Аналитик в e-commerce: особенности
Что такое e-commerce и его специфика
E-commerce в широком смысле — это любой онлайн-магазин, от маленького DTC-бренда до огромных маркетплейсов. Для аналитика отличия между этими масштабами огромны: в маленьком бизнесе вы часто единственный, кто смотрит на цифры, в большом — один из сотни аналитиков, которые специализируются на узких частях воронки.
Российская e-commerce сцена последние годы сильно выросла. Wildberries и Ozon стали гигантами, появились специализированные игроки вроде Lamoda, Детского мира, Leroy Merlin, СберМегаМаркета, квик-коммерс вроде Самоката и Яндекс.Лавки. В каждом сегменте своя специфика, но базовые метрики схожи.
Ключевые метрики
GMV (Gross Merchandise Value) — общий объём транзакций через платформу. Это metric №1 для маркетплейсов и больших e-commerce. AOV (Average Order Value) — средний чек, одна из самых обсуждаемых метрик, потому что она легко манипулируется акциями.
Conversion Rate — доля посетителей, совершивших покупку. На уровне всего сайта в e-commerce средний CR — 2–4%, на уровне карточки товара — 10–20%. Retention смотрят по первой покупке: сколько из купивших единожды вернутся через месяц / три / год.
Отдельно есть metrics для корзины и checkout: cart abandonment rate (какая доля added-to-cart не доходит до оплаты), payment success rate, refund rate. Эти metrics часто оказываются bottleneck-ом, который съедает выручку.
Для операционки критичны delivery time и доля своевременных доставок. Пользователь, получивший заказ с опозданием на день, становится заметно менее loyal.
Типичные задачи
Анализ воронки покупки — постоянная работа. «Почему конверсия на карточке товара упала?», «Что происходит на странице checkout?», «Почему корзина не доходит до оплаты?» — эти вопросы формируют половину задач аналитика.
Работа с сегментами: новые vs возвращающиеся, iOS vs Android, Москва vs регионы, активные vs спящие. Каждая комбинация даёт разный behavior, и задача — найти, где самый большой impact на business от изменений.
Анализ категорий — какие растут, какие падают. Электроника отвалилась после ухода брендов, а еда выросла после локдаунов — это реальные истории российской e-commerce.
Промо-кампании и лояльность — A/B-тесты на промокоды, cashback, реферальные программы. Важно понимать: большинство промо каннибализирует существующую выручку, а не приносит новую.
Тренироваться на таких вопросах можно в Telegram-боте Карьерник — там 1500+ задач с реальных собесов с разборами.
Стек
В e-commerce аналитика обычно работает в ClickHouse или Snowflake — это стандарт для больших объёмов. Для транзакций — PostgreSQL или MySQL, как primary source. Аналитики читают через read-replica или после ETL в DWH.
BI — разнообразный: Tableau или DataLens для стандартных дашбордов, специализированные инструменты вроде Amplitude для продуктовой аналитики, Google Analytics или Yandex Metrika для web-трафика.
Python с pandas используют для ad-hoc анализов и ML-задач (recommendations, churn prediction). Для автоматизации и отчётов — Airflow или cron jobs.
Зарплаты
Крупный e-commerce в России платит сопоставимо с топ-IT. Junior обычно 100–150k, middle 180–300k, senior 300–500k. Wildberries, Ozon, Яндекс.Маркет — на верхней границе рынка. Маленькие или средние игроки платят меньше на 20–40%.
Для сравнения: senior в региональном DTC-бренде может получать 200–250k, а в WB — 400k+, при том что делает похожую работу. Масштаб компании сильно влияет.
Плюсы работы
E-commerce аналитика даёт быстрый feedback. Вы что-то меняете в карточке товара, и через сутки видите эффект на конверсии. Это мотивирует и обучает быстро.
Масштаб операций в крупных компаниях впечатляет. Работать с данными миллионов ежедневных пользователей — опыт, который сложно получить в других индустриях.
Продуктовая культура чаще всего высокая. A/B-тесты, sample size calculations, статистика — обычные инструменты ежедневной работы.
Минусы
Сезонность — благословение и проклятие. Q4 и ЧП — пики, когда все работают на пределе. Январь-февраль — спад, когда нужно находить смысл в замедлившихся метриках.
Большая команда может означать узкую специализацию. Если вы работаете только над карточкой товара, через два года хочется сменить область — и это требует переговоров с руководством.
Конкуренция внутри индустрии высокая. Чтобы получить оффер в Wildberries или Ozon, придётся пройти несколько технических этапов и продуктовых кейсов.
К слову, набить руку на таких кейсах удобно через тренажёр в Telegram — разбирайте по 10 вопросов в день, через 2 недели тема становится рефлексом.
Что учить
Стандартный стек аналитика плюс e-commerce-специфика: воронки, когорты, LTV, RFM-анализ. Знание ClickHouse — сильный плюс, особенно для крупных маркетплейсов. Продуктовое мышление и опыт с экспериментами — ожидание уже на middle-уровне.
Читайте также
FAQ
E-commerce или маркетплейс?
Маркетплейс — частный случай e-commerce с трёхсторонним рынком. E-commerce шире, включает DTC и классические магазины.
Какие метрики критичные?
GMV, AOV, Conversion Rate, Retention D30, Cart abandonment. Это база для любого e-commerce.
Удалёнка возможна?
В крупных компаниях (Ozon, Wildberries) — частичная. В стартапах — полная.
Сколько длится собеседование?
Обычно 4–6 этапов за 3–5 недель. HR, техника, кейс, hiring manager.