Аналитика рекламы и ДРР с привязкой к прибыли

Какие вопросы закрывает кабинет

Не один порог для всех товаров

Одинаковый ДРР может быть допустимым для высокомаржинального товара и убыточным для другого. Поэтому целевые границы задаются с учётом экономики SKU, жизненного цикла карточки и управленческой цели.

Подсказки в кабинете — это прозрачные правила, а не скрытая модель. Пользователь видит, почему товар попал в зону внимания и на каких данных основан сигнал.

Контроль перед решением

• Полнота рекламных расходов за период.
• Сопоставление кампаний и артикулов.
• Корректная обработка возвратов и отмен.
• Сравнение с маржой после комиссий и логистики.

Как считать ДРР без ложных выводов

ДРР показывает отношение рекламных расходов к выбранной базе продаж, но результат зависит от определения обеих частей формулы. Нужно заранее решить, использовать заказы, выкупы или фактическую выручку, как учитывать возвраты и к какому периоду относить расход. Одинаковый процент может означать разные вещи, если окна атрибуции и даты операций не совпадают.

Поэтому кабинет хранит не только итоговый коэффициент, но и его числитель, знаменатель и правило расчёта. Пользователь может перейти от показателя к кампании, SKU и исходным строкам. Это позволяет обсуждать причину изменения, а не спорить о цифре.

Какие показатели анализируются вместе

Для каждой кампании можно задать управленческий статус: масштабировать, наблюдать, проверить данные или остановить на разбор. Статус остаётся рекомендацией для ответственного, а не автоматическим изменением ставок.

Как контролируется качество рекламной аналитики

• Проверяется полнота кампаний и дат в каждой загрузке.
• Расход без связанного SKU выводится отдельной строкой.
• Переименования и новые артикулы проходят через справочник соответствий.
• Резкие изменения отмечаются как сигнал для проверки, а не как готовый вывод.
• Итог рекламного расхода сверяется с контрольным источником площадки.

Результат — прозрачный список действий по товарам и кампаниям. Он помогает связать рекламу с прибылью, но не обещает причинный эффект там, где данных недостаточно.

Материал проверен Русланом Гайфутдиновым, FCCA. Обновлено 25 июля 2026 года.

Пример: одинаковый ДРР, разное решение

Условный пример использует синтетические данные. У двух товаров ДРР равен 15%. У первого валовая маржа до рекламы составляет 38%, возвраты и логистика стабильны, поэтому продвижение сохраняет положительный вклад в прибыль. У второго маржа до рекламы составляет 18%, а после комиссии, логистики и возвратов рекламный расход делает продажу убыточной. Одинаковый процент приводит к разным решениям: масштабировать первую кампанию и пересмотреть цену, ставку или ассортимент второй.

Чтобы такой вывод был воспроизводимым, кабинет показывает формулу: рекламный расход делится на согласованную базу продаж за тот же период. Рядом выводятся выручка после возвратов, маржа до рекламы, прибыль после рекламы, количество заказов и остаток товара. Пользователь видит не только цвет индикатора, но и данные, из которых он рассчитан.

Матрица управленческих действий

Результатом становится список кампаний и SKU с причиной отклонения, ответственным и следующим действием. Он связывает рекламу с прибылью по товарам и доступным запасом. Автоматическая остановка или изменение ставок не выполняется без отдельно согласованного процесса и контроля со стороны клиента.

Какие данные нужны для анализа рекламы

Минимальный набор включает расход по кампаниям, связь кампании с товаром, заказы или выкупы, возвраты и выручку за сопоставимый период. Чтобы оценить не только ДРР, но и прибыль, добавляются комиссия, логистика, себестоимость и другие переменные расходы. Если площадка предоставляет несколько окон атрибуции, выбранное правило фиксируется в методике и одинаково применяется к сравнению периодов.

Перед построением графиков проверяются кампании без расхода, расходы без связанного SKU, дубли, пропуски дат и резкие изменения итоговой суммы. Отдельно отмечаются товары, для которых нет себестоимости или достоверного остатка. Такие строки не должны автоматически получать рекомендацию «масштабировать», даже если рекламный коэффициент выглядит благоприятно.

На выходе клиент видит формулу показателя, контрольные суммы и детализацию до кампании и SKU. Это позволяет повторить расчёт в исходных данных и отличить реальное изменение эффективности от смены периода, атрибуции или состава выгрузки.