Авито Запчасти и аксессуары
Как изменился рынок за последние 500 дней
Автор – Дмитрий Болховский, CEO Aftermarket-DATA© Эксперт с 25-летним опытом в автомобильной отрасли. Специализируется на ИИ-трансформации бизнеса:
- LLM/GenAI - языковые модели – автоматизация внутренних и внешних коммуникаций
- Автоматизация R&D
- Предиктивная аналитика спроса
https://t.me/s/BolkhovskyInsight
Материал аналитического агентства Aftermarket-DATA ©. aDat © системно исследует рынок запчастей, собирает статистику цен в каналах b2b/b2с/c2c, вычисляет доли брендов, уровни качества, кроссы, и ликвидность SKU. Данные в систему поступают из открытых источников, гипермаркетов, сетей АЗС, от дистрибьютеров, автомагазинов и НСТО. В экосистему aDat © входят такие платформы как ВИН-КОД.РФ и Win-Sto.ru, с годовой аудиторией более 4 млн. UV. При этом, 9.000 пользователей заходят в систему ежедневно (проф-сообщество).
aDat © сотрудничает с крупнейшими игроками Рунета. Полученный материал фильтруется через призму собственной статистики. Таким образом получается релевантный и независимый анализ рынка.
Эксперт Дмитрий Болховский,
CEO аналитического агентства
Aftermarket-DATA©.
Мы продолжаем отслеживать динамику рынка автозапчастей РФ в каналах b2b2c. Суммарно, на май 2024 года, в сегменте легковых автомобилей и LCV представлено около 4.700.000 уникальных SKU (парт-номеров) и ~ 4.000 брендов.
Основное влияние на ключевые финансовые показатели отрасли оказывают увеличение среднего возраста автопарка и геополитическая нестабильность. Эти факторы способствуют росту потребления и стоимости запчастей на всей цепочки поставок.
С точки зрения распределения потоков по каналам продаж, продолжается падение доли рынка классической розницы и смещение спроса в сторону маркетплейсов. В сервисном канале наблюдается отток владельцев свежих авто (Европа-Япония-Корея) из дилерских центров в сегмент НСТО.
К негативным тенденциям можно отнести фрагментацию рынка за счёт резкого увеличения доли запчастей азиатского производства «NO-NAME», и как следствие, рост ценовой конкуренции, при одновременном снижении уровня качества продукции.
Однако, ведущие дистрибьюторы продолжают наращивать ассортимент СТМ (собственных торговых марок), параллельно вкладываясь в маркетинговые и гарантийные программы для повышения доверия потребителей.
При этом, выход нативных китайских брендов на российский aftermarket пока ещё не начался. Системным игрокам рынка ещё предстоит почувствовать реальный рост конкуренции, с одновременным снижением цены, и ростом маркетинговых/сервисных активностей прямых китайских производителей автозапчастей.
Так же, в связи с уходом с рынка РФ западных софтверных компаний, таких как TechAlliance, в сегменте аутомотив нарастает проблема каталогизации запчастей и ремонтных работ. Это приводит к большому разбросу цен на идентичные продукты и услуги, к увеличению объёма неликвида, и усложняет масштабирование бизнеса.
Тем не менее, рынок автокомпонентов продолжает демонстрировать устойчивый рост. Согласно результатам мониторинга aDat ©, за последние 9 месяцев отрасль увеличилась на +3,8% в денежном эквиваленте.
Методика оценки рынка.
Аналитики aDat © разработали атомарную модель* оценки рынка запчастей, применив свёрточные нейронные сети к данным об автопарке РФ и результатам мониторинга маркетплесов.
Под термином "атомарная модель" подразумевается технология подсчёта объёма и структуры рынка, основанная на математическом моделировании продаж конкретных SKU (парт-номеров), с последующей группировкой данных.
Сначала была сделана привязка параметризированного автопарка (марка, модель, год, код двигателя, мощность) к каталогу автозапчастей MaxGPT.pro. C учётом статистических норм потребления, это позволило вычислить общий объём рынка в OE-номерах. Далее, при помощи кроссов, исходя из весов поисковой статистики, позиции запчастей были распределены по конкретным брендам.
Независимо, была произведена оценка ликвидности конкретных SKU на основе мониторинга маркетплейсов, поставщиков, и реальной статистики основных каналов продаж.
Итоговая ликвидность каждого конкретного SKU подбиралась таким образом, чтобы суммы потребления, полученные на основе мониторинга, и при помощи параметризированного автопарка, совпали.
Всего для обучения нейросети аналитики aDat © использовали ассортимент ~ 4.7 млн. исходных SKU запчастей.
Затем, была сделана свёртка рынка по брендам и товарным группам. Результаты были откорректированы независимыми экспертами, что привело к возникновению множества таблиц – возможных представлений рынка. Эти таблицы были вновь промультиплицированы путём добавления флуктуаций ликвидности в разрезе каналов продаж и классификаторов.
Таким образом, мы получили входные данные для обучения свёрточной нейронной сети. А валидация результатов производилась на статистике реальных продаж экосистемы aDat ©.
В итоге, нам удалось получить модель с быстрой сходимостью, а функция потерь составила менее 2.5 %, что для данного класса задач является вполне приемлемым результатом.
Графические итоги и сводки.
- Доли розничного рынка брендов % (₽) – легковые авто + LCV
прим: для визуализации малых значений, на круговой диаграмме применено нелинейное преобразование к размеру сегментов. Поэтому, например, сегмент 50% занимает менее половины окружности.
Здесь мы видим, что в 2024 году традиционные западные производители и упаковщики (FEBI-BILSTEIN/ SWAG/ BLUE-PRINT, MEYLE, DELPHI, MAGNETI-MARELLI, NK, TOPRAN) уступили место СТМ дистрибьютеров.
2. Построим тепловые карты для ликвидного ассортимента производителей. Под «ликвидным ассортиментом» мы понимаем позиции из прайс-листа производителя, которые представлены в наличии на складах минимум у 3-х дистрибьюторов и по ним фиксируется движение минимум 1 раз в квартал. На тепловых картах ассортимент/цена применяется сортировка по SKU, от большего количества к меньшему. Медиана цены ₽ – рассчитана для розницы.
прим: в отличии от классической схемы раскраски тепловых карт, где max/min рассчитываются по всей матрице, мы применили независимый расчёт параметров вдоль каждой линии. Такой подход позволяет высветить наиболее значимые товарные группы для каждого бренда в отдельности
3. Минимальные розничные цены для популярных товарных групп в разрезе марок автомобилей. Чтобы наглядно отобразить цены, отличающиеся на порядок, при построении диаграмм применяется нелинейное преобразование. Однако, при этом сохраняется исходная градация данных. Где цены больше, – там столбцы диаграммы выше. Зелёным пунктиром на графике обозначается индекс конкуренции (Competition Index) – относительное кол–во брендов с предложениями для данной товарной группы. Товарная группа с максимальной конкуренцией (для данной выборки) имеет Competition Index = 100%.
прим: привязка запчастей к моделям автомобилей сделана по каталогу MaxGPT.pro
минимальные розничные цены на запчасти: Chery Tiggo 3 2.4
минимальные розничные цены на запчасти: Kia Rio 3 1.4 CVVT
минимальные розничные цены на запчасти: Volkswagen Polo 1.4
минимальные розничные цены на запчасти: Hyundai Solaris 1.6
