Как бы мы сделали Ozon: от маркетплейса к единой growth-системе

Ozon давно перестал быть просто интернет-магазином. Сегодня вокруг одной пользовательской базы существуют маркетплейс, продукты для продавцов, реклама, логистика, финтех, контент и множество дополнительных сервисов.

И именно здесь появляется интересная задача.

Когда цифровая экосистема становится настолько большой, следующая точка роста — уже не обязательно запуск ещё одного сервиса. Гораздо интереснее сделать так, чтобы существующие сервисы начинали системно усиливать друг друга.

Мы разобрали публичный цифровой контур Ozon и представили, что бы делала команда «Продвижение.Тех», если бы перед нами стояла задача проектирования следующего слоя роста экосистемы.

Важно: Ozon не является клиентом «Продвижение.Тех». Материал подготовлен исключительно на основе открытых данных и представляет собой независимый концептуальный разбор.

Во втором квартале 2026 года оборот Ozon с учётом услуг достиг примерно 1,3 трлн ₽, увеличившись на 37% год к году. Выручка составила 334,2 млрд ₽, а чистая прибыль — 10,1 млрд ₽.

Ещё показательнее пользовательский масштаб. Уже в первом квартале 2026 года количество активных покупателей превышало 67 млн человек. (CNews.ru⁠)

При таком масштабе вопрос digital-маркетинга меняется.

Для небольшого бизнеса задача звучит: «Где взять трафик?»

Для экосистемы такого уровня она скорее звучит: «Как увеличить ценность каждого существующего пользовательского сценария?» Именно от этого мы бы строили стратегию.

У Ozon уже существует несколько крупных цифровых контуров.

Например, публичный B2B-контур Ozon Банка включает расчётные продукты, эквайринг, лизинг, регистрацию бизнеса и другие инструменты.

Отдельно развивается образовательный контент. Блог банка закрывает поисковые запросы предпринимателей — от регистрации ООО до эквайринга и налоговых изменений.

То есть большая часть элементов growth-машины уже существует.

Мы бы не начинали с предложения «переделать сайт».

Мы бы начали с соединения этих элементов в единый пользовательский граф.

• Покупательский: поиск → карточка товара → корзина → оплата → доставка → повторная покупка.
• Предпринимательский: продавец → размещение товаров → продвижение → логистика → финансирование → аналитика → масштабирование.
• Финансовый: пользователь → Ozon Банк → карта → платежи → накопления → дополнительные банковские продукты.

Мы бы построили слой данных, который рассматривает пользователя не как посетителя отдельных сервисов, а как участника нескольких взаимосвязанных сценариев.

Условно:

покупатель → продавец → рекламодатель → клиент банка → пользователь бизнес-сервисов.

Один человек или компания может находиться сразу в нескольких ролях.

Система должна понимать не только: «Что пользователь делает сейчас?»

Но и: «Какой следующий сценарий для него наиболее вероятен и полезен?»

Предприниматель читает материал:

«Как открыть ООО в 2026 году».

Сам по себе SEO-трафик уже полезен.

Но мы бы смотрели дальше.

После статьи пользователь может получить персональный маршрут:

регистрация бизнеса ↓ расчётный счёт ↓ эквайринг ↓ создание магазина ↓ выход на Ozon ↓ реклама ↓ финансирование оборотного капитала.

Один информационный запрос превращается в полноценный lifecycle пользователя.

События из разных продуктов собираются в унифицированную событийную модель.

• article_view
• product_search
• seller_registration_start
• campaign_created
• business_account_opened
• credit_calculator_used
• checkout_completed

Поверх этого строится профиль пользователя и система сегментов. Важно: архитектура должна учитывать согласия пользователя, требования к персональным данным и разграничение данных между контурами.

Для каждого сегмента система определяет наиболее релевантное следующее действие.

Не просто: «Покажем баннер Ozon Банка». Вместо этого предложение должно отвечать текущей потребности пользователя.

Сначала такую систему можно реализовать на правилах (rule-based). После накопления данных — переходить к моделям вероятности отклика (propensity-моделям).

• Если продавец регулярно сталкивается с отсутствием товара на складе (out-of-stock) → предложить инструмент финансирования закупки.
• Если предприниматель изучает эквайринг → показать сценарий подключения.
• Если продавец активно использует продвижение → предложить аналитику эффективности.
• Если пользователь регулярно покупает товары определённой категории → строить сценарий повторных покупок вокруг неё.

Отдельный потенциал мы видим в информационном спросе.

Ozon Банк уже развивает контент для предпринимателей. Например, на сайте есть материалы про регистрацию ООО, эквайринг, налоги и развитие бизнеса.

Мы бы превратили это в полноценную контентную воронку.

Не просто «Статья → CTA», а «Поисковый запрос → статья → инструмент → персональный результат → продукт → CRM-сценарий».

Например: «Как открыть ООО» → статья → интерактивный чек-лист → генератор комплекта документов → регистрация бизнеса → расчётный счёт → эквайринг → подключение продаж.

Контент начинает не просто собирать органический трафик, а участвовать в продуктовой воронке.

Для продавцов мы бы разработали единый экран роста бизнеса — не очередную таблицу показателей, а систему принятия решений.

Например, экран мог бы показывать продажи, маржинальность, эффективность рекламы, остатки товаров и потенциал категории.

На основе этих данных система предлагала бы конкретные действия: скорректировать запас, рекламные ставки, бюджет или цену товара; при необходимости — рассмотреть финансирование закупки.

То есть аналитика отвечала бы не только на вопрос «Что произошло?», но и «Что делать дальше?».

Приведённые ниже показатели и рекомендации — иллюстративный пример, а не данные продавца Ozon.

• Продажи: +12%; маржинальность: −4%.
• Реклама: ROAS снижается; товара хватит на 11 дней.
• Потенциал: категория растёт быстрее магазина.
• Действие 1: увеличить запас SKU-124.
• Действие 2: снизить ставку кампании X и перенести часть бюджета в кампанию Y.
• Действие 3: проверить цену SKU-458 и рассмотреть финансирование закупки.

Следующий слой — инфраструктура постоянных экспериментов.

Для каждой гипотезы заранее фиксируются сегмент, изменение, контрольная группа и целевая метрика. После эксперимента оцениваются прирост относительно контроля (uplift), статистическая значимость и экономический эффект.

Так маркетинг постепенно превращается из набора кампаний в систему управляемых экспериментов.

• Сегмент и проверяемое изменение.
• Контрольная группа и целевая метрика.
• Uplift и статистическая значимость.
• Экономический эффект.

Упрощённо архитектура выглядела бы так:

Источники данных (Marketplace / Seller / Bank / Content / Ads / CRM) → Event Layer (единая событийная модель) → Customer Data Platform (профили, сегменты, признаки) → Decision Engine (правила и ML-оценка) → Activation Layer (сайт, приложение, push, email, кабинет продавца, реклама) → Experimentation (A/B-тесты, контрольные группы, оценка эффекта) → BI (LTV, удержание, конверсия, дополнительная выручка).

Главный принцип — решения принимаются не вокруг отдельных каналов, а вокруг жизненного цикла пользователя.

Начали бы с изучения цифровых продуктов, пользовательских сценариев и доступных данных. Затем выбрали бы несколько переходов между сервисами с измеримым эффектом.

Механику масштабировали бы только после проверки её экономического результата на контрольных группах.

• Этап 1. Discovery — карта цифровых продуктов, пользовательских сценариев, данных и точек перехода между сервисами.
• Этап 2. Customer Journey Graph — основные роли пользователей и переходы между ними.
• Этап 3. Measurement Layer — единый словарь событий и KPI.
• Этап 4. MVP — 3–5 сценариев с измеримым эффектом: контент → бизнес-продукт; аналитика продавца → финансирование; покупатель → финтех; продавец → реклама.
• Этап 5. Experimentation — контрольные группы и измерение дополнительного эффекта.
• Этап 6. Масштабирование — распространение механик после подтверждения экономики.

Главной ошибкой было бы смотреть только на CTR. Для такой системы важнее измерять переходы между продуктами, удержание пользователей и экономический эффект.

Главный показатель — incremental profit: рост конверсии сам по себе ещё не означает рост прибыли бизнеса.

• Cross-product conversion — переходы пользователей между продуктами.
• Activation rate — доля пользователей, начавших пользоваться продуктом.
• Repeat purchase rate — доля повторных покупок.
• Seller retention — удержание продавцов.
• Доля пользователей нескольких продуктов.
• CAC payback — срок окупаемости привлечения.
• LTV — ценность пользователя за весь период взаимодействия.
• Incremental GMV и incremental revenue — дополнительный оборот и выручка.
• Uplift относительно контрольной группы.
• Incremental profit — дополнительная прибыль.

Мы не будем придумывать финансовый эффект без доступа к внутренним данным Ozon.

Но сама модель позволяет работать над четырьмя показателями: количеством продуктов на одного пользователя, частотой взаимодействия, удержанием и LTV.

При десятках миллионов пользователей даже небольшое статистически подтверждённое изменение конверсии может становиться значимым.

Поэтому задача digital-команды в большой экосистеме постепенно меняется: не только «Как получить ещё больше трафика?», но и «Как извлечь больше ценности из уже существующей экосистемы — одновременно создавая больше ценности для пользователя?»

Именно такую систему мы бы строили.

В «Продвижение.Тех» мы смотрим на маркетинг и разработку как на одну систему.

Сначала бизнес-модель и данные. Потом пользовательский путь. Потом технология. И только после этого — каналы привлечения.

Если вашему бизнесу уже недостаточно «сделать сайт» или «запустить рекламу», мы можем спроектировать цифровую систему роста: от аналитики и customer journey до веб-разработки, автоматизации и performance-маркетинга.

Продвижение.Тех — технологии для реального роста бизнеса.

• Ozon не является заказчиком «Продвижение.Тех». Материал подготовлен на основе общедоступной информации по состоянию на сентябрь 2026 года.

Предложенные решения являются независимой экспертной концепцией и не отражают внутренние планы, архитектуру или стратегию Ozon.