10 способов «нарезать» ваши метрики
Общий показатель говорит, что пошло не так.
Разрезы показывают — где именно.
Просела конверсия? Это может быть мобильный чек-аут, платный трафик или один упрямый товар.
Разрезы устраняют догадки: они показывают, куда копать. Поэтому это не nice-to-have в дашбордах, а то, что превращает отчётность в диагностику.
Вместо всего подряд вы чините то, что действительно сломалось.
В этом разборе — разрезы, которые делают дашборды осмысленнее: от самых базовых до нетривиальных.
Почему разрез ≠ фильтр
Небольшой глоссарий, прежде чем начнем.
Dimension (измерение) — любая характеристика, по которой можно разделить данные: устройство, страна, источник трафика и т.д.
Когда вы показываете метрику по одному измерению, это breakdown (разрез), в котором метрика видна сразу по всем значениям.
Каждый slice (срез) — это отдельный кусочек внутри breakdown, например “mobile” или “desktop” в измерении по устройствам.
Измерения можно использовать не только в разрезах, но и в фильтрах. Разница между ними принципиальная.
Фильтр показывает один срез за раз, поэтому чтобы сравнить срезы, нужно переключать фильтр и помнить прошлые цифры.
Разрез показывает все срезы рядом, поэтому сразу видно, где показатели выше, ниже или выпадают.
UTM-параметры
Показывают, откуда на самом деле пришёл трафик, как он был привлечён и какая кампания его привела.
- Source: google, facebook, klaviyo, partner_site
- Medium: cpc, email, social, referral
- Campaign: spring_sale, black_friday, winback_flow
- Content: ad_variant_a, banner_2
- Term: running_shoes, wine_subscription
- Коэффициент конверсии: показывает слабые или переоценённые источники.
- Средний чек: какие источники приводят более дорогие заказы.
- LTV / коэффициент повторных покупок: качество трафика в долгую.
- Выручка: вклад каждой кампании в выручку.
- ROAS: действительно ли реклама окупается.
💡 Хорошо комбинируется с: Тип устройства, Тип клиента, Страна, Период времени
UTM Parameters | ROAS Total | 3.2× Google Ads | ██████████████████ 4.5× Meta | ████████ 2.1× Email | ██████████████████████████████ 6.8× Influencers | ███ 1.4×
Тип устройства (Device Type)
Показывает, как пользователи ведут себя на разных устройствах — десктоп, мобильный, планшет.
- Автоматически доступно в большинстве систем аналитики.
- Если можно — отделите мобильный веб от приложения, чтобы заметить разницу конверсий.
- Коэффициент конверсии: найти проблемы UX или чек-аута.
- Средний чек: понять, покупают ли с мобайла меньше или дешевле.
- Выручка: влияние устройства на выручку.
- Коэффициент брошенных корзин: точки трения в мобильном оформлении.
- LTV: какие устройства дают более «долгих» покупателей.
💡 Хорошо комбинируется с: Источник трафика, Тип клиента, Диапазон скидок, Категория товара
Device Type | Conversion Rate Total | 2.8% Desktop | ████████████████ 3.4% Mobile | ███████ 2.2% Tablet | ████████ 2.6%
Новый или повторный клиент
Показывает, как различается поведение новых и вернувшихся пользователей или покупателей.
На уровне пользователя выделяет тех, кто приходит к вам впервые, и тех, кто возвращается.
На уровне клиента разделяет первую покупку и повторные заказы — помогает понять, идёт ли рост за счёт привлечения или удержания.
- Используйте флаги на уровне сессии в аналитике (first-time / returning visitor) и метки на уровне клиента в e-commerce-платформе (first order / repeat order).
- Сведите оба среза, чтобы видеть, как конвертируются новые посетители и как ведут себя повторные покупатели после возврата.
- Коэффициент конверсии: сравнить намерение и доверие у новых и вернувшихся пользователей.
- Средний чек: проверять, тратят ли лояльные покупатели больше за заказ.
- Выручка: видеть вклад повторных клиентов по сравнению с новыми.
- LTV / коэффициент повторных покупок: оценивать «здоровье» базы возвращающихся.
💡 Хорошо комбинируется с: UTM-параметры, Тип устройства, Диапазон скидок, Когорта клиентов.
Customer Type | Average Order Value (AOV) Итого | $82 New | ████████████ $65 Returning | ████████████████████████ $105
Локация / регион
Показывает, как различаются показатели по странам, регионам или городам.
Выявляет локальные паттерны в спросе, чувствительности к цене и качестве доставки — то, что работает в одном регионе, может проседать в другом.
- Используйте адрес доставки/оплаты из заказов или геоданные сессий.
- Стандартизируйте названия стран и регионов, чтобы избежать дублей.
- Если вы продаёте глобально, сгруппируйте малые рынки в регионы ради более чистой картины.
- Коэффициент конверсии: найти, где UX или способы оплаты режут конверсию.
- Средний чек: видеть, как чек меняется по регионам/валютам.
- Выручка: выделить ключевые рынки, которые тянут продажи.
- Затраты на логистику / Маржинальность: обнаружить локации, где логистика «съедает» маржу.
- Коэффициент возвратов: проверить, есть ли регионы с повышенными возвратами.
💡 Хорошо комбинируется с: Метод доставки, Диапазон цен, Тип устройства, UTM-параметры.
Location | Shipping Cost per Order Итого | $7.80 US | ███████████ $6.5 EU | ██████████████ $8.1 Canada | █████████████████ $9.4 Australia | ██████████████████ $10.2
Категория товара (Product Category)
Показывает, как метрики различаются по товарным группам — категориям, коллекциям, брендам и даже отдельным продуктам.
- Используйте товарные атрибуты из вашей e-commerce-платформы (категория, бренд, коллекция, тип продукта).
- Соблюдайте единый нейминг — несогласованные теги ломают сравнения.
- Коэффициент конверсии: находить категории с высоким интересом и низкой доходимостью до покупки.
- Средний чек: видеть, какие продукты/коллекции поднимают средний чек.
- Выручка: находить сильные и слабые товарные группы.
- Маржинальность: выявлять, где есть оборот, но утекает прибыль.
- Глубина скидки: отслеживать, где концентрируются скидки.
💡 Хорошо комбинируется с: Диапазон цен, Диапазон скидок, Тип устройства, UTM-параметры.
Product Category | Revenue Итого | $240K Apparel | ███████████████████████ $90K Accessories | ███████████████ $70K Footwear | █████████████ $60K Home goods | ███ $20K
Диапазон цен (Price Range)
Показывает, как меняются показатели в разных ценовых сегментах — от недорогих до премиальных. Помогает понять, идёт ли рост за счёт дешёвых позиций или за счёт перехода в более дорогие сегменты.
Связанный разрез: диапазон маржинальности показывает прибыльность, а не размер чека.
- Используйте цену на уровне товара или заказа.
- Задайте ценовые «корзины», соответствующие вашему каталогу (например, <$50, $50–150, > $150).
- Коэффициент конверсии: увидеть ценовую чувствительность.
- Заказы: понять, каких заказов больше.
- Выручка: проверить, из каких ценовых уровней идёт рост.
- Маржинальность: совмещать с диапазоном маржинальности для баланса выручки и прибыли.
- Глубина скидки: заметить, где скидки искажают восприятие цены.
💡 Хорошо комбинируется с: Категория товара, Диапазон скидок, Тип клиента, UTM-параметры.
Price Range | Discounted Orders (%) Итого | 38% <$50 | ████████████████████████ 52% $50–150 | ███████████████ 36% >$150 | ██████ 18%
Диапазон скидок (Discount Range)
Показывает, как меняются показатели в зависимости от глубины скидки — от продажи по полной цене до высоких скидок. Помогает понять, дают ли скидки реальную ценность или просто сдвигают выручку во времени.
- Используйте размер/процент скидки на уровне заказа или позиции.
- Соберите диапазоны: 0%, 1–20%, 21–50%, >50%.
- Учтите и ручные скидки, и автоматические промо.
- Коэффициент конверсии: как глубина скидки влияет на намерение купить.
- Средний чек: приводят ли более глубокие скидки к большим корзинам.
- Выручка: отделять реальный рост от промо-пиков.
- Маржинальность: насколько скидка «съедает» маржу.
- LTV / коэффициент повторных покупок: возвращаются ли «скидочные» покупатели без стимулов.
💡 Хорошо комбинируется с: Диапазон цен, Категория товара, Тип клиента, UTM-параметры.
Discount Range | Average Order Value (AOV) Итого | $78 0% | ███████████████ $72 1–20% | ██████████████████ $80 21–50% | █████████████████████ $86 >50% | ████████ $67
Размер корзины (Cart Size Range)
Показывает, как меняются поведение и ценность заказа в зависимости от количества товаров — одиночные покупки vs многотоварные корзины.
Помогает понять, опирается ли выручка на «быстрые» покупки или на более крупные наборы.
- Используйте число товаров в заказе из e-commerce-платформы.
- Задайте диапазоны, которые подходят вашему магазину (1 товар, 2–3, 4+).
- Средний чек: как размер заказа влияет на средний чек.
- Коэффициент конверсии: сравнить удобство оформления для маленьких и больших корзин.
- Выручка: понять, на чём держатся продажи — на единичных или крупных заказах.
- Затраты на логистику / Маржинальность: не «съедает» ли логистика прибыль при больших корзинах.
- Глубина скидки: зависят ли многотоварные корзины от промо.
💡 Хорошо комбинируется с: Диапазон цен, Категория товара, Тип клиента, Диапазон скидок.
Cart Size Range | Margin Итого | 41% 1 item | ███████████████████ 45% 2–3 items | █████████████████ 40% 4+ items | █████████████ 33%
Метод доставки / оплаты (Delivery / Payment Method)
Показывает, как меняются показатели в зависимости от того, как клиент платит и получает заказ.
Помогает заметить трение в чек-ауте или логистике — мелочи, которые бьют по будущей конверсии и удовлетворённости.
- Используйте поля оплаты и доставки из e-commerce-платформы/чек-аута.
- Отслеживайте методы на уровне сессии и заказа (например, пост- vs предоплата; курьер vs самовывоз).
- Держите единый нейминг методов во всех системах.
- Коэффициент конверсии: какие варианты вызывают отказы при оплате/оформлении.
- Cart Abandonment Rate: какие методы увеличивают брошенные корзины.
- Средний чек: повышают ли предоплата или экспресс-доставка средний чек.
- Выручка: как доступность методов влияет на продажи.
- Коэффициент возвратов: не связаны ли отдельные методы с повышенными возвратами.
💡 Хорошо комбинируется с: Регион, Диапазон скидок, Тип клиента.
Payment Method | Cart Abandonment Rate Итого | 68% Card / Prepaid | ████████████████ 59% COD | ████████████████████████ 77% PayPal | █████████████████ 65% BNPL | ███████████████████ 70%
Когорта клиентов (Customer Cohort)
Показывает, как меняется поведение клиентов в зависимости от того, когда они совершили первую покупку (обычно — по месяцам).
Помогает увидеть, как изменения в маркетинге, ценах или продукте сказываются на долгосрочной ценности и повторных покупках.
- Привяжите каждого клиента к когорте по месяцу (или неделе) первого заказа
- Отслеживайте по когортам со временем: выручку, повторные покупки, AOV, отток.
- Когорты должны оставаться фиксированными, даже если клиент возвращается.
- LTV: выше или ниже пожизненная ценность новых когорт.
- Коэффициент повторных покупок: как быстро когорты возвращаются.
- Выручка: какая доля текущей выручки идёт от старых vs новых когорт.
- Средний чек: меняются ли чеки между когортами.
- Отток: скорость «старения» клиентов.
💡 Хорошо комбинируется с: Тип клиента, UTM-параметры, Диапазон цен, Диапазон скидок.
Customer Cohort | Lifetime Value (LTV) Итого | $142 Jan cohort | ██████████████████████ $160 Feb cohort | █████████████████ $145 Mar cohort | ███████████████ $132 Apr cohort | ███████████ $115
Финальные мысли
Не пренебрегайте разрезами в дашбордах.
Метрика — это итог, результат. Разрезы показывают, кто его «делает».
Увидели источник шума — не приходится переделывать всё. Чините ровно то, что сломалось.
И да, следующий уровень — смотреть не только значение в каждом срезе, но и на его динамику, вес в общем и попадание в целевое/бенчмарк-значение. Но это уже другая история.