7 способов декомпозировать AOV
Средний чек (AOV) доступен везде — в любом аналитическом инструменте или кастомном отчете.
И именно поэтому он вводит в заблуждение: кажется, что этой метрикой легко управлять, но одно число скрывает всё, что на самом деле на неё влияет.
В реальности AOV — это про то, как люди собирают корзины, что они покупают, сколько платят, какие заказы попадают под скидки, из какого канала они приходят и являются ли они новыми или возвращающимися клиентами.
И пока всё это смешано в одной метрике:
- невозможно понять, почему AOV вырос или упал;
- невозможно принимать уверенные решения;
- любая попытка “повысить AOV” превращается в гадание.
Чтобы превратить AOV в метрику, которой можно управлять, её нужно декомпозировать.
В этой статье 7 практических способов разложить AOV, чтобы он наконец начал объяснять, почему меняется — и стал показателем, на который можно опираться в работе.
1. Математический подход
Формула: Общая выручка ÷ Количество заказов
Управляемость: ⚡️ (низкая)
Это базовое определение AOV — простая версия, которая по умолчанию есть в каждом отчёте. Удобно как общий старт: людям сразу понятно, что имеется в виду, и на его примере можно показать, почему одного числа недостаточно.
Но на этом всё и заканчивается. Такой вид не показывает, изменился ли AOV из-за цен, размера корзины, скидок, продуктового микса или чего-то ещё внутри заказа.
- Как понятное, интуитивное определение, с которым все могут согласиться.
- Чтобы начать разговор о том, почему AOV нужно раскладывать глубже.
- Не даёт идей, кроме как «увеличить выручку» или «уменьшить число заказов».
- Скрывает все внутренние драйверы AOV, поэтому не объясняет, почему он изменился.
2. Поведенческий подход
Формула: Товаров в заказе × Цена за товар
Управляемость: ⚡️⚡️ (средняя)
Поведенческий взгляд разбивает AOV на два простых вопроса: сколько товаров клиент кладёт в корзину и сколько он платит за каждый.
Это наглядная модель, понятная даже тем, кто далёк от аналитики: можно буквально представить, как наполняется корзина. Такой подход помогает быстро понять, связаны изменения AOV с количеством товаров или с уровнем цены.
Но детализация всё ещё слишком общая. Он не показывает, какие товары, какие скидки или какие изменения опыта повлияли на поведение.
- Чтобы объяснить динамику AOV простым языком («больше товаров vs более высокая цена»).
- Чтобы дать команде наглядное понимание наполнения корзины.
- Компоненты слишком агрегированы и скрывают множество факторов.
- Не объясняет, почему клиенты покупают больше или готовы платить больше.
3. По скидкам и ценам
Формула: (AOV по полной цене × Доля заказов по полной цене) + (AOV со скидкой × Доля заказов со скидкой)
Этот подход разделяет заказы на полную цену и заказы со скидкой и показывает, как каждая группа влияет на общий AOV. Это прямой способ увидеть, улучшают ли промо средний чек или просто делают его дешевле.
Но здесь целиком про ценообразование. Подход не учитывает товарный микс, UX или категории, стоящие за этими изменениями.
- Чтобы измерить влияние промо и скидок на AOV.
- Чтобы наглядно сравнить заказы по полной цене и заказы со скидкой.
- Узкий фокус: игнорирует микс товаров, UX и большинство не ценовых драйверов.
- Подходит для ценовых вопросов, но недостаточен для широкого анализа.
4. Ассортиментный подход
Формула: Σ (AOV по группе или ценовому сегменту × Доля этой группы)
Здесь AOV рассматривается через ассортимент: по каким товарным группам или ценовым сегментам покупают клиенты и какую долю занимают эти группы. Это помогает увидеть, как сдвиги в продуктовом миксе — например, смещение в сторону более бюджетных или премиальных товаров — двигают AOV.
Особенно полезен этот подход, когда цены и скидки остаются стабильными, но AOV всё равно меняется. В таких случаях причина чаще всего в том, что люди покупают, а не в цене за единицу.
- Чтобы понять, как изменения ассортимента влияют на AOV.
- Когда цены и скидки стабильны, но AOV всё равно снижается.
5. Когортный подход (Новые vs Повторные)
Формула: (AOV новых клиентов × Доля новых заказов) + (AOV повторных клиентов × Доля повторных заказов)
Когортный разрез показывает, как разные группы клиентов вносят вклад в выручку. Новые покупатели и возвращающиеся часто ведут себя по-разному: кто-то покупает дороже, кто-то чаще, но меньше.
Этот подход связывает изменения AOV с динамикой удержания и помогает понять, какая группа двигает метрику. Но он не объясняет внутренние причины поведения когорт.
- Чтобы понять, какие клиенты — новые или возвращающиеся — влияют на изменения AOV.
- Чтобы увязать AOV с процессами удержания и структурой клиентской базы.
6. Каналы и устройства
Формула: Σ (AOV по каналу × Доля этого канала)
Разрез по каналам или устройствам показывает разницу между платформами — например, как пользователи веба и приложения собирают заказы. AOV может меняться просто из-за изменения структуры трафика, даже при стабильных ценах и промо.
Это хороший первый шаг, чтобы заметить различия по UX или платформе, но он преимущественно описательный. Если у какого-то канала AOV ниже, этот взгляд не объяснит, почему — он только покажет, где копать дальше.
- Чтобы увидеть различия, связанные с UX или платформой (например, web vs app).
- Чтобы понять, как изменение трафика влияет на AOV.
7. Структурная декомпозиция
Формула: (Средняя цена за товар × Среднее число товаров в заказе) × (Среднее количество единиц товара × (1 − Средняя скидка))
Управляемость: ⚡️⚡️⚡️ (высокая)
Структурный подход раскладывает AOV на конкретные измеримые компоненты: сколько единиц в товаре, сколько товаров в заказе, сколько платит клиент за единицу и как часто применяются скидки. Он объединяет цены, поведение корзины и влияние промо в одну картину.
Это самый полный способ понять, что именно изменилось внутри заказа/ Детализации достаточно, чтобы напрямую выйти на управляемые драйверы — но подход требует чистых, стабильных и детализированных данных.
- Чтобы диагностировать изменения AOV через конкретные измеримые драйверы.
- Когда нужен единый взгляд, объединяющий цены, поведение корзины и эффект скидок.
Итоги
Каждый способ подсвечивает только одну грань AOV — цены, поведение, скидки, ассортимент, когорты или каналы. Сам по себе любой из них неполон.
Настоящая ясность появляется, когда вы смотрите на AOV через несколько подходов одновременно. Это позволяет намного быстрее найти истинный драйвер, чем опора на один-единственный метод.