- 7 марта, 2024
- 25
Каждый пятый россиянин покупает одежду и обувь только в интернете
Россияне стали намного чаще покупать одежду и обувь онлайн. За два года доля тех, кто приобретает эти товары только в интернете, выросла в два с лишним раза — с 8,9 до 18,2%. А доля тех, кто отдаёт предпочтение исключительно офлайн-магазинам и торговым центрам, снизилась с 45,6 до 25,7%. Об этом говорит исследование СберАналитики.
Чаще всего через интернет покупают сумки и рюкзаки (60%), повседневную одежду (55,9%) и спортивную экипировку (51,3%), а реже всего — верхнюю одежду (39%). Причём треть покупателей, которые предпочитают покупки офлайн, сначала сравнивают цены в интернете, а потом покупают товар в обычном магазине. Свой выбор в пользу онлайн-шопинга респонденты обосновывают более широким ассортиментом, возможностью сравнить цены, сэкономить время и заказать товар из любой точки страны.
Станислав Карташов, вице-президент, директор дивизиона «Корпоративные клиенты 360» Сбербанка:
«Аналитика сферы fashion в России показала, что онлайн-продажи занимают 10% в товарообороте, но их доля быстро растёт. Одежду, обувь и аксессуары через интернет чаще приобретают женщины: 21,6% из них сообщили, что вообще не заходят за этими товарами в офлайн-магазины. Доля мужчин, выбирающих для этих целей только онлайн-каналы, существенно ниже — 12,9%. Более того, треть мужчин покупают одежду и обувь исключительно офлайн».
Чаще всего приобретают одежду только в интернете жители Южного и Центрального федеральных округов — 23,7 и 21,2% соответственно. А жители Урала и Поволжья чаще отправляются за одеждой в торговые центры — 34,7 и 31,5%.
Исследование основано на анализе трат россиян в 2023-м и 2024 году и онлайн-опросе, проведённом в январе 2024 года по всей России.
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.