Что россияне говорят о выборе товара и что показывает поведение

Это исследование о том, насколько российские покупатели точно описывают причины выбора товара. Мы сопоставили опросы ВЦИОМ, НАФИ и Роскачества с публичными поведенческими данными NielsenIQ, маркетплейсов и исследовательских работ по Ozon и Wildberries.

Главный вопрос исследования: где заявления покупателей о цене, отзывах, доставке и свойствах товара совпадают с наблюдаемым поведением, а где открытые данные показывают влияние выдачи и интерфейса до осознанного выбора.

Российские данные не подтверждают сильную версию тезиса «люди говорят одно, а покупают другое». Они показывают более точную проблему: покупатели хорошо называют факторы сравнения, но хуже видят, как маркетплейс формирует сам набор вариантов.

Содержание

Короткий вывод

По двум главным факторам выбора на маркетплейсах — отзывам и цене — слова россиян в целом совпадают с тем, что видно в данных. ВЦИОМ фиксирует отзывы и стоимость как два ключевых критерия, а NielsenIQ показывает очень высокую долю промопродаж в онлайн-FMCG. Платформенные материалы Яндекс Маркета и Ozon также связывают отзывы с конверсией и добавлением товара в корзину.

Самое заметное расхождение находится не в психологии покупателя, а в архитектуре выбора. Человек может честно сказать, что выбрал товар из-за цены и отзывов, но не учитывать, что до сравнения он увидел уже отфильтрованную выдачу. Позиция карточки, скорость доставки, продажи, рейтинг, отзывы и промо одновременно влияют на видимость товара и сами зависят от его прошлой успешности.

Поэтому открытый парсинг маркетплейсов полезен не как способ «поймать покупателя на противоречии», а как способ отделить декларации от наблюдаемых сигналов: цены, скидок, отзывов, рейтингов, позиции в выдаче, доставки, фото, характеристик и промо-меток. Но без seller-аналитики и экспериментов такие данные чаще показывают ассоциации, а не чистую причинность.

Какие данные сравнивали

В основе исследования — российские источники о маркетплейсах, онлайн-покупках и критериях выбора. Зарубежная идея из Harvard Business Review использовалась только как отправная гипотеза: не ограничиваться тем, что человек сообщает о мотивах, а связывать самоотчёт с наблюдаемым поведением. Зарубежные выводы не переносились на российских покупателей как доказательство.

Для проверки гипотезы важно разделять типы свидетельств. Опрос показывает, что человек способен назвать в ответ на конкретный вопрос. Продажи показывают реализованное поведение, но обычно без пути конкретного пользователя. Платформенная аналитика ближе к реальной воронке, но часто публикуется без полного дизайна исследования. Регрессии и ML помогают находить связи, но не доказывают причинность сами по себе.

Из этого следует ограничение: корректнее говорить не «покупатель ошибается», а «опрос описывает причины выбора среди увиденных альтернатив, а данные маркетплейса дополнительно показывают, почему именно эти альтернативы были увидены».

Что россияне называют важным

Самый прямой российский источник о выборе товара на маркетплейсе — опрос ВЦИОМ 2024 года. Среди россиян, которые покупали на маркетплейсах в 2023 году, 65 % включили отзывы других покупателей в три главных критерия выбора, 52 % — стоимость товара, 27 % — подробное описание. Дальше идут удобство пунктов выдачи, акции, срок доставки, рейтинг продавца, возврат и качество фотографий.

На графике ниже показана именно декларативная картина. Шкала означает долю покупателей маркетплейсов, которые включили фактор в число трёх наиболее важных критериев по данным ВЦИОМ.

Этот рейтинг нельзя читать как полный список причин покупки. Респондент мог выбрать максимум три пункта, поэтому низкая доля «акций и скидок» не означает, что остальные покупатели равнодушны к скидкам: рядом есть более общий критерий «стоимость товара».

Возрастная разбивка ВЦИОМ показывает, что среднего «российского покупателя» недостаточно для анализа категории. Среди покупателей 18-24 лет отзывы включили в топ-3 критериев 78 %, среди покупателей 60+ — 43 %. Стоимость товара в этих группах почти не меняется: 50 % и 49 % соответственно. У молодых заметно выше роль рейтинга продавца, а акции и скидки реже попадают в топ-3.

НАФИ в 2025 году задавал другой вопрос — о выборе интернет-магазина, а не отдельного товара. Там отзывы и рейтинги получили 25 %, безопасность платежей — 23 %, ассортимент — 22 %, скорость доставки и скидки — по 19 %. Это не противоречие с ВЦИОМ: изменился объект решения.

Где слова совпадают с поведением

Цена и промо дают самое понятное совпадение. ВЦИОМ фиксирует стоимость товара как второй критерий выбора на маркетплейсе, а NielsenIQ показывает, что к июню 2023 года почти 70 % онлайн-продаж FMCG в денежном выражении приходилось на промо; средняя глубина скидки составляла 22,5 %, а в отдельных категориях промодоля доходила до 80 % и выше.

Важно не сравнивать эти проценты напрямую. 52 % ВЦИОМ — это доля людей, назвавших цену одним из трёх критериев. Почти 70 % NielsenIQ — доля денег в онлайн-FMCG-продажах по промо. Но направление совпадает: российские покупатели говорят, что цена важна, и в фактических продажах скидочные механики действительно занимают огромную долю.

Отзывы тоже хорошо подтверждаются несколькими типами данных. ВЦИОМ ставит отзывы на первое место среди критериев товара. НАФИ сообщал, что большинство онлайн-покупателей обычно читают отзывы перед покупкой. На стороне поведения Яндекс Маркет публикует оценку, что наличие 10 отзывов связано примерно с ростом конверсии на 50 %, а Ozon сообщает, что товары с отзывами чаще добавляют в корзину.

Но здесь особенно важно не перепутать связь с причинностью. Хорошо продающийся товар естественно получает больше отзывов; отзывы и рейтинг могут улучшать доверие; маркетплейс может учитывать их в ранжировании. Поэтому корректный вывод звучит так: отзывы устойчиво связаны с коммерческими метриками, но публичные данные не позволяют точно отделить пользовательский эффект от алгоритмического и от прошлых продаж.

Где возникает расхождение

Позиция в выдаче — главный фактор, который почти не виден в самоотчётах. Покупатель обычно не говорит «я купил товар, потому что он был выше в поиске», но данные Ozon, приведённые исследователями НИУ ВШЭ, показывают резкое снижение вероятности покупки при уходе товара вниз выдачи: первая позиция имеет около 1,5 % вероятности покупки, а товары за пределами топ-25 выбираются редко.

Это не означает, что достаточно «поднять товар на первое место», чтобы получить такой же результат. Ранжирование эндогенно: маркетплейс ставит выше товары, которые уже считает релевантными и способными конвертироваться. Wildberries и Ozon учитывают доставку, продажи, отзывы, рейтинг, цену, промо и другие признаки. Верхняя позиция одновременно повышает видимость и отражает качество предложения в глазах алгоритма.

Доставка находится между декларацией и поведением. ВЦИОМ получает 17 % для срока доставки в топ-3 критериев, НАФИ — 19 % при выборе интернет-магазина. При этом Яндекс Маркет связывает ускорение доставки с ростом продаж, а исследование одежды на российском маркетплейсе обнаруживает отрицательную связь между числом дней доставки и вероятностью статуса бестселлера.

Внешний вид карточки тоже, вероятно, недооценивается в общих опросах. Только 13 % участников ВЦИОМ включили качество фотографий в топ-3 критериев, а 27 % — описание и характеристики. Но для одежды российская модель бестселлерства связывала коммерческий успех с видео, материалом, цветом, отзывами, рейтингом и доставкой. Это сильный сигнал для fashion-категории, но слабое основание для переноса на электронику, косметику или бытовую химию.

Карта доказательности факторов

Ниже — сводная оценка по факторам. Она показывает не «что важнее вообще», а насколько хорошо российские публичные данные позволяют сопоставить слова покупателей и наблюдаемое поведение.

Эта таблица показывает главную границу анализа: чем ближе фактор к публичной карточке и выдаче, тем больше его можно отслеживать регулярным сбором. Чем сильнее фактор связан с внутренними предпочтениями, брендом или готовностью платить, тем быстрее исследование упирается в отсутствие полной воронки и контрольной группы.

Что можно проверить парсингом

Для webparsing.ru эта тема важна потому, что большая часть факторов выбора видна на публичной стороне маркетплейсов. Можно регулярно собирать цену, старую цену, процент скидки, рейтинг, число отзывов, прирост отзывов, позицию по запросу, рекламную зону, срок доставки, наличие, фото, видео, характеристики, бренд, продавца и промо-метки.

Лучший дизайн для такого исследования — не разовый срез, а панель одних и тех же SKU. Если ежедневно фиксировать карточки и выдачу по одному набору запросов, можно смотреть, что происходит до и после изменения цены, окончания акции, ускорения доставки или скачка отзывов.

Такой сбор не заменяет seller analytics. Он не показывает точные показы, клики, корзины, заказы, выкупы, возвраты, персональные цены и экспериментальные группы. Но он помогает построить независимую карту наблюдаемых сигналов и проверять, какие изменения предшествуют росту видимости или пользовательской активности.

Что открытые данные не доказывают

Самая частая ошибка — выводить причинность из статического сравнения. У товара 20 000 отзывов и высокая позиция; значит ли это, что отзывы вызвали продажи? Не обязательно. Продажи могли привести к отзывам, отзывы могли повлиять на доверие, а алгоритм мог поднять товар из-за всей совокупности признаков.

Вторая ошибка — считать позицию товара независимой переменной. Если товар в топ-10 продаётся лучше товара из топ-50, это не доказывает, что простая перестановка даст такой же прирост. Алгоритм уже учёл цену, доставку, продажи, рейтинг, отзывы, остатки и релевантность запросу.

Третья ошибка — трактовать отзывы как прямой прокси продаж. Отзывы оставляет только часть покупателей, а платформы могут стимулировать их бонусами. Скачок review velocity может означать рост продаж, изменение мотивации оставлять отзывы или запуск кампании по сбору обратной связи.

Поэтому открытый парсинг лучше использовать для осторожных формулировок: «связано», «предшествует», «совпадает с изменением», «требует проверки», а не для заявлений «увеличивает продажи на X%» без экспериментального дизайна.

Ограничения

Исследование опирается на публично доступные российские источники и материалы платформ. У многих платформенных оценок не опубликованы состав выборки, контрольная группа и способ устранения самоотбора, поэтому они используются как свидетельство направления связи, а не как точная причинная величина.

Опросы ВЦИОМ, НАФИ и Роскачества измеряют разные объекты: выбор товара, выбор магазина, доверие к отзывам, готовность платить и влияние факторов «в той или иной степени». Их проценты нельзя складывать в общий рейтинг мотивов.

Публичный парсинг маркетплейсов не раскрывает полную воронку. Без доступа к seller-аналитике и экспериментам нельзя точно восстановить показы, клики, добавления в корзину, заказы, выкупы, отмены, персональные рекомендации и реальные цены после индивидуальных скидок.

Главные выводы

Российские покупатели не выглядят как аудитория, которая массово скрывает от себя реальные причины покупки. По цене и отзывам их слова хорошо согласуются с наблюдаемыми коммерческими сигналами.

Наиболее важный разрыв появляется раньше момента выбора. Опрос спрашивает, почему человек выбрал товар среди увиденного, а маркетплейсные данные показывают, почему он увидел именно эти карточки. Поэтому позиция в выдаче, доставка и ранжирование становятся ключевыми факторами, которые самоотчёт описывает хуже.

Для бизнеса практический вывод простой: исследование выбора товара должно соединять опросы, публичные карточки, историю выдачи и поведенческие прокси. Разовый рейтинг факторов слишком груб; панель SKU с динамикой цены, отзывов, доставки и позиции даёт намного более содержательную картину.

Открытые данные особенно полезны там, где нужно понять конкурентную среду: кто виден выше, кто быстрее набирает отзывы, кто чаще уходит в промо, у кого меняется доставка и какие карточки получают больше шансов попасть в рассмотрение покупателя.

У нас есть расширенная версия исследования с подробной методикой сбора факторов карточек, выдачи и отзывов. Напишите нам в телеграме — поделимся полной версией или подготовим исследование под вашу категорию.