Кратко: Бренд женской одежды продаёт на Wildberries и Ozon - около 280 SKU. Бухгалтер раз в неделю скачивал отчёты с обеих площадок и считал чистую маржу в Excel. Возвраты, хранение и логистика «съедали» цифры, убыточные позиции замечали поздно. Мы построили дашборд: API маркетплейсов + себестоимость из таблицы. По оценке команды клиента, −6 часов в неделю на ручных отчётах по SKU.
Ключевые цифры
- −6 ч/нед - экономия на ручных отчётах по марже и остаткам
- ~280 SKU - в одном дашборде вместо двух Excel-файлов
- 2 → 1 - WB и Ozon на одном экране
- Ежедневно - маржа по SKU обновляется автоматически
Кто клиент и как устроены продажи
Собственный бренд женской одежды: платья, блузы, верхняя одежда. Продают на Wildberries и Ozon, собственного сайта нет. Команда - владелец, менеджер по маркетплейсам, бухгалтер на аутсорсе.
Ключевые вопросы, которые задают каждую неделю:
- какая чистая маржа по каждому SKU с учётом комиссии, логистики, хранения и возвратов;
- какие позиции убыточны после всех удержаний;
- где зависли остатки - много на складе маркетплейса, мало продаж;
- как сравнить WB и Ozon по одной и той же модели.
Себестоимость хранится в Google-таблице: закупочная цена, упаковка, маркировка. Обновляется при новой партии.
Что было: Excel раз в неделю
Типичная неделя бухгалтера и менеджера до дашборда:
- Скачать финансовый отчёт с WB за прошлую неделю.
- Скачать аналогичный отчёт с Ozon - другой формат, другие колонки.
- Подтянуть себестоимость из таблицы по артикулам.
- Посчитать для каждого SKU: выручка − комиссия − логистика − хранение − возвраты − себестоимость = маржа.
- Выделить красным убыточные позиции, отправить файл владельцу.
На сводку уходило ~6 часов в неделю: 3-4 часа бухгалтер, 1-2 часа менеджер сверяет с остатками и возвратами.
Параллельно были другие потери:
- Маржа видна с задержкой 5-7 дней - отчёты маркетплейсов закрываются не сразу.
- Разная логика WB и Ozon - легко ошибиться в формуле.
- Возвраты «прилетают» задним числом - маржа за прошлую неделю менялась уже после «финального» отчёта.
- Остатки смотрели отдельно - в личном кабинете площадки, не рядом с маржой.
Что стало: маржа по SKU на одном экране
Дашборд тянет данные из API Wildberries и Ozon, подмешивает себестоимость из таблицы, считает маржу по единой формуле.
Сводка по площадкам
KPI за период: выручка, чистая маржа, % возвратов, средняя комиссия, расходы на логистику и хранение. Сравнение WB vs Ozon.
Две площадки на одном экране: выручка, маржа, комиссии и логистика.
Таблица SKU
Каждая строка - артикул: продажи, возвраты, выручка, все удержания, себестоимость, чистая маржа и маржа %. Сортировка: от самых убыточных к самым прибыльным. Фильтр по площадке, категории, сезону.
Единая формула маржи: сортировка от убыточных SKU к прибыльным.
Drill-down до заказов
Клик по SKU с отрицательной маржой - список заказов, которые «утянули» позицию в минус: возвраты, дорогая логистика на дальний регион, ошибка в себестоимости.
Drill-down до заказов: возвраты, логистика и ошибки себестоимости.
Остатки и оборачиваемость
Рядом с маржой - остаток на складе маркетплейса, дней продаж (оборачиваемость). Видно: маржа хорошая, но 400 штук лежит 90 дней - пора в акцию.
Алерт на убыточные SKU
Telegram-уведомление, если SKU три дня подряд в минусе после всех удержаний. Менеджер успевает скорректировать цену или убрать с полки.
Результаты в цифрах
| Показатель | До | После |
|---|---|---|
| Отчёты по SKU (команда) | ~6 ч/нед вручную | Автоматически |
| Задержка данных по марже | 5-7 дней | 1-2 дня (лимит API площадок) |
| Убыточные SKU | Замечали раз в неделю | Алерт в тот же день |
| Сравнение WB и Ozon | Два файла | 1 экран |
| Ошибки в расчёте | 3-5 SKU в месяц | Единая формула, 0 расхождений |
За первый квартал после запуска клиент вывел из продажи 12 убыточных SKU и пересмотрел цены на 8 позиций - по оценке владельца, маржа по сети выросла на 2,1 п.п.
Как внедряли
- Разбор формул - 3-4 дня. Как считают маржу на WB и Ozon, что включают, откуда себестоимость.
- API + таблица себестоимости - 1,5 недели. Подключение API обеих площадок, синхронизация артикулов, загрузка закупочных цен.
- Сверка с Excel - 1 неделя. Прогнали 4 недели истории, поправили маппинг артикулов и учёт возвратов.
Суммарно - около 3 недель до рабочей версии.
Что говорит клиент
«Каждый понедельник ждал файл от бухгалтера: WB отдельно, Ozon отдельно, половина формул каждый раз ломалась. Убыточные позиции находили через месяц, когда уже отгрузили новую партию. Сейчас открываю дашборд - все SKU, маржа, остатки. Красным горят минусовые, Telegram пишет если три дня в минусе. За квартал убрали двенадцать позиций, которые кормили маркетплейс, а не нас.»
— Владелец, бренд одежды на WB и Ozon
Как устроено технически
Источники данных
- Wildberries API - финансовые отчёты, продажи, возвраты, логистика, хранение.
- Ozon Seller API - аналогичные транзакции.
- Google Sheets - себестоимость по артикулам (закупка + упаковка).
Сервис нормализует артикулы: один SKU может иметь разные коды на WB и Ozon - маппинг в справочнике.
Расчёт маржи
Единая формула для обеих площадок:
маржа = выручка − комиссия − логистика − хранение − возвраты − себестоимость × кол-во
Данные агрегируются по SKU и периоду. Возвраты учитываются в дату возврата, не продажи.
Обновление
Ежедневная выгрузка ночью. Лимиты API площадок - финальные цифры за «вчера» могут уточняться 1-2 дня (пересчёт возвратов).
Алерты
Правило: SKU с отрицательной маржой 3 дня подряд → Telegram менеджеру и владельцу.
Подходит ли вам такое решение
Этот кейс актуален, если:
- продаёте на WB, Ozon или обеих площадках;
- маржу считаете в Excel раз в неделю;
- не видите убыточные SKU до конца месяца;
- WB и Ozon сравниваете вручную в разных файлах;
- нужен единый экран: маржа + остатки + возвраты.
Хотите такой дашборд по вашим SKU? Оставьте заявку - разберём задачу за 30-60 минут.