چند وقت پیش متوجه شدیم که هر سفارش دیجی‌کالا دو عدد منحصر بفرد دارد، که یکی «کد سفارش» است و دیگری کدی که در URL سفارشها موجود است. با توجه به اینکه حدس میزدیم این کدها رابطه‌ای با تعداد سفارش‌ها داشته باشند، بررسی بیشتری انجام دادیم و در نهایت با جمع آوری داده‌های مربوط به حدود ۶۰۰ سفارش در بازه سال‌های ۱۴۰۲-۱۳۹۴، توانستیم تخمینی از تعداد سفارش‌های دیجی‌کالا در این بازه بدست بیاوریم، که خروجی این بررسی را در این گزارش می بینید.

این گزارش که شامل تخمین تعداد سفارشات ماهانه دیجی‌کالا از فروردین ۱۳۹۸ تا دی ماه ۱۴۰۲ است، از چند جهت حائز اهمیت است. نخست آنکه این بازه زمانی شامل اتفاقات مهمی مانند قطعی اینترنت در آبان ۹۸، شروع پاندمی کرونا و قرنطینه، قطعی اینترنت در سال ۱۴۰۱ و … است. با توجه به سهم بالای دیجی‌کالا در بازار تجارت الکترونیک ایران، تغییرات تعداد سفارشات دیجی‌کالا میتواند نمودی از تغییرات رفتار مردم در این بازه و در خلال این اتفاقات نیز باشد. در این گزارش برای اولین بار تعداد سفارشات به تفکیک ماه‌ با تقریب خوبی منتشر شده است که بررسی همزمانی این اعداد با اتفاقات بیرونی فوق، میتواند جالب توجه باشد.

همچنین با توجه به اینکه ما توانستیم تعداد سفارش‌ها را تخمین بزنیم، تلاش کردیم با تخمین میانگین ارزش سفارش‌ها (AOV) نیز، در نهایت به فروش ناخالص (GMV) دیجی‌کالا برسیم؛ و از این اطلاعات برای ارزشگذاری دیجی‌کالا استفاده کنیم. لازم به ذکر است که این اطلاعات لزوما دقیق نبوده و با توجه به اینکه ما در این گزارش به دیتای داخلی دیجی‌کالا دسترسی نداشتیم، مجبور بودیم از فرضیاتی استفاده کنیم. فرضیاتی که هرچند تلاش کردیم آنها را صحت سنجی کنیم، اما همچنان لزومی بر دست بودن آنها وجود ندارد و ممکن است درست نباشند، بنابراین این گزارش به تنهایی نباید به عنوان معیاری برای تصمیم گیری قرار گیرد. اطلاعات بیشتر در بخش ۵

 نکته دیگر آنکه در این گزارش تلاش کردیم تمامی مراحل محاسبه را به صورت شفاف منتشر کنیم، طوریکه هر فردی بتواند به صورت جداگانه محاسبات را با دیتای سفارش‌های خود، مجددا انجام دهد. انگیزه ما از انتشار شفاف مراحل، علاوه بر انتقال دانش، این بود که این روش به دلیل شفافیت می تواند به عنوان فریمورکی استاندارد برای تخمین فروش و ارزشگذاری سایر کسب و کارهای تجارت الکترونیک نیز استفاده شود.

محاسبه تعداد سفارش‌ها و متدولوژی

هر سفارش دیجی‌کالا دو عدد منحصر بفرد دارد. یکی از این اعداد «کد سفارش» است که در کنار تاریخ و مبلغ سفارش اعلام می شود (تصویر زیر را نگاه کنید) و عدد دیگر، عددی است که در URL هر سفارش با فرمت لینک زیر ظاهر میشود. از اینجا به بعد به این اعداد موجود در URL، «کد URL» می گوییم. (اعداد عکس و لینک جهت حفظ حریم شخصی تغییر داده شده‌اند.)

/https://www.digikala.com/profile/orders/269170495
/https://www.digikala.com/profile/orders/391661369

ما بعد از اینکه متوجه شدیم این اعداد منحصر بفرد هستند، دیتای حدود ۶۰۰ سفارش را که در شهرهای مختلف و در تاریخ های مختلف در بازه سالهای ۱۴۰۲-۱۳۹۴ انجام شده بودند، جمع کردیم و کدهای URL آنها را استخراج کردیم. خروجی این اعداد را می توانید بر روی نمودار زیر ببینید.

برای این بررسی هم نمودار «کد سفارش» و هم نمودار «کدهای URL» را رسم کردیم. با توجه به اینکه «کدهای URL» سفارش‌ها منظم‌تر و کاملا صعودی بودند، بنابراین از کد های URL برای بررسی بیشتر استفاده کردیم.

پیدا کردن رابطه کدهای URL با تعداد سفارش‌ها

با توجه به صعودی و منحصربفرد بودن این اعداد، میتوان گفت که این اعداد رابطه ای با تعداد سفارش‌ها دارند. اما چه رابطه‌ای؟

این اعداد لزوما نشان دهنده تعداد سفارش نیستند. ما نمی‌دانیم جنس این اعداد چه هست؟ آیا هر بار که سبد خریدی تشکیل میشود عددی ساخته میشود یا با هر بار پرداخت عدد جدیدی ظاهر می شود؟ یا با هر بار سفارش موفق؟

برای اینکه رابطه ای بین اعداد URL و تعداد سفارش‌ها پیدا کنیم، از گزارش امسال روابط عمومی دیجی‌کالا در مورد «کمپین بلک فرایدی» (۱-۷ آذر ۱۴۰۲) استفاده میکنیم. (لینک به گزارش)

در گزارش امسال روابط عمومی آمده است که در جریان «کمپین بلک فرایدی» امسال، بیش از یک میلیون سفارش «ثبت شده» است.

اما بیش از یک میلیون ثبت سفارش لزوما به معنی ۱ میلیون سفارش موفق نیست. سفارش‌ها ممکن است به دلایلی مانند عدم تامین به موقع از طرف تامین کننده، مشکلات حمل و نقل، انصراف خریدار بعد از ثبت سفارش و … لغو شوند. در نتیجه نرخی به نام Fulfillment rate  را تعریف میکنیم که نشان دهنده نسبت سفارشات موفق ارسال شده به سفارشات ثبت شده است. فرض می کنیم این عدد برای دیجی‌کالا برابر ۰.۹ باشد. بنابراین میتوان گفت در بازه ۱-۷ آذر ۱۴۰۲، تعداد سفارش‌های موفق دیجی‌کالا ۹۰۰,۰۰۰ عدد بوده است.

در همین بازه با توجه به دیتایی  که ما داشتیم، متوجه شدیم که اعداد موجود در URL حدود ۱,۶۰۰,۰۰۰ عدد افزایش پیدا کرده است. پس میتوان نسبتی به نام URL to Order Ratio (UOR) تعریف کرد که برابر است با :

بنابراین نسبت تعداد سفارش‌ها به تغییرات عدد URL، در این مورد برابر با ۰.۵۶ می شود.

با توجه به اینکه این عدد احتمالا تعداد سبد خرید تشکیل شده را نشان میدهد. می توان فرض کرد عدد UOR همواره ثابت و برابر ۵۶ درصد بوده (در ادامه این فرض را صحت‌سنجی می‌کنیم) است. با این نسبت و داشتن تغییرات عدد URL، میتوان تعداد سفارش را در هر بازه‌ای محاسبه کرد.

صحت سنجی عدد UOR

با توجه به مهم بودن عدد UOR در محاسبات، تلاش میکنیم این عدد را از دو راه مختلف صحت سنجی کنیم:

صحت سنجی UOR با گزارش‌های قبلی

بنابر گزارش سال ۹۸ دیجی‌کالا، میانگین ارزش سفارش‌ها در آنسال ۴۹۶ هزار تومان بوده است. همچنین بنابر دیتایی که ما از URL سفارش‌ها بدست آوردیم، تغییرات عدد URL در سال ۹۸ برابر با ۲۲.۸ میلیون عدد بوده است؛ که با ضرب کردن آن در عدد UOR به عدد ۱۲.۸ میلیون سفارش سالانه در سال ۹۸ میرسیم. با توجه به این موارد GMV در سال ۹۸ عددی برابر با ۶.۳ همت میشود.

از طرف دیگر آقای وحید فخر در سال ۱۴۰۰  گزارشی را منتشر کرده‌اند (لینک به گزارش) و GMV دیجی‌کالا را از روشی کاملا متفاوت محاسبه کرده‌اند. بنابر محاسبات ایشان عدد GMV در سال ۱۳۹۸ برابر با ۵.۷ همت بوده است. این عدد اختلاف ده درصدی را با عدد ۶.۳ همت محاسبه شده در بالا نشان میدهد و بنابراین میتوان گفت محاسبات بالا و در نتیجه عدد UOR تقریبا درست است.

صحت سنجی عدد UOR با استفاده از گزارش سال ۲۰۲۰ ‌دیجی‌پی

دیجی‌پی که بازوی فینتکی دیجی‌کالاست، در سال ۱۳۹۹ گزارشی را از فعالیت‌هایش در سال ۲۰۲۰ (دی ماه ۱۳۹۸ تا دی ماه ۱۳۹۹) منتشر کرد، از برخی اطلاعات این گزارش می‌توان تعداد سفارش‌های دیجی‌کالا را تخمین زد.

یکی از خدمات دیجی‌پی درگاه هوشمند پرداخت دیجی‌پی است که به عنوان درگاه یکتایی برای کلیه پرداخت های آنلاین دیجی‌کالا و همچنین شارژ کیف پول دیجی‌پی عمل میکند. بدین صورت هر تراکنش شارژ کیف پول یا خرید از دیجی‌کالا، از طریق درگاه هوشمند پرداخت دیجی‌پی انجام می‌شود.

بنابر گزارش سال ۲۰۲۰ دیجی‌پی (لینک به گزارش) در بازه زمانی دی ماه ۱۳۹۸ تا دی ماه ۱۳۹۹ تعداد کل تراکنش های درگاه پرداخت هوشمند دیجی‌پی ۱۷,۷۳۰,۳۱۱ تراکنش بوده است. این تراکنش ها میتواند مربوط به خرید مستقیم از دیجی‌کالا یا شارژ کیف پول دیجی‌پی باشد. از طرف دیگر در همین گزارش ذکر شده است که تعداد تراکنش های شارژ کیف پول دیجی‌پی در همین بازه زمانی، ۸۲۰ هزار عدد بوده است. بنابراین تعداد تراکنش های خرید دیجی‌کالا در بازه زمانی دی ماه ۱۳۹۸ تا دی ماه ۱۳۹۹ برابر با ۱۶,۹۵۰,۳۱۱ تراکنش است.

اگر فرض کنیم برای هر خرید اینترنتی از دیجی‌کالا یک تراکنش انجام شده است، عدد ۱۶,۹۱۰,۳۱۱  نشان دهنده تعداد خریدهای دیجی‌کالا در بازه دی ماه ۱۳۹۸ تا دی ۱۳۹۹ است که به صورت اینترنتی پرداخت شده اند.

اما بخشی از سفارش‌های دیجی‌کالا از روش های غیر آنلاین مانند پرداخت در محل (COD) و… پرداخت می شوند. بنابراین برای محاسبه تعداد کل سفارش‌ها باید سهم سفارش‌های با پرداخت آنلاین از کل سفارش‌ها را حساب کنیم.

بنابر گزارش سال ۱۳۹۹ دیجی‌کالا در سال ۱۳۹۹ درصد کاربرانی که سفارش خود را آنلاین پرداخت کرده اند ۷۹.۶ درصد و در سال ۱۳۹۸ این تعداد برابر با ۵۱.۹ درصد بوده است.

 با توجه به اینکه بازه زمانی ما شامل دی ماه ۱۳۹۸ تا دی ماه ۱۳۹۹ است، از سهم پرداخت آنلاین هر دو سال میانگین وزنی میگیریم.

 با گرفتن میانگین وزنی به این نتیجه می رسیم که در  این بازه ۷۲.۷ درصد کاربران سفارش خود را به صورت آنلاین پرداخت کرده اند. بنابراین تعداد کل سفارش‌ها در این بازه برابر می شود با:

با در نظر گرفتن Fulfillment rate 90 درصدی در این بازه، تعداد سفارشات موفق دیجی‌کالا در این بازه برابر با  20,990,000 عدد می‌شود.

از طرف دیگر در همین بازه زمانی (دی ماه ۱۳۹۸-دی ماه ۱۳۹۹) بنابر دیتایی که ما در اختیار داشتیم، تغییر عدد URL برابر با ۳۶,۹۵۴,۰۰۰ بود. در این حالت نسبت تعداد سفارشات به تغییرات عدد URL برابر با ۰.۵۷ می شود که بار دیگر فرضیه درستی عدد UOR برابر با ۵۶ درصد را تقویت می کند.

محاسبه تعداد سفارش‌های ماهانه

اکنون که عدد UOR را برابر با ۰.۵۶ داریم، میتوانیم با استفاده از نمودار اول و کدهای URL سفارش‌ها، تعداد سفارش‌ها را در بازه های زمانی یک ماهه از فروردین ۹۸ ترسیم کنیم. (نمودار کاملتر در پیوست موجود است)

همچنین با توجه به داده‌های بالا نمودار تجمیعی تعداد سفارشات را رسم کردیم. این نمودار نشان میدهد که رشد تعداد سفارش‌های دیجی‌کالا در این بازه، به صورت خطی بوده است.

محاسبه تعداد سفارش‌های سالانه

در جدول زیر تعداد سفارش‌های سالانه دیجی‌کالا، که مشابه با سفارش‌های ماهانه محاسبه شده را می توانید مشاهده کنید.

همچنین نمودار تعداد سفارشات سالیانه به صورت زیر است:

پیش بینی تعداد سفارش‌ها تا پایان سال ۱۴۰۲

با توجه به اینکه دیتایی که ما بررسی کردیم تا پایان آذر ۱۴۰۲ بود، قصد داریم تعداد سفارش‌ها را تا پایان سال ۱۴۰۲ تخمین بزنیم. برای پیش بینی فروش تا پایان سال ۱۴۰۲، سهم تعداد سفارش‌ها در ۹ ماه اول سال‌های ۱۳۹۸-۱۴۰۱ را نسبت به سهم کل سفارش‌ها در این سال‌ها محاسبه کردیم. نتیجه را می توانید در جدول زیر ببینید. همانطور که میبینید سهم ۹ ماه اول سال به مرور بیشتر شده است. با فرض اینکه سهم فروش ۹ ماه اول امسال از کل سال، برابر با میانگین سال های گذشته باشد، تعداد سفارش‌ها تا پایان سال را در سطر آخر تخمین زدیم.

اکنون که تخمینی از تعداد سفارش‌ها در ماه‌های مختلف را داریم، میتوانیم روند این اتفاقات را بررسی کنیم.

محاسبه نرخ تبدیل Conversion Rate و تحلیلی در مورد راندمان پلتفرم

در یک حالت انتزاعی، نفش محصول در یک پلتفرم ایکامرسی را میتوان به یک «ماشین گرمایی»[۱] تشبیه کرد. همچنان که در یک ماشین گرمایی مثل یک خودرو، هدف این است که بیشترین میزان از انرژی گرمایی ورودی را به انرژی مکانیکی تبدیل کنیم، در یک پلتفرم ایکامرسی هم نقش محصول این است که بیشترین ترافیک ورودی را به سفارش موفق تبدیل کند؛ و البته همزمان میانگین مبلغ سفارش‌ها را نیز در حالت بهینه‌ای قرار دهد.[۲] با پذیرفتن این تشبیه، میتوان راندمان پلتفرم (محصول) را همان نرخ تبدیل درنظر گرفت.

برای محاسبه نرخ تبدیل، ما نیاز به تعداد سفارش‌ها و نیز تعداد بازدید‌های پلتفرم (وبسایت و اپلیکیشن) دیجی‌کالا داریم. نرخ سفارش‌ها را پیش‌تر محاسبه کردیم. در گزارش‌های سالانه دیجی‌کالا نیز، تعداد «بازدیدکننده های یکتای ماهانه» منتشر می‌شود.

اما تعداد بازدیدکننده‌های یکتای ماهانه، لزوما معادل ترافیک ورودی نیست. بنابراین ما اینجا تعریفی از نرخ تبدیل را ارایه میدهیم و بر اساس این تعریف زیر، نرخ تبدیل را محاسبه می‌کنیم. این عدد لزوما برابر تعریف کلاسیک نرخ تبدیل نیست، اما برای مقایسه سال‌های مختلف با یکدیگر مفید است.

با توجه به تعریف بالا، نرخ تبدیل سال‌های مختلف به صورت زیر محاسبه می‌شود.

همچنین تغییرات نرخ تبدیل را میتوانید در نمودار زیر ببینید. نرخ تبدیل در سال ۱۳۹۹ صعودی بوده، اما در سال‌های ۱۴۰۰ و ۱۴۰۱ افت کرده‌ است.

بخشی از این افت می‌تواند به این دلیل باشد که در این سال‌ها دیجی‌کالا تبدیل به مرجعی برای کسب اطلاعات در مورد کالاهای مختلف شده‌ است. برای مثال شخصی هم که قصد خرید آفلاین دارد، برای انتخاب کالای خود ممکن است به دیجی‌کالا سر بزند. این پدیده احتمالا بر روی نرخ تبدیل اثر منفی می‌گذارد. اما لزوما به معنی افت راندمان محصول دیجی‌کالا نیست.

محاسبه میانگین ارزش سفارش‌ها AOV

اکنون که تعداد سفارش را در هر سال محاسبه کردیم، برای محاسبه GMV نیاز به میانگین ارزش سفارش‌ها در هر سال هم داریم.

در گزارش سال ۱۳۹۸ دیجی‌کالا، میانگین ارزش سفارش‌ها در بازه سالهای ۱۳۹۳-۱۳۹۸  ذکر شده است. اگر درستی اطلاعات این گزارش را بپذیریم، میتوانیم با استفاده از میانگین مبلغ تراکنش های خرید از طریق درگاه های پرداخت اینترنتی و همچنین استفاده از شاخص قیمت مصرف کننده (CPI)، میانگین ارزش سفارش‌ها در سال‌های بعد را هم تخمین بزنیم.

محاسبه میانگین ارزش سفارش‌ها از طریق تراکنش‌های شاپرک

یک روش تخمین AOV این است که  میانگین ارزش تراکنش‌های خرید که از طریق درگاه های پرداخت اینترنتی (IPG) انجام شده اند را بررسی کنیم، و با مقایسه آن با میانگین ارزش سفارش‌ها در سال‌های ۱۳۹۳-۱۳۹۸ که قبلا توسط دیجی‌کالا منتشر شده است، میانگین ارزش سفارش‌های دیجی‌کالا را در سال های بعد تخمین بزنیم.

برای این منظور میانگین مبلغ تراکنش های «خرید» که از طریق درگاه پرداخت اینترنتی (IPG) انجام شده‌اند را با استفاده از داده های بانک مرکزی-شاپرک در بازه ۱۳۹۳-۱۴۰۲ محاسبه کردیم. (لینک به منبع داده‌ها). در گزارش بانک مرکزی تعداد تراکنش های خریدی که از طریق درگاه خرید اینترنتی (IPG) انجام شده اند و همچنین مبلغ کل آنها ذکر شده است، با تقسیم این دو، میانگین مبلغ تراکنش های خرید از طریق IPG را محاسبه کردیم.

در مرحله بعد برای بازه ۱۳۹۳-۱۳۹۸ این داده ها را در مقابل داده های میانگین ارزش سفارشی که دیجی‌کالا منتشر کرده است، ترسیم کردیم. خروجی نمودار زیر است. همانگونه که در نمودار دیده میشود، همبستگی نسبتا خوبی بین ان دو عدد برقرار است. (Correlation coefficient =0.75) و بنابراین با توجه به این همبستگی میتوان گفت که احتمالا نسبت این دو در سالهای آینده هم ثابت مانده و خواهد ماند.

همچنین میانگین ارزش سفارش‌های دیجی‌کالا در این بازه بالاتر است و به صورت میانگین ۱.۶۳ برابر میانگین تراکنش های شاپرکی است. این بالاتر بودن میانگین ارزش سفارش‌ها در دیجی‌کالا را میتوان به این علت دانست که در خریدهایی که از دیجی‌کالا انجام میشود، سهم فروش کالای دیجیتیال گران قیمت (موبایل، کامپیوتر و …) بیشتر است و بنابراین منطقی است که این عدد بیشتر باشد. همچنین اگر فرض کنیم افراد متعلق به دهک‌های بالاتر دسترسی بیشتری به دیجی‌کالا دارند و بیشتر هم خرید میکنند، این تفاوت باز هم قابل توجیه است.

با توجه به توضیحات در مورد همبستگی، اگر فرض کنیم نسبت بین میانگین مبلغ تراکنش های دیجی‌کالا با میانگین مبلغ کل تراکنش های خرید از طریق درگاه پرداخت اینترنتی شاپرک، تغییر نکرده است و برابر با ۱.۶۳ مانده است، در این صورت میانگین ارزش سفارش‌ها در سالهای بعد به صورت زیر محاسبه می شود.

محاسبه میانگین ارزش سفارش‌ها با استفاده از شاخص قیمت مصرف کننده

روش دیگر برای محاسبه میانگین ارزش سفارش‌ها، استفاده از شاخص قیمت مصرف کننده (CPI) است. با توجه به اینکه در گزارش سال ۱۳۹۸ دیجی‌کالا میانگین ارزش سفارش‌های برای سال‌های گذشته اعلام شده است، میتوانیم فرض کنیم در طی سالهای بعد نیز میانگین ارزش سفارش‌ها دقیقا به اندازه شاخص قیمت مصرف کننده خانوارهای شهری رشد داشته است.

برای صحت سنجی این فرض با توجه به اینکه مطابق گزارش سال ۹۸ دیجی‌کالا میانگین ارزش سفارش‌ها را در سال‌های ۱۳۹۳-۱۳۹۸ داریم، سال ۱۳۹۳ را مبنا در نظر گرفتیم و با استفاده از شاخص قیمت مصرف کننده خانوار شهری، میانگین ارزش سفارش‌ها را برای سال‌های ۹۴-۹۸ محاسبه کردیم. یعنی برای مثال میانگین ارزش سفارش‌ها در سال ۱۳۹۷ را به صورت زیر محاسبه کردیم:

خروجی را در نمودار زیر می توانید ببینید.

همانگونه که می‌بینید عملا همبستگی ای بین این دو سری از داده‌ها وجود ندارد. میانگین ارزش ‌سفارش‌های دیجی‌کالا در بعضی سالهای این بازه نزولی بوده است، اما شاخص قیمت مصرف کننده همواره صعودی بوده است.

از این نمودار نتیجه میگیریم که شاخص قیمت مصرف کننده معیار مناسبی برای تخمین میانگین ارزش‌ سفارش‌ها، حداقل در این بازه (۱۳۹۳-۱۳۹۸)، نیست. اما ممکن است در سالهای بعدتر که تنوع کالایی دیجی‌کالا افزایش یافته و با افزوده شدن بخش فروش کالاهای FMCG، سبد خرید کاربران به سبد خرید مصرف کننده نزدیکتر شده است و هم اینکه با رشد دیجی‌کالا، کاربران آن بخش های متنوع‌تری از مردم را در بر گرفته است، شاخص قیمت مصرف کننده معیار مناسبی باشد.

برای همین منظور در بازه ۱۳۹۸-۱۴۰۲ نیز میانگین ارزش سفارش‌ها را با استفاده از CPI خانوار شهری تخمین میزنیم. این بار مبنای تخمین را سال ۱۳۹۸ در نظر میگیریم. برای مثال میانگین ارزش سفارش‌ها در سال ۱۴۰۱ را به صورت زیر محاسبه می‌کنیم:

 خروجی تخمین این بازه را در جدول زیر میتوانید ببینید.

مقایسه دو روش محاسبه AOV

اکنون که  AOV سال های ۱۴۰۲-۱۳۹۸ را با هردو روش تخمین زدیم، میتوانیم مقدار آنها را مقایسه کنیم.

این اعداد را میتوانید در جدول زیر نیز ببینید:

همانطور که میبینید اختلاف این دو روش محاسبه مقداری کم شده است و حتی در سال ۱۴۰۱ به ۲.۵ درصد رسیده است.

با توجه به اینکه به نظر میرسد اختلاف این دو تخمین کاهشی است و همچنین با گذشت زمان شاهد بلوغ پلتفرم دیجی‌کالا و نزدیک شدن سبد خرید دیجی‌کالا به سبد خرید مصرف کننده هستیم، ما برای تخمین های بعدی از CPI استفاده میکنیم. با اینحال لازم است اشاره کنیم هیچ‌کدام از این دو روش تخمین درستی برای AOV نیستند و ما چون روش دیگری برای محاسبه AOV نداریم، ناچارا از این دو روش استفاده کردیم.

محاسبه GMV

اکنون که تعداد سفارش‌های سالانه و همچنین میانگین ارزش سفارش‌ها را داریم، می‌توانیم GMV را در سال‌های مختلف تخمین بزنیم.

نمودار فروش ناخالص کالا (GMV) هم به صورت زیر است:

ارزشگذاری دیجی‌کالا

برای ارزشگذاری دیجی‌کالا ما از روش  Multiple استفاده میکنیم. با توجه به نزدیکی نوع کسب و کار افق کوروش به دیجی‌کالا و همچنین بورسی بودن آن که باعث میشود صورت ‌های مالی آن در وبسایت بورس و کدال موجود باشد، از شرکت فروشگاه های افق کوروش به عنوان معیاری برای تخمین ارزش دیجی‌کالا استفاده می‌کنیم.

برای این منظور نسبت ارزش کسب و کار (Enterprise Value) به میزان کل فروش افق کوروش (Sales) را محاسبه میکنیم. این نسبت EV/S نامیده میشود. با توجه به تشابه دیجی‌کالا و افق کوروش فرض میکنیم این نسبت برای هر دو برابر است. از آنجایی هم که میزان فروش ناخالص `(GMV) دیجی‌کالا را داریم، با داشتن نسبت EV/S می توانیم ارزش دیجی‌کالا را محاسبه کنیم.

محاسبه نسبت EV/S

با توجه به اینکه فروشگاه های زنجیره ای افق کوروش یک شرکت بورسی است، صورت های مالی آن در سایت کدال موجود است. در انتهای سال ۱۴۰۱ میزان کل فروش افق کوروش و همچنین ارزش آن به صورت زیر است. (منبع)

در این حالت نسبت EV/S هم به صورت زیر محاسبه می‌شود. (منبع)

محاسبه ارزش دیجی‌کالا

اکنون که ضریب EV/S را برای دیجی‌کالا داریم، با استفاده از داده های مربوط به GMV سال ۱۴۰۱ که در بخش ۳ محاسبه کردیم، میتوانیم ارزش دیجی‌کالا را محاسبه کنیم. با توجه به اینکه دیجی‌کالا هنوز IPO نشده است، با در نظر گرفتن ضریب تخفیف عدم نقدشوندگی (DLOM) برابر با ۲۰ درصد، ارزش دیجی‌کالا در پایان سال ۱۴۰۱ به صورت زیر محاسبه می شود:

بنابراین ارزش دیجی‌کالا برابر با ۱۹ هزار و ۹۷۲ میلیارد تومان محاسبه می شود. با توجه به نرخ برابری دلار در تاریخ ۲۸ اسفند ۱۴۰۱، (۴۸,۳۰۰ تومان) ارزش دلاری دیجی‌کالا معادل ۴۱۳ میلیون دلار است.

آنالیز حساسیت

از آنجایی که مقادیر در نظر گرفته شده برای EV/S و همچنین ضریب DLOM مقداری قابل بحث هستند. در شکل پایین میتوانید با درج مقدار دلخواه برای هرکدام از این دو پارامتر، ارزش دیجی‌کالا را با توجه به فرمول بالا محاسبه کنید.

همچنین جدول آنالیز حساسیت را با توجه به مقادیر مختلف DLOM و ضریب EV/S  در پایین میتوانید ببینید.

جدول آنالیز حساسیت برای ارزش دلاری را هم میتوانید در پایین ببینید.

سلب مسئولیت و بررسی خطاهای محاسباتی

این گزارش بر اساس اطلاعات بیرونی ای که تقریبا برای هر مشتری دیجی‌کالا قابل جمع آوری است، بدون دسترسی داشتن به اطلاعات داخلی و با درنظر گرفتن فرضیاتی آماده شده است. هرچند که ما تلاش کردیم تا جای ممکن فرضیات و داده‌هایی که مبنای محاسبات قرار گرفته‌اند را راستی آزمایی کنیم و روش محاسبه را شفاف اعلام کنیم، اما لزومی بر درست بودن این فرضیات وجود ندارد. در نتیجه نتایج این گزارش لزوما دقیق نیست و نباید به تنهایی معیاری برای تصمیم گیری قرار بگیرد.

نویسندگان این گزارش اعلام میکنند که هیچ تضاد منافعی که بر روی نتایج این گزارش اثرگذار باشد، ندارند. هدف این گزارش بیش از هرچیزی فراهم کردن زمینه‌ای برای انتقال دانش در مورد تحلیل کسب و کارهای ایکامرسی است و باید صرفا به عنوان یک منبع آموزشی دیده شود.

در ادامه خطاهای احتمالی موجود در فرآیند ارزشگذاری را بررسی  می‌کنیم.

ما در فرآیند ارزشگذاری از دو رابطه زیر استفاده کردیم.

بنابراین پارامترهای اثرگذاری بر ارزشگذاری دیجی‌کالا، تعداد سفارش‌ها، میانگین ارزش سفارش‌ها، ضریب (Multiple) و همچنین ضریب DLOM هستند.

هرکدام از جمله‌های بالا ممکن است دچار خطا شوند. خطای جمله DLOM وابسته به خود مقدار DLOM است، برای سادگی از آن صرف نظر میکنیم، همچنین میزان Multiple هم به پارامترهای بسیار متفاوتی بستگی دارد. حتی اگر از هردوی این پارامترها صرف نظر کنیم و در نهایت فقط خطای مربوط به GMV شامل تعداد سفارشات و میانگین ارزش سفارش‌ها را در نظر بگیریم و هرکدام از این دو معادل ده درصد خطا داشته باشند، با توجه به رابطه شماره ۳، ارزش محاسبه شده برای دیجی‌کالا بین ۰.۸۱ تا ۱.۲۱ برابر مقدار واقعی نوسان خواهد داشت.

از آنجایی که ما به دیتای داخلی دیجی‌کالا دسترسی نداشتیم، احتمالا هرکدام از اعداد ما بسیار بیشتر از ده درصد خطا داشته باشند. بنابراین GMV محاسبه شده نیز خطایی حدودا ۲۰ درصدی خواهد داشت. این خطا مخصوصا در مورد عدد AOV احتمالا مهم است.

بر خلاف تعداد سفارش‌ها که هم راهی برای تخمین زدن مقدار آن داشتیم و هم تلاش کردیم از دو راه مختلف مقدار آن را راستی آزمایی کنیم، ما عملا راهی برای تخمین AOV نداریم؛ و به ناچار از CPI و تراکنش‌های خرید IPG استفاده کردیم. اما هیچکدام از این دو تخمین دقیقی به ما نمی‌دهند. سهم تعدادی دیجی‌کالا از تراکنش‌های خرید حدود ۱.۵ درصد است و بنابراین تراکنش‌های خرید شاپرک چندان نمی‌توانند تقریب خوبی باشند. از طرف دیگر شاخص قیمت مصرف کننده هم به دلیل متفاوت بودن سبد خرید دیجی‌کالا از سبد خرید معیار CPI و همچنین تغییر رفتار مصرف کننده به علت کاهش درآمدها، چندان معیار دقیقی برای تخمین نیست.

پیوست

نمودارهای تعداد سفارش‌های ماهانه بازه فروردین ۱۳۹۸ تا آذرماه ۱۴۰۲ و همچنین تعداد تجمیعی سفارش‌ها را در صفحات بعد می توانید ببینید. برای دیدن تصویر کامل صفحه خود را بچرخانید.

محاسبه میزان آلایندگی دیجی‌کالا

کسب و کارهای ایکامرسی در کنار مزایایی مانند ساده‌کردن فرآیند خرید، همزمان مانند هر کسب و کار دیگری اثرات مخرب محیط زیستی هم دارند.

برای کسب و کاری مانند دیجی‌کالا این اثرات مخرب شامل،آلایندگی ناشی از حمل و نقل، آلایندگی ناشی از بسته بندی، آلایندگی ناشی از کارهای محاسباتی (بازدید از وبسایت)، تغییر رفتار مصرف کننده و خرید بیشتر به خاطر سادگی فرآیند و … می شود.

فرآیند فروش کالا در پلتفرم دیجی‌کالا و بخش ارسال سفارش‌ها

محاسبه میزان کل آلایندگی نیاز به اطلاعات فراوانی دارد. برای مثال اگر فرض کنیم که فقط قصد داشته باشیم آلایندگی ناشی از ارسال سفارش‌ها (قسمت خط چین در شکل بالا) را محاسبه کنیم به اطلاعات زیر نیاز داریم:

۱-سهم هرکدام از روش‌های ارسال دیجی‌کالا از کل سفارشات و همچنین ترکیب ناوگان مورد استفاده برای حمل سفارشات

۲- مسافت طی شده برای تحویل سفارش‌ها (برخی از سفارش از محل فروشنده به محل خریدار ارسال میشوند)

۳- درصد کالاهای بازگشتی یا مرجوعی و …

هرچند که تخمین زدن بخشی از این اطلاعات از بیرون امکان پذیر است، اما با خطای زیادی همراه خواهد بود. از طرف دیگر با توجه به اینکه پارامترهای زیادی در این محاسبه دخیل هستند، در ادامه تلاش میکنیم میزان انتشار گازهای گلخانه‌ای دیجی‌کالا را تخمین بزنیم. اما امیدواریم خود دیجی‌کالا همانند بسیاری از کسب و کارهای مشابه خارجی، به صورت داوطلبانه اثرات محیط زیستی خود از جمله ردپای کربن را محاسبه و منتشر کند. به خصوص که در این زمینه دیتای چندانی هم برای انجام تحقیقات مستقل وجود ندارد.

در گزارش سال ۱۳۹۸ دیجی‌کالا، مسافت طی شده توسط ناوگان دیجی‌کالا برای تحویل سفارشات ۳۳ میلیون کیلومتر اعلام شده است. همچنین اعلام شده است که مشتریان دیجی‌کالا با خرید آنلاین از دیجی‌کالا، ۱۹ میلیون تن کربن کمتری منتشر کرده‌اند. از این اعداد میتوان برای یک تخمین اولیه استفاده کرد. اما هیچکدام از این اعداد به نظر دقیق نمی آیند.

برای مثال در مورد ۳۳ میلیون کیلومتر مسافت طی شده، با توجه به اینکه ما تعداد سفارشات را در سال ۱۳۹۸، ۱۲.۸ میلیون عدد تخمین میزنیم؛ میانگین مسافت طی شده برای تحویل هر سفارش ۲.۶ کیلومتر خواهد شد. با توجه به اینکه عمده سفارشات دیجی‌کالا از مرکز پرداز دانش (واقع در شادآباد تهران) ارسال می‌شوند، این عدد حتی برای سفارشات شهر تهران نیز احتمالا درست نیست. (تصویر زیر را ببینید)

از طرف دیگر عدد ۱۹ میلیون تن صرفه جویی در انتشار کربن هم به نظر دقیق نیست. برای مثال در شهر تهران، میزان کل انتشار کربن ناشی از بخش حمل و نقل در سال ۲۰۱۷ میلادی (۱۳۹۶-۱۳۹۵ شمسی) حدود ۱۴ میلیون تن بوده است و بنابراین عدد ۱۹ میلیون تن صرفه جویی -حتی در طی چندین سال-احتمالا دقیق نیست.

محاسبه میزان گازهای گلخانه‌ای منتشر شده

در نهایت برای محاسبه میزان انتشار کربن دیجی‌کالا با توجه به فقدان دیتا، ما به ناچار از مقاله زیر برای تخمین میزان آلایندگی استفاده می‌کنیم.

Buldeo Rai, Heleen, Sabrina Touami, and Laetitia Dablanc. “Not All E-commerce Emits Equally: Systematic Quantitative Review of Online and Store Purchases’ Carbon Footprint.” Environmental Science & Technology 57.1 (2022): 708-718.

نویسندگان  این مقاله با بررسی پارامترهای مختلف، میانگین میزان انتشار کربن در هر خرید آنلاین را محاسبه کرده‌اند. در این محاسبات، آلایندگی ناشی از بسته بندی، تحویل کالا، برگشت کالاها، رفتار کاربر مانند بازدید وبسایت و همچنین انتقال کالا از محل تولید تا محل مصرف در نظر گرفته شده است.

البته این مقاله فقط میزان انتشار گازهای گلخانه‌ای را بر حسب معادل کربن (CO2-equivalent) محاسبه کرده است. در حالیکه وسایل حمل و نقل گازهای دیگری که لزوما اثر گلخانه‌ای ندارند، اما باعث آلودگی هوا میشوند مانند CO و همچنین VOC ها منتشر می‌کنند.

خروجی این مقاله نشان میدهد که میزان متوسط انتشار کربن با در نظر گرفتن بسته بندی به ازای هر سفارش، ۲,۱۰۰ گرم است. با داشتن این عدد، میتوانیم میزان انتشار کربن را در سال‌های مختلف محاسبه کنیم.

هر درخت در طول یکسال به طور متوسط ۲۱ کیلوگرم دی‌اکسیدکربن را جذب میکند، بنابراین میزان کربن منتشر شده در سال ۱۴۰۱ توسط دیجی‌کالا، معادل کربن جذب شده توسط ۲ میلیون و ۳۷۰ هزار اصله درخت است.

آلاینده‌های غیر گلخانه‌ای

همانطور که اشاره کردیم، وسایل حمل و نقلی آلاینده‌هایی غیر از گازهای گلخانه‌ای هم منتشر میکنند. معمولا در بررسی میزان آلایندگی، تمرکز بر گازهای گلخانه‌ای است، اما به خصوص در شهرهایی مانند تهران و سایر کلانشهرهای ایران که مشکل آلودگی هوا را داریم، باید به آلاینده‌هایی که اثر گلخانه‌ای ندارند، اما بر آلودگی هوا اثر گذارند توجه کرد.

در ناوگان دیجی‌کالا از خودروهای با سوخت فسیلی (خودروهای با موتور احتراق داخلی) برای تحویل سفارش‌ها استفاده میشود. آلایندگی ناشی از موتورهای احتراق داخلی خودروها دو اثر مهم محیط زیستی دارد:

1. انتشار گازهای گلخانه‌ای (شامل CO_۲ و NOx) که در حالت کلی‌تر باعث گرمایش جهانی و تغییرات اقلیم می شوند.(محاسبه شده در بخش ۵-۱)
2. انتشار گازهایی مانند CO، NOxو همچنین VOC که بر روی آلودگی هوای تهران و سایر مناطق اثر می‌گذارند.

در حالت ایده‌آل، وقتی سوخت (بنزین) در یک موتور احتراق داخلی می سوزد، واکنش زیر اتفاق می افتد:

محصولات تولیدی این واکنش، بخار آب و دی اکسید کربن هستند. البته که هر دوی این گازها، به عنوان گازهای گلخانه ای عمل میکنند و باعث گرمایش جهانی و تغییرات اقلیم می شود.

اما در عمل، اتفاقات بدتری هم رخ میدهند. به خاطر کمبود اکسیژن و همچنین دمای بالای موتور، واکنشی که در عمل اتفاق می افتد به صورت است: (منبع)

در این حالت موارد دیگری مثل NOX، CO و HC هم تولید می شوند.

تولید CO و HC به خاطر کمبود اکسیژن و مناسب نبودن ترکیب سوخت-هوا در موتور است. وقتی به اندازه کافی اکسیژن موجود نباشد، واکنش سوختن کامل نشده و مونواکسیدکربن تولید میشود. مونواکسیدکربن همان گازی است که اگر دودکش بخاری مناسب نباشد، باعث خفگی می‌شود. این گاز مخصوصا در موتور سیکلت‌های فعلی فعال در ایران که از کاربراتور استفاده می کنند و ترکیب سوخت-هوا در آنها استاندارد نیست، به میزان بسیار بیشتری از حد مجاز منتشر میشود. 

تولید NOx هم به خاطر دمای بالای موتور اتفاق می افتد. NOx دو اثر مخرب قابل مشاهده دارد: تولید مه و همچنین تولید باران اسیدی. 

برای محاسبه میزان انتشار این آلاینده‌ها هم به اطلاعات ناوگان، مسیر حمل و نقل و … نیاز داریم که متاسفانه از بیرون در دسترس نیستند. امیدواریم دیجی‌کالا و سایر شرکت‌ها ایکامرسی به صورت داوطلبانه در این مورد پیش قدم شوند و میزان آلایندگی ناشی از فعالیت‌های خود را منتشر کنند. به خصوص که بعضی از این شرکت‌ها در بخشی از ناوگان‌شان از موتور سیکلت‌های کاربراتوری استفاده می‌کنند.

بررسی تعداد تراکنش‌های دیجی‌کالا در زمان اتفاقات مهم بیرونی

با توجه به اینکه ما تعداد سفارش‌های دیجی‌کالا را با تقریب خوبی تخمین زدیم، اکنون این امکان را داریم که داده‌های تعداد سفارش را تحلیل کنیم.

بررسی رابطه بین تعداد تراکنش‌های دیجی‌کالا و تعداد تراکنش‌های خرید اینترنتی

در گزارش‌های بانک مرکزی، تعداد تراکنش‌های خرید از طریق درگاه‌های پرداخت اینترنتی (IPG) به تفکیک ماه منتشر میشود. ما با توجه به داده‌هایی که از تعداد سفارشات دیجی‌کالا داریم، نمودار تعداد سفارشات دیجی‌کالا و همچنین تعداد تراکنش‌های خرید IPG را رسم کردیم. همانطور که می‌بینید همبستگی نسبتا خوبی بین این دو برقرار است (Correlation coefficient=0.71). بنابراین در صورت موجود نبودن اطلاعات تعداد سفارش‌ها، بعدا میتوان از تراکنش‌های شاپرک برای تخمین تعداد سفارش‌های دیجی‌کالا استفاده کرد. (برای مقایسه بهتر تراکنش های دیجی‌کالا را با ضریب ۵۰ رسم کرده‌ایم.)

در بهار و تابستان ۱۳۹۹ تعداد تراکنش‌های خرید شاپرک رشد زیادی داشته است. به طوری که فاصله زیادی با تعداد تراکنش های دیجی‌کالا پیدا کرده است. این موضوع میتواند دلایل مختلفی داشته باشد، از جمله شروع پاندمی کرونا و تقاضای بیشتر برای خرید‌های آنلاین. اما با توجه به افزایش میانگین مبلغ تراکنش‌های خرید شاپرک در این بازه، یک فرضیه این است که عمده این افزایش به خاطر استقال مردم از بازار بورس بوده است.

همچنین همانطور که در نمودار میبینید، فاصله بین تعداد تراکنش‌های دیجی‌کالا و تراکنش‌های خرید از IPG از ابتدای سال ۱۴۰۱ افزایش یافته است. بخشی از این میتواند به علت افزایش استفاده کاربران از سایر سرویس‌های آنلاین باشد، که باعث کاهش سهمی کلی دیجی‌کالا از تعداد تراکنش ‌ها شده است.

در این سال‌ها اگر فرض کنیم رابطه یک به یک بین تراکنش‌های دیجی‌کالا و سفارش‌های دیجی‌کالا وجود دارد (یعنی هر سفارش فقط با یک تراکنش انجام شده است و هر تراکنش هم صرفا برای یک خرید انجام شده است)، میتوان سهم دیجی‌کالا را از تعداد کل تراکنش‌ها به صورت زیر نشان داد. میانگین سهم دیجی‌کالا از کل تراکنش‌های خرید از طریق IPG هم ۱.۴۷ درصد بوده است.

بررسی رابطه مبلغ کل تراکنش‌های دیجی‌کالا و سهم از کل خرید‌های اینترنتی

بررسی دیگری که میتوان انجام داد بررسی رابطه بین مبلغ کل خرید از دیجی‌کالا و کل خرید‌های از طریق IPG است.

با توجه به اینکه ما تعداد تراکنش‌های ماهانه دیجی‌کالا و تخمینی هم از مقدار AOV داشتیم، مبلغ کل خرید از طریق دیجی‌کالا را با مبلغ کل خرید‌های اینترنتی از طریق IPG مقایسه کردیم. خروجی مطابق نمودار زیر است.

به صورت میانگین ماهانه حدود ۳ درصد مبلغ تراکنش‌های خرید از طریق IPG مربوط به دیجی‌کالا است.

بررسی اثر اتفاقات بیرونی بر تعداد تراکنش‌های دیجی‌کالا

در بازه سال‌های ۱۳۹۸ تا ۱۴۰۲ اتفاقات مهم بیرونی رخ دادند. در این بخش تلاش میکنیم بخشی از این اتفاقات و اثرشان بر سفارشات دیجی‌کالا را بررسی کنیم.

اعتراضات آبان ۱۳۹۸ و قطعی اینترنت

با شروع اعتراضات بعد از گرانی بنزین، اینترنت ایران در بازه ۲۵ آبان ۱۳۹۸ تا ۳ آذر ۱۳۹۸ به طور کامل قطع شد. بررسی تراکنش‌های دیجی‌کالا در این بازه نشان می‌دهد که این قطعی اینترنت تاثیری بر روی سفارش‌های دیجی‌کالا نداشته است، یا حداقل باعث کم شدن تعداد سفارشات نشده است.

اما بررسی تراکنش‌های خرید شاپرک نشان میدهد که تعداد خرید‌های اینترنتی در آبان ۱۳۹۸، نسبت به ماه‌های قبل و بعد حدود ۸ درصد کاهش یافته است.

پاندمی کرونا

با شروع پاندمی کرونا از اسفند ۹۸ و محدودیت‌های خرید حضوری مانند محدودیت تردد شبانه و همچنین قرنطینه، انتظار میرود که تعداد سفارشات افزایش یافته باشد. تعداد سفارش‌های دیجی‌کالا در فروردین و در اردیبهشت ۱۳۹۹ نسبت به اسفند ۱۳۹۸ به ترتیب ۳۵ و ۲۵ درصد افزایش یافته است. همچنین تعداد تراکنش‌های خرید از طریق IPG نیز در اردیبهشت ماه ۵۰ درصد و در فرودین ۵ درصد (هردو نسبت به اسفند) افزایش داشته اند.

البته با با توجه به محدودیت های ظرفیت دیجیکالا لزوما کل  افزایش تقاضای ناشی از پاندمی به صورت فوری در افزایش تعداد سفارشها قابل مشاهده نیست.

اعتراضات ۱۴۰۱ و فیلترینگ اینستاگرام

اعتراضات سال ۱۴۰۱ از اواخر شهریور شروع شد، که این اعتراضات با فیلترینگ اینستاگرام هم همراه بود. تعداد سفارش‌های دیجی‌کالا در مهرماه حدود ۹ درصد نسبت به شهریور ماه کاهش یافته است و این کاهش تا ماه آذر هم ادامه داشته و در آذر ماه تعداد سفارش‌ها دوباره از مقدار فروش در شهریور بیشتر شده است.

در همین فاصله تعداد تراکنش‌های خرید اینترنتی از طریق شاپرک هم حدود ۱۵ درصد کاهش داشته است.

تاثیر کمپین‌های تبلیغاتی

دیجی‌کالا هر سال کمپین های تبلیغاتی را در روزهای «بلک فرایدی» و همچنین «شب یلدا» پیش میبرد. هر دوی این کمپین‌ها در آذر ماه برگزار می‌شوند. در این گزارش با استفاده از دیتایی که داریم میتوانیم تاثیر کمپین‌های تبلیغاتی در این سال‌ها را بسنجیم.

برای محاسبه اثر کمپین‌ها، ما تعداد سفارش‌های ماه آذر هر سال را با تعداد سفارش‌های آبان همان سال مقایسه می‌کنیم.

همچنین با توجه به اینکه دیجی‌کالا در سال ۱۴۰۱ کمپینی را در این دو تاریخ (بلک فرایدی و شب یلدا) برگزار نکرده است، میتوان اثر کلی کمپین‌ها را محاسبه کرد.

با توجه به اعداد بالا می‌توان گفت کمپین‌های دیجی‌کالا در بلک فرایدی و دی‌ماه به طور متوسط باعث ۲۳ درصد افزایش تعداد سفارشات شده‌اند. در سال ۱۴۰۱ که دیجی‌کالا در این تاریخ‌ها کمپینی برگزار نکرد، تعداد سفارش‌ها فقط ۷ درصد افزایش یافته است.

البته کماکان با قطعیت نمیتوان رابطه علی‌ای بین کمپین‌ها و افزایش فروش متصور شد. به خصوص که تنها داده قابل اتکا سال ۱۴۰۱ است و این سال به دلیل بروز اعتراضات، نمونه قابل اتکایی برای بررسی نیست.

پیوست

نمودارهای تعداد سفارش‌های ماهانه بازه فروردین ۱۳۹۸ تا آذرماه ۱۴۰۲ و همچنین تعداد تجمیعی سفارش‌ها را در صفحات بعد می توانید ببینید.

پانویس و ارجاع

[۱] Heat engine

[۲] با توجه به محدود بودن قدرت خرید مصرف‌کننده، معمولا یک تریدآف بین میانگین ارزش سفارش‌ها و تعداد سفارش ها وجود دارد. یعنی با افزایش میانگین ارزش سفارش‌ها، معمولا تعداد خرید کاهش می‌یابد. در نتیجه برخلاف نرخ تبدیل، میانگین ارزش سفارش‌ها یک نقطه بهینه دارد.