Оборот электронной коммерции в России растет быстрее розничного товарооборота, а средний чек россиян за покупки в интернете почти вдвое выше, чем в магазинах.
Эксперты СберАналитики изучили расходы россиян в офлайн- и онлайн-магазинах в 2023 году. Оборот онлайн-покупок вырос на 19% и достиг 12% от общего объема товарооборота в России. При этом офлайн-торговля за прошлый год выросла на 13%. Средний чек в электронной коммерции почти вдвое превысил средний чек в традиционной рознице: 1184 рубля против 628 рублей.
«Исследование показало, что в прошлом году средний чек в онлайн-торговле оказался выше, чем в офлайн-магазинах во всех индустриях. Наиболее высока эта разница в таких отраслях, как товары для дома, одежда и обувь, косметика. Например, в онлайн-торговле средний чек на товары для дома составил 4934 рубля, а офлайн – лишь 1015 рублей. Для одежды и обуви – 5731 рубль против 2593 рублей в пользу онлайн-магазинов, в косметике – 3695 рублей против 1086 рублей», – Станислав Карташов, вице-президент, директор дивизиона «Корпоративные клиенты 360» Сбербанка.
В целом на первом месте по объему среднемесячных трат в потребительской корзине россиян идут расходы на продукты (41%). Также в топ-5 вошли личный транспорт (10%), коммунальные услуги (8%), общепит (7%) и товары для дома (6%).
При этом в городах-миллионниках средний чек на некоторые популярные товары снизился по сравнению с 2022 годом. Так, на компьютеры и бытовую технику покупатели стали тратить в среднем на 6% меньше – средний чек в этой отрасли составил 5411 рублей. Такое же снижение наблюдается и в товарах для детей (1497 рублей). На 3% снизился средний чек на одежду и обувь (3522 рубля).
Читайте также:
Исследование проводилось на основе данных аналитического продукта «Сенсус» в 2022–2023 годах. Эксперты учитывали динамику розничного рынка (торговые онлайн- и офлайн-точки) по ключевым бизнес-показателям в динамике.
Исследования СберАналитики строятся на агрегированной обезличенной информации о потребностях и предпочтениях 108,2 млн покупателей и 6 млн юрлиц. Используются данные из более чем 70 внутренних и внешних источников, что позволяет детально анализировать различные рынки с учётом их отраслевой и региональной специфики. Высокую точность при широком покрытии обеспечивает применение собственных запатентованных алгоритмов обработки информации (№№ 2766156, 2766548, 2767465, 2770568, 2771000, 2022667422) и моделей машинного обучения.
