину чаще не передаёт, Яндекс Маркет передаёт кодами. Корректно сравнивать только доли внутри каждой площадки отдельно.

Сколько стоит аналитика причин отказа

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.