Аналитик маркетплейсов: когда нанимать и на каком обороте

Многие селлеры нанимают аналитика маркетплейсов слишком рано или слишком поздно. Слишком рано - платишь зарплату человеку, которому нечем заниматься всерьёз: данных мало, задач на глубокий анализ нет. Слишком поздно - теряешь деньги на слепых решениях, пока конкуренты уже работают с данными системно. Прямой ответ: аналитик маркетплейсов нужен, когда оборот достигает 3-5 млн рублей в месяц, а самому разбираться с данными уже некогда или непонятно.

Но оборот - не единственный триггер. Есть симптомы важнее цифры на счёте. Если ты принимаешь решения по ценообразованию, остаткам или рекламе «на глаз» - это признак. Если поставка уходит в заморозку или тебя регулярно обгоняют по позициям без понятной причины - это признак. Если ты уже нанял менеджера маркетплейсов, но он тонет в операционке и не успевает анализировать - это тоже признак.

Ниже - разбор: что делает аналитик, когда точно пора нанимать, как выбрать кандидата и как не ошибиться на старте.

Что делает аналитик маркетплейсов

Аналитик - это человек, который превращает сырые данные в решения. Его задача не «смотреть на цифры», а отвечать на вопросы, от которых зависят деньги:

• Какие SKU прибыльны, а какие едят маржу?
• Где упала позиция и почему?
• Сколько вложить в следующую поставку?
• Какая реклама работает, а какая сливает бюджет?
• Когда у конкурента акция - как реагировать?

На практике это означает: он строит дашборды по продажам, следит за оборачиваемостью, анализирует рекламные кампании, отслеживает позиции по ключам, считает юнит-экономику по каждому товару и даёт рекомендации по ценообразованию и остаткам.

Важно разграничить роли. Аналитик - не менеджер маркетплейсов (тот ведёт операционку: карточки, поставки, документы). Не контент-специалист (он пишет описания и делает фото). Аналитик работает с данными и отвечает за то, чтобы решения принимались не интуитивно, а на основе цифр.

Признаки, что пора нанимать аналитика

Оборот - ориентир, но не единственное мерило. Вот конкретные симптомы:

Принимаешь решения вслепую. Поднял цену - продажи упали, непонятно почему. Запустил рекламу - деньги уходят, результат неизвестен. Это симптом отсутствия системной аналитики.

Тратишь на анализ больше 5-8 часов в неделю сам. Если ты предприниматель, это дорогое использование времени. Посчитай: 8 часов умножить на твою эффективную ставку в час. Зачастую выгоднее нанять специалиста.

Больше 30-50 активных SKU. При таком объёме ручной анализ каждого товара физически невозможен - начинаются потери от несвоевременных решений.

Реклама работает непредсказуемо. Ты не понимаешь, какие кампании прибыльны, а какие убыточны. Бюджеты растут, а ROI непонятен.

Уже нанял менеджера МП, но он не справляется с аналитикой. Это нормально - операционка и аналитика редко хорошо уживаются в одном человеке.

Конкуренты регулярно обходят тебя в поиске без очевидных причин. Кто-то работает с данными системно, а ты нет.

На каком обороте нанимать: цифры и логика

Здесь важно считать, а не угадывать. Логика простая: аналитик должен окупать себя за счёт роста эффективности и сокращения потерь.

| Оборот в месяц | Ситуация | Нужен аналитик? | |---|---|---| | До 1 млн руб. | Всё можно вести самому или с одним менеджером | Нет - рано | | 1-3 млн руб. | Начинают появляться слепые зоны, но аналитика ещё частичная | Зависит от SKU и сложности | | 3-5 млн руб. | Потери от неоптимальных решений становятся ощутимыми | Скорее да | | 5+ млн руб. | Без системной аналитики бизнес теряет деньги ежедневно | Однозначно да |

Пример: при обороте 5 млн рублей в месяц и марже 20% валовая прибыль - около 1 млн рублей. Если аналитик помогает улучшить конверсию рекламы на 15% и снизить мёртвые остатки на 10%, прирост прибыли легко перекрывает зарплату в 60-100 тыс. рублей. Это модельный расчёт - реальные цифры зависят от категории и структуры затрат.

Другой угол: считай не оборот, а рекламный бюджет. Если ты тратишь на продвижение 200 000 рублей и больше в месяц, аналитик уже окупается - даже 10% оптимизации покрывают его зарплату.

Что влияет на порог найма:

• Количество SKU (больше товаров - раньше нужен аналитик)
• Количество площадок (Wildberries + Ozon + Я.Маркет - уже сложная система)
• Конкуренция в категории (высокая конкуренция = цена ошибки выше)
• Сезонность (пики требуют точного планирования остатков)

Что должен уметь аналитик маркетплейсов

Рынок переполнен людьми с «опытом в Excel». Вот что отличает реально полезного специалиста.

Минимальный набор:

• Работа с кабинетами WB и/или Ozon: выгрузки, отчёты, API
• Excel или Google Sheets: сводные таблицы, формулы, базовый анализ данных
• Понимание юнит-экономики: как считается маржа, оборачиваемость, ROMI
• Умение читать позиции по ключевым запросам и понимать, что на них влияет

Плюс (сильный кандидат):

• SQL или хотя бы понимание баз данных
• Опыт с BI-инструментами (Power BI, Looker Studio, Tableau)
• Опыт в твоей категории (одежда, электроника, FMCG - рынки разные)
• Умение строить прогнозы спроса и планировать поставки

Красные флаги:

• Говорит «я анализирую», но не может показать реальный дашборд или отчёт
• Не знает, как читать ДДС или P&L
• Путает аналитику и операционку
• Обещает «поднять продажи» без понимания механик

Как проверить кандидата на собеседовании

Не спрашивай про «опыт работы с данными» в общем - это ничего не скажет. Давай конкретные задачи.

Тестовое по данным. Дай выгрузку продаж за 2-3 месяца (реальную или смоделированную) и попроси: найди топ-5 самых прибыльных SKU, определи, какие товары нужно пополнить срочно, найди, где рекламный бюджет уходит без результата. Смотри не только на ответ, но и на методологию - как человек думает.

Вопрос про кейс. «Расскажи про конкретную ситуацию, где твой анализ изменил решение бизнеса». Хороший аналитик расскажет цепочку: данные - вывод - рекомендация - результат.

Вопрос про инструменты. «Покажи пример дашборда, который ты строил». Если не может показать - это плохой знак.

Вопрос про ошибки. «Бывало, что твой анализ привёл к неверному решению? Что пошло не так?» Зрелый специалист умеет признавать ограничения своих данных и не боится говорить об этом.

Типичные ошибки при найме аналитика маркетплейсов

Нанять слишком рано. При обороте до 1-2 млн рублей и 10-15 SKU аналитик будет «высиживать» задачи. Лучше справляться самому или взять менеджера МП с навыками базовой аналитики.

Смешать роли. «Ты будешь и анализировать, и вести карточки, и делать SEO» - это не аналитик, это перегруженный менеджер. Хороший аналитик стоит дороже именно потому, что не размывается на операционку.

Нанять без задач. Аналитик не работает «вообще» - он решает конкретные вопросы. Если ты сам не знаешь, что хочешь получить - он будет делать красивые таблицы, которые никто не читает. Перед наймом пропиши 5-7 конкретных задач и критерии успеха.

Ожидать мгновенного результата. Первый месяц - погружение: изучить товарную матрицу, настроить выгрузки, понять специфику категории. Результат начнёт проявляться со второго-третьего месяца.

Не дать доступ к данным. Аналитик без полного доступа к рекламным кабинетам, финансам и истории заказов - это половина аналитика. Закрытые данные равно закрытые инсайты.

Как выстроить работу после найма

Правильный старт важнее, чем поиск идеального кандидата.

Первые две недели: дай задачу сделать «аудит состояния» - пусть сам изучит данные и расскажет, что видит. Это лучший способ проверить, как думает специалист, и заодно получить первые инсайты без дополнительных затрат.

Еженедельные встречи: 30-60 минут с чёткой повесткой - что изменилось в цифрах, какие рекомендации, что нужно решить. Без регулярных синхронизаций аналитик работает в вакууме и теряет связь с реальными приоритетами бизнеса.

Понятные KPI. Что будет считаться успехом через 3 месяца? Варианты: рост ROMI рекламы, снижение мёртвых остатков, улучшение позиций по ключевым запросам, рост конверсии карточки. Договорись заранее - это защищает и тебя, и аналитика.

Полный доступ к данным. Обеспечь доступ к личному кабинету продавца, рекламному кабинету, API (если есть), финансовым отчётам и истории поставок. Чем полнее картина - тем точнее выводы.

Когда аналитика налажена, следующий шаг - связать её с операционными процессами. Цифры должны вести к конкретным действиям, а действия - к измеримым результатам. Аналитик фиксирует проблему, задача появляется в системе, исполнитель закрывает её, результат виден в следующем отчёте - и цикл замыкается.