15 апреля 2026 г.

Аналитик в маркетплейсе: особенности

Специфика маркетплейса

  • Трёхсторонний рынок: покупатели, продавцы, платформа.
  • Огромные объёмы: миллионы заказов, миллиарды событий.
  • Много command: product, ads, logistics, pricing, fraud.
  • Сезонность: пики (ЧП, распродажи) и спады.
  • SKU миллионы: сложные категории и поиск.

Ключевые команды

Search & Recommendations

Как пользователи находят товары. Поиск, ranking, personalized recommendations.

Pricing

Dynamic pricing, скидки, промо.

Ads

Monetization платформы через рекламу продавцов.

Seller Experience

Инструменты продавцов, analytics для них.

Logistics

Доставка, склады, сроки.

Fraud / Trust & Safety

Антифрод, returns, disputes.

Product Discovery

Карточки товаров, reviews.

Метрики

Customer-side

  • DAU, MAU, stickiness.
  • Conversion visit → purchase.
  • AOV, GMV.
  • Retention D30, D90.
  • NPS.

Seller-side

  • Active sellers.
  • GMV per seller.
  • Seller retention.
  • Time to first sale.

Marketplace health

  • Categories health.
  • SKU coverage.
  • Availability.
  • Returns rate.

Operational

  • Delivery time.
  • Cancellation rate.
  • Support tickets.

Стек

  • SQL: ClickHouse для events, PostgreSQL для transactions.
  • Python: pandas, ML для recommendations / search.
  • BI: Tableau / DataLens.
  • ETL: Airflow.
  • Experimentation: собственная платформа A/B.

Если хочется сразу закрепить тему на практике — открой тренажёр в Telegram. 10 минут в день — и синтаксис в пальцах.

Типичные задачи

  • «Почему упал GMV на Android?»
  • «Оценить эффект нового search ranking».
  • «Какие категории росли Q4?»
  • «Когортный анализ retention покупателей по каналам».
  • «Seller health dashboard».

Вызовы

1. Масштаб

Миллиарды событий. Pandas на laptop не справится. ClickHouse, Spark — обязательны.

2. Seasonality

Q4 / ЧП искажают метрики. Надо уметь нормализовать.

3. Multi-team coordination

Аналитик часто работает сразу с 5-10 командами.

4. Complex data

Trees категорий, multi-attribute products.

Компании в РФ

  • Wildberries — крупнейший. Многосоставная аналитика.
  • Ozon — технологичный, сильная команда.
  • Яндекс.Маркет — премиальный, часть экосистемы Яндекса.
  • Мегамаркет (Сбер).
  • AliExpress Россия — кроссбордер.
  • Авито — маркетплейс C2C.

Зарплаты (2026)

  • Junior: 100–150k.
  • Middle: 180–300k.
  • Senior: 320–500k.
  • Lead: 500k+.

Высокие из-за scale и competition.

Плюсы

  • Масштаб, который не найдёшь в других местах.
  • Разнообразие задач.
  • Продвинутые эксперименты (CUPED, sequential).
  • Хорошие зарплаты.

Чтобы не только читать теорию, но и решать реальные задачи — загляните в бот Карьерника. Там по каждой теме подборка вопросов с разборами.

Минусы

  • Data chaos (множество источников).
  • Быстрое изменение приоритетов.
  • Сезонные проекты (подготовка к ЧП).
  • High expectations на senior roles.

Как готовиться

Для собеса

  • SQL глубоко (оконные, CTE, когорты).
  • Product mindset (metrics, funnels).
  • E-commerce specifics (AOV, GMV, cart abandonment).
  • A/B-тесты expert level.

Навыки

  • ClickHouse — часто основная СУБД.
  • Python для ML-adjacent задач.
  • Experimentation frameworks.

Читайте также

FAQ

Какой маркетплейс лучше для аналитика?

Все top-3 хороши. Wildberries — масштаб. Ozon — технологичность. Яндекс.Маркет — экосистема.

Удалёнка?

Частично да, но офисы обычно есть.

Рост быстрый?

Быстрее чем в банках. Senior за 3-5 лет реально.

Нужен ли retail опыт?

Помогает, но не обязательно. Product mindset важнее.

Тренироваться в Telegram