Как находить товары, которые съедают прибыль на WB/Ozon

Коротко

Товары, которые съедают прибыль на WB/Ozon, чаще всего прячутся в четырех местах:

1. Высокая комиссия и логистика относительно цены.
2. Реклама, которая дает заказы, но не дает маржу.
3. Возвраты, отмены и невыкупы, которые ломают экономику.
4. Акции и скидки, после которых товар продается “в минус красиво”.

Минимальный рабочий контроль: раз в неделю считать прибыльность по SKU: выручка, себестоимость, комиссия, логистика, хранение, реклама, возвраты, скидки, налоги/эквайринг, итоговая маржа.

Если данных много, это не надо собирать руками. Отчеты WB/Ozon, рекламные кабинеты, CRM/таблицы и Telegram-уведомления можно связать в автоматический дашборд. Но решения по ценам, отключению рекламы и снятию товара лучше оставлять человеку: AI может подсветить проблему, посчитать сценарии и подготовить рекомендации, но не должен сам без контроля менять коммерческие настройки.

Почему оборот обманывает

Оборот — это не прибыль. На маркетплейсах это особенно заметно, потому что между заказом и деньгами на счете стоит длинная цепочка списаний.

Простой пример.

Товар продается за 1 490 ₽. Закупка — 650 ₽. На первый взгляд остается 840 ₽. Кажется, можно жить.

Но потом добавляются:

• комиссия маркетплейса;
• логистика до покупателя и обратно;
• хранение;
• участие в акции;
• рекламные расходы;
• возвраты;
• упаковка и маркировка;
• налоги;
• внутренняя обработка: менеджер, таблицы, контроль остатков.

После этого может оказаться, что реальная прибыль с выкупленной единицы — 80 ₽, а при возврате товар уходит в минус.

Проблема усиливается, если селлер смотрит на средние показатели по магазину. Средняя маржа может быть нормальной, но внутри есть SKU, которые зарабатывают, и SKU, которые забирают прибыль. Нужен анализ не “магазин в целом”, а “товар × период × канал расходов”.

Какие товары обычно съедают прибыль

Товары с низкой ценой и тяжелой логистикой

Если товар дешевый, объемный или тяжелый, логистика быстро съедает маржу. Особенно если цена находится в диапазоне, где покупатель чувствителен к каждому повышению, а расходы уже почти фиксированные.

Например, товар за 390 ₽ может выглядеть массовым, но комиссия, доставка, упаковка и возвраты оставляют слишком мало места для прибыли. В такой категории важно считать не только процент маржи, но и рубли на единицу. 12% маржи от дешевого товара иногда не покрывают операционную суету.

Товары, которые продаются только через рекламу

Реклама не плохая сама по себе. Плохая ситуация — когда без рекламы SKU почти не продается, а с рекламой продается в минус.

Типичный симптом: в кабинете рекламы есть заказы, CTR нормальный, ДРР вроде приемлемый “по ощущениям”, но в P&L по товару прибыли нет. Причина — ДРР считают от выручки, а решение нужно принимать от маржи.

Если маржа до рекламы 25%, а реклама забирает 18% от выручки, то на комиссии, логистику и возвраты места почти не остается.

Товары с высоким возвратом или невыкупом

Возвраты ломают экономику сильнее, чем кажется. Это не просто “заказ не состоялся”. Часто остаются логистика, обработка, потеря товарного вида, заморозка денег и повторная продажа с дисконтом.

Для одежды, обуви, аксессуаров, товаров с размерной сеткой и визуальными ожиданиями возвраты надо считать отдельно. SKU может иметь хороший спрос, но если каждый третий заказ возвращается, прибыльность нужно проверять жестко.

Товары в акциях без контроля нижней цены

Маркетплейсы любят акции. Покупатели тоже. Но акция должна быть инструментом, а не автопилотом.

Опасный сценарий: товар участвует в скидке, потом на него накладывается промо, потом добавляется реклама, а в таблице себестоимости цена обновлялась месяц назад. В итоге карточка показывает продажи, но каждая продажа идет слишком близко к себестоимости или ниже.

Для каждого SKU нужна минимальная допустимая цена. Ниже нее товар может продаваться только осознанно: например, чтобы распродать остатки, освободить склад или протестировать спрос.

Рабочая формула unit-экономики

Не надо начинать с огромной BI-системы. Для первого контроля достаточно таблицы или простого дашборда.

Базовая формула:

```text Прибыль на SKU = выручка по выкупленным заказам

• себестоимость товара
• комиссия маркетплейса
• логистика
• хранение
• реклама
• скидки и промо
• возвраты и потери
• упаковка/маркировка
• налоги и прочие расходы

```

Дальше считаем:

``text Маржа, ₽ = прибыль / количество выкупленных единиц Маржа, % = прибыль / выручка × 100 ДРР от маржи = рекламные расходы / валовая маржа до рекламы × 100 ``

Последний показатель особенно полезен. ДРР от выручки может выглядеть спокойно, а ДРР от маржи покажет, что реклама забирает почти всю прибыль.

Какие данные нужны с WB/Ozon

Для нормального анализа по товарам нужны не “все данные вообще”, а несколько понятных блоков.

1. Продажи и выкупы

Нужно видеть заказы, продажи, отмены, возвраты и фактические выкупы. Лучше считать не только количество, но и сумму после скидок.

Минимум:

• SKU / артикул продавца;
• дата заказа и продажи;
• цена продажи;
• количество;
• статус: заказан, выкуплен, отменен, возвращен;
• склад или схема поставки, если влияет на логистику.

2. Комиссии и логистика

Маркетплейсы дают финансовые отчеты, но их неудобно читать руками. Зато в автоматическом отчете эти строки можно разложить по SKU.

Важно отделять:

• комиссию площадки;
• логистику к покупателю;
• обратную логистику;
• хранение;
• платную приемку;
• штрафы и удержания;
• прочие услуги площадки.

Если смешать все в одну строку “расходы маркетплейса”, потом невозможно понять, что именно убивает товар.

3. Реклама

Рекламные расходы надо связывать с SKU, а не смотреть только на кампанию. Иначе один товар в кампании может быть прибыльным, а другой — сжигать бюджет.

Минимум по рекламе:

• кампания;
• SKU / nmID / offer ID;
• показы;
• клики;
• CTR;
• CPC;
• расходы;
• заказы;
• выручка;
• ДРР;
• прибыль после рекламы.

Если рекламная система не дает идеальной связки, можно начать с приближенной атрибуции: товар в кампании, расходы кампании, заказы по периоду. Это не идеально, но лучше, чем вообще не учитывать рекламу в товарной экономике.

4. Себестоимость

Себестоимость часто живет не в WB/Ozon, а в таблице, 1С, МойСклад, CRM или голове владельца. Это слабое место.

Для анализа нужна хотя бы актуальная себестоимость по артикулу:

• закупочная цена;
• доставка до склада;
• упаковка;
• маркировка;
• брак/потери, если они значимы;
• курс валюты, если товар импортный.

Если себестоимость не обновляется, вся аналитика становится красивой, но опасной.

Workflow: как искать убыточные товары раз в неделю

Шаг 1. Соберите список всех активных SKU

Начинайте не с продаж, а с ассортимента. В выгрузке должны быть активные товары, остатки, цены, скидки и себестоимость.

Цель — видеть не только то, что продавалось, но и то, что лежит без движения. Мертвые остатки тоже съедают прибыль: через хранение, замороженные деньги и будущие скидки.

Шаг 2. Посчитайте прибыльность за период

Обычно удобно смотреть 7, 14 и 30 дней.

7 дней показывают свежие проблемы: реклама разогналась, акция включилась, цена изменилась.

30 дней сглаживают случайности и показывают реальную картину по SKU.

Для каждого товара считайте:

• выручку;
• выкупленные единицы;
• валовую маржу до расходов маркетплейса;
• комиссии;
• логистику;
• рекламу;
• возвраты;
• итоговую прибыль;
• прибыль на единицу;
• маржу в процентах.

Шаг 3. Разбейте товары на группы

Не все плохие товары одинаково плохие. Их полезно разложить по причинам.

Например:

• “продается, но прибыль низкая”;
• “много рекламы, мало маржи”;
• “много возвратов”;
• “лежит на складе, не продается”;
• “цена ниже безопасной”;
• “комиссия/логистика слишком высокие для текущей цены”.

Такой разбор сразу превращает отчет в действия. Не просто “SKU плохой”, а “здесь надо поднять цену”, “здесь выключить кампанию”, “здесь проверить карточку и отзывы”, “здесь распродать остаток”.

Шаг 4. Проверьте топ потерь, а не топ продаж

Владелец часто открывает топ продаж. Для прибыли полезнее другой отчет: топ SKU по отрицательному вкладу.

То есть какие товары за период забрали больше всего денег.

Иногда это не самый убыточный процентно товар, а товар с большим объемом продаж и маленьким минусом на единицу. Минус 25 ₽ на 1000 единиц хуже, чем минус 300 ₽ на 10 единиц.

Шаг 5. Примите действие и поставьте дату проверки

По каждому проблемному SKU должно быть решение:

• поднять цену;
• снизить ставку рекламы;
• отключить кампанию;
• вывести из акции;
• поменять упаковку;
• обновить карточку;
• проверить отзывы и причины возвратов;
• перенести остатки;
• распродать товар;
• остановить закупку.

И обязательно дата повторной проверки. Иначе отчет превращается в “интересную аналитику”, которая не влияет на бизнес.

Пример: товар продается, но деньги исчезают

Допустим, на Ozon товар продается за 1 990 ₽. Себестоимость с доставкой до склада — 900 ₽.

За 30 дней:

• продано 120 единиц;
• выручка — 238 800 ₽;
• валовая маржа до расходов — 130 800 ₽;
• комиссия — 35 820 ₽;
• логистика — 28 000 ₽;
• реклама — 42 000 ₽;
• возвраты и потери — 18 000 ₽;
• упаковка и прочие расходы — 7 200 ₽.

На обороте 238 800 ₽ товар выглядит живым. Но после расходов остается:

``text 130 800 - 35 820 - 28 000 - 42 000 - 18 000 - 7 200 = -220 ₽ ``

Формально товар “продается”. Фактически месяц работы дал около нуля, а с учетом времени менеджера и замороженных денег — минус.

Что можно сделать:

• проверить, какие рекламные кампании дают заказы и по какой цене;
• поднять цену на 5–10% и посмотреть, падает ли конверсия;
• убрать товар из акции, если скидка не обязательна;
• проверить причины возвратов;
• сравнить логистику по складам;
• остановить закупку до пересчета экономики.

Это обычная история. Проблема не в том, что товар плохой. Проблема в том, что без регулярной unit-экономики это видно слишком поздно.

Где AI и автоматизация реально помогают

AI здесь нужен не для магии. Он полезен как слой между сырыми отчетами и решением владельца.

Что можно автоматизировать:

• забирать отчеты WB/Ozon по расписанию;
• подтягивать рекламную статистику;
• обновлять цены, остатки и себестоимость;
• сводить данные по SKU;
• считать маржу и отклонения;
• находить товары с ухудшением за неделю;
• присылать короткий отчет в Telegram;
• объяснять причину проблемы простым языком;
• готовить список действий для менеджера.

Например, утром в понедельник владелец получает сообщение:

```text За 7 дней найдено 8 SKU с риском по прибыли.

1. Артикул A-104

Продажи: 86 шт. Прибыль после рекламы: -12 400 ₽ Причина: реклама забрала 74% валовой маржи, возвраты выросли до 18%. Что проверить: кампанию 23145, ставку, поисковые запросы, отзывы за неделю.

1. Артикул B-221

Остаток: 340 шт. Продажи за 30 дней: 4 шт. Причина: мертвый остаток, хранение растет. Что проверить: цена, акция на распродажу, перенос бюджета. ```

Такой отчет экономит время, потому что не заставляет человека открывать пять кабинетов и десять вкладок. Но решение остается за человеком.

ROI: где появляется экономия времени и денег

Самая быстрая окупаемость обычно не в “AI предсказал рынок”, а в трех простых вещах.

Меньше ручной сверки

Если менеджер каждую неделю собирает отчеты из WB, Ozon, рекламы и таблицы себестоимости, это легко занимает 3–6 часов. И часто все равно остается риск ошибки: не тот период, старая себестоимость, забытая кампания, перепутанный артикул.

Автоматический сбор снимает рутину. Человек смотрит уже на отклонения и решения.

Быстрее находятся минусовые SKU

Если товар уходит в минус 2–3 недели подряд, это уже деньги. Чем раньше система подсветит проблему, тем меньше потерь.

Особенно это важно в рекламе. Кампания может сжечь бюджет за несколько дней, если ставки выросли, конверсия упала или товар попал в невыгодную акцию.

Решения становятся проверяемыми

Без логов трудно понять, что сработало. Подняли цену, отключили рекламу, поменяли карточку — а потом все забыли, когда именно это было.

Нормальный процесс фиксирует действие и дату. Через неделю можно посмотреть: маржа улучшилась или просто упали продажи.

Риски: что нельзя отдавать на автопилот

Автоматизация в маркетплейсах должна быть аккуратной. Ошибка в цене, ставке рекламы или остатках может стоить дорого.

Не меняйте цены без подтверждения

AI может предложить новую цену и показать расчет. Но автоприменение цены без лимитов опасно.

Минимальные правила:

• есть нижняя граница цены по SKU;
• есть максимальный процент изменения за раз;
• все изменения логируются;
• дорогие или спорные изменения идут на подтверждение;
• можно быстро откатить настройку.

Не отключайте рекламу только по одному дню

Один плохой день не всегда значит, что кампания плохая. Мог быть сбой, праздник, изменение выдачи, поставка конкурента, внешний фактор.

Лучше использовать правила:

• смотреть период 7–14 дней;
• учитывать минимальный объем кликов;
• сравнивать с маржей;
• отделять тестовые кампании от стабильных;
• не принимать решение без достаточных данных.

Не смешивайте товары в одну “среднюю прибыль”

Средние цифры успокаивают. Но бизнес теряет деньги на конкретных SKU.

Если отчет показывает только “магазин заработал 12%”, он не отвечает на главный вопрос: что именно зарабатывает, а что тянет вниз.

Следите за правами доступа

Интеграции с WB/Ozon, CRM и рекламой должны работать по минимально нужным правам. Если системе нужно только читать отчеты, ей не нужны права на изменение цен или создание поставок.

Хорошая практика:

• отдельные API-ключи;
• минимальные разрешения;
• хранение ключей на стороне клиента или в защищенном контуре;
• журнал действий;
• уведомления о критичных изменениях;
• ручное подтверждение для коммерческих действий.

Как внедрить контроль без большой разработки

Если процесса нет вообще, не надо сразу строить сложную систему. Начните с MVP.

Уровень 1. Таблица

Подходит, если SKU мало и один маркетплейс.

Что сделать:

• выгрузить продажи за 30 дней;
• добавить себестоимость;
• добавить комиссию, логистику, рекламу;
• посчитать прибыль по SKU;
• отсортировать по минимальной прибыли и максимальному минусу.

Минус: таблицу надо обновлять руками, легко ошибиться.

Уровень 2. Полуавтоматический отчет

Подходит, если уже есть менеджер, несколько категорий, WB/Ozon и реклама.

Что сделать:

• отчеты складываются в одну папку или Google Sheets;
• скрипт приводит их к одному формату;
• дашборд считает маржу;
• Telegram присылает список проблем.

Минус: часть действий еще ручная, но уже появляется регулярность.

Уровень 3. AI-агент с интеграциями

Подходит, если ассортимент растет, есть несколько источников данных и нужен контроль каждую неделю или каждый день.

Что делает агент:

• подключается к WB/Ozon API;
• забирает продажи, остатки, цены, финансы, рекламу;
• связывает данные с себестоимостью;
• считает unit-экономику;
• находит аномалии;
• объясняет причину;
• готовит рекомендации;
• отправляет отчет владельцу или менеджеру;
• ждет подтверждения перед рискованными действиями.

Такой агент не “заменяет коммерческого директора”. Он убирает ручной сбор и помогает быстрее увидеть проблему.

Практический чек-лист для селлера

Проверьте по каждому SKU за последние 30 дней:

• Есть ли актуальная себестоимость?
• Считается ли комиссия маркетплейса?
• Учтена ли логистика туда и обратно?
• Учтено ли хранение?
• Учтена ли реклама именно по этому товару или хотя бы по кампании?
• Есть ли возвраты, отмены, невыкупы?
• Сколько рублей прибыли остается на одну выкупленную единицу?
• Какая минимальная безопасная цена?
• Участвует ли товар в акции ниже этой цены?
• Есть ли остаток, который не продается больше 30–60 дней?
• Есть ли действие по проблемному SKU и дата повторной проверки?

Если на половину вопросов нет ответа, проблема не в “плохом маркетплейсе”. Проблема в том, что бизнес управляет ассортиментом без нормального контура данных.

Как может выглядеть отчет для владельца

Хороший отчет не должен быть полотном таблиц. Он должен помогать принять решение.

Пример структуры:

```text Отчет WB/Ozon: прибыльность SKU за 7 дней

Итог:

• Выручка: 1 840 000 ₽
• Расходы маркетплейсов: 612 000 ₽
• Реклама: 228 000 ₽
• Товары с отрицательной прибылью: 14
• Потери по минусовым SKU: 96 000 ₽

Что требует внимания:

1. 5 SKU продаются в минус после рекламы.
2. 4 SKU имеют возвраты выше 20%.
3. 3 SKU продаются ниже минимальной цены.
4. 12 SKU лежат без продаж больше 45 дней.

Рекомендации:

• Проверить кампании по SKU A, B, C.
• Вывести SKU D из акции.
• Поднять цену SKU E на 7% и проверить через 10 дней.
• Остановить закупку SKU F до пересчета.

```

Такой формат удобнее, чем “вот ссылка на 12 отчетов”. Владелец видит, где деньги, где риск и что делать дальше.

Почему это лучше делать регулярно

Разовый аудит полезен, но маркетплейсы меняются быстро. Сегодня товар прибыльный, через две недели он может стать спорным из-за ставки рекламы, акции, логистики или возвратов.

Нормальная частота:

• ежедневно — критичные алерты: цена ниже минимума, резкий рост рекламы, нет остатков;
• еженедельно — прибыльность SKU и рекламные потери;
• ежемесячно — ассортимент, мертвые остатки, закупки, вывод товаров.

Главная ценность регулярности — не в красивых графиках. Она в том, что решение принимается до того, как проблема съела месяц прибыли.

Когда пора автоматизировать

Автоматизация нужна не всем с первого дня. Если у вас 10 SKU и один кабинет, можно начать с таблицы.

Но автоматизация уже оправдана, если:

• WB и Ozon ведутся параллельно;
• больше 50–100 активных SKU;
• реклама крутится постоянно;
• себестоимость часто меняется;
• есть менеджеры, но нет единой картины;
• отчеты собираются вручную дольше 2–3 часов в неделю;
• владелец узнает о проблемах в конце месяца;
• решения по ценам и рекламе не фиксируются.

В такой ситуации AI-агент или автоматический дашборд обычно окупается не “вау-эффектом”, а предотвращенными потерями и освобожденным временем.

FAQ

Как понять, что товар на WB или Ozon убыточный?

Нужно считать прибыль по SKU после всех основных расходов: себестоимости, комиссии, логистики, хранения, рекламы, возвратов, упаковки и налогов. Если товар дает оборот, но после этих расходов прибыль на единицу нулевая или отрицательная, он съедает прибыль.

Достаточно ли смотреть ДРР в рекламном кабинете?

Нет. ДРР от выручки не показывает реальную прибыль. Важно сравнивать рекламные расходы с маржей. Если товар имеет низкую маржу, даже “нормальный” ДРР может делать его убыточным.

Как часто нужно проверять unit-экономику?

Минимум раз в неделю по активным SKU и рекламным кампаниям. Раз в месяц стоит делать более широкий разбор: мертвые остатки, возвраты, закупки, акции, изменение себестоимости и цен.

Что делать с товаром, который продается в минус?

Сначала понять причину: реклама, цена, акция, логистика, возвраты или себестоимость. Потом выбрать действие: поднять цену, отключить или снизить рекламу, выйти из акции, доработать карточку, распродать остаток или остановить закупку.

Можно ли доверить AI изменение цен и рекламы?

Полностью без контроля — рискованно. AI может считать сценарии, находить отклонения и готовить рекомендации. Но изменение цен, отключение рекламы и участие в акциях лучше делать через подтверждение человека, с лимитами, логами и возможностью отката.

Что важнее: прибыль в процентах или прибыль в рублях?

Нужны оба показателя. Процент показывает качество экономики, рубли показывают реальный вклад. Дешевый товар с нормальным процентом может давать слишком мало рублей, а массовый товар с маленьким минусом на единицу может создать большой общий убыток.

С чего начать, если все данные сейчас в разных местах?

Начните с одной таблицы по топ-товарам за 30 дней: продажи, себестоимость, комиссия, логистика, реклама, возвраты, итоговая прибыль. После этого станет видно, какие данные нужно подтягивать автоматически и где сейчас самые дорогие слепые зоны.

Что делать дальше

Если вы продаете на WB/Ozon и не уверены, какие товары реально зарабатывают, начните с простого аудита: топ продаж, топ расходов на рекламу, топ возвратов и топ отрицательной прибыли по SKU.

Если хочешь понять, что автоматизировать у себя — напиши Дмитрию в Telegram @dmkosik или опиши процесс для диагностики Paramiko: где сейчас лежат данные, какие отчеты собираются руками, как принимаются решения по ценам, рекламе и остаткам.

Без давления: иногда достаточно аккуратной таблицы, иногда нужен дашборд, а иногда уже пора собирать AI-агента с интеграциями WB/Ozon, CRM, Telegram и отчетами для владельца.

QA-чеклист

• [x] Есть служебный блок: статус, slug, meta title, meta description, запросы, internal links, schema notes.
• [x] Есть H1 с темой статьи.
• [x] Блок “Коротко” стоит сразу после вступления.
• [x] Логика статьи идет по цепочке: problem → workflow → ROI/time saved → risks → implementation.
• [x] Есть практические примеры для WB/Ozon, рекламы, SKU, отчетов и Telegram.
• [x] Нет обещаний, что AI заменит людей.
• [x] Есть human-in-the-loop: подтверждение цен, рекламы, прав доступа и логирование.
• [x] Есть FAQ на 7 вопросов.
• [x] Финальный CTA ведет в Telegram @dmkosik и диагностику Paramiko без давления.
• [x] В тексте нет хайпа, канцелярита и пустых списков ради списков.
• [x] Читатель понимает, какие данные собрать, как посчитать прибыльность и что делать с проблемными товарами.