Публикации

Оптимизация ассортиментной политики. Т.В.Мышляева

Оптимизация  - возможности существенного прироста прибыли, которые от Вас скрывали

 

По мнению ведущего экономиста в области международной торговли П.Кругмана, современная международная и, как следствие, региональная торговля переходит на новый качественный уровень, расширяется ассортимент не только внутри, но и вне товарных категорий, появляются уникальные форматы, каналы дистрибьюции, возникают совершенно новые наборы услуг, ориентированных на гармонизацию торговых операций. Но все это не является непременным залогом получения прибыли. В современных условиях, победителем в жесткой битве конкурентов за потребителя будет тот, кто может оптимально управлять всеми существующими инструментами а, в первую очередь, ассортиментной политикой и получать максимальное количество прибыли с каждого квадратного сантиметра торговых  и производственных площадей.

 

Почему важна грамотная ассортиментная политика?

Управление ассортиментом  - это источник повышения прибыли. Покупатель готов покупать те товары, которые ему нужны сейчас или понадобятся в ближайшем будущем. Именно за это он согласен платить деньги. Для того, чтобы на в ассортименте оказались востребованные товары и необходима грамотная ассортиментная политика.

 

 

Как это возможно?

Регулярная и эффективная оптимизация ассортимента возможна в том случае, когда имеется эффективный, апробированный и простой инструмент управления ассортиментом.

Таким инструментом является технология DataRevision, разработанная исследовательским холдингом RAI. Технология нацелена на мультисессионный анализ изменяющихся показателей движения товарооборота.

Реализация данной технологии позволяет на регулярной основе анализировать текущий ассортимент и вносить коррективы с целью повышения прибыли с 1 квадратногосантиметра торговых площадей.

 

Традиционный инструментарий

Широко используемый и эффективный метод АВС-анализа позволяет определить категории товаров, к которым сотрудники службы закупки должны относится с особым вниманием. С помощью этого метода осуществляется классификация или распределение существующей совокупности соответственно избранным критериям на несколько ключевых групп (как правило не более 3-х), например А, В и С. ABC-анализ базируется на очевидном утверждении того, что незначительная часть ассортимента составляет значительную часть товарооборота.

Идея ABC-анализа строится на основе принципа Парето, который формулируется следующим образом: «За большинство возможных результатов отвечает относительно небольшое число причин». В настоящее время принцип широко известен как «Правило 20/80».

В качестве объектаАВС-анализа  может выступать как отдельная товарная единица, так и товарная группа, поставщик, клиент, заказ и т. п. В качестве предмета анализа можно выбрать: средний или текущий товарный запас в рублях, штуках, коробках или паллетах; объем продаж за период, доходность товара, количество заказов клиентов и т. п.

Основная цель проведения ABC-анализа товаров - понимание того, как и где генерируется доходность компании, агде,напротив,  находятся центры генерации издержек.

 

В чем проблема традиционного АВС-анализа?

Традиционный инструмент очень хорош, многократно апробирован, но, это инструмент  ретроспективного анализа. При опоре только на АВС-анализ, компания, всегда будет идти за рынком, с отставанием в 3 шага. Стратегия «догоняющего» всегда менее эффективная, чем позиции лидера.

 

Использование результатов

Принципы работы с ассортиментными группами позволяют улучшить ситуацию, но значительный резерв увеличения прибыли скрывается именно в формировании принципов работы с товарами внутри группы.

Использование данного резерва для оптимизации ассортимента возможно через  выстраивание приоритетов в отношении товаров внутри товарных групп в рамках применения технологии.

 

На чем это основано? Предпосылки создания технологии DataRevision

Например, в сегодняшней экономической ситуации отчетливо виден процесс изменения структуры потребительских предпочтений. Динамика изменений растет, а структура запросов потребителей  все усложняется – появляются новые характеристики товаров, которые серьезно влияют на спрос, но их невозможно учесть с помощью анализа истории продаж аналогичных товаров.

Ясно одно - товары, которые популярны сегодня,  возможно уже не будут популярны завтра. Они могут перейти с позиций лидеров на позиции аутсайдеров в определенной товарной категории, а могут исчезнуть с рынка. На ротацию товаров влияют многие факторы, ведущие к изменению объема прибыли, например:

  • Изменения в предпочтениях потребителей
  • Изменения в поведении потребителей
  • Текущая стадия жизненного цикла товара
  • Общемировые тренды развития экономик
  • Сезонность
  • Мода (причем не обязательно на сам продукт)
  • Появление товаров-заменителей
  • Тенденции изменение климата
  • Тенденции в социальном взаимодействии

 

Подобная ротация товаров и связанные с этим изменение показателей прибыли требуют систематизации процесса формирования оптимального ассортимента и введения регулярного аудита состояния ассортимента.

 

Если обратится к истории продаж товаров определенной группы, то можно увидеть, что внутри группы товары постоянно меняются местами в рейтинге прибыльности. Это приводит к тому, что в определенный период  времени один товар продается лучше, чем другой. Пример ротации товаров по доходности приведен на рисунке 4. Опираясь на  информацию об истории продаж, можно в первом приближении сформулировать  принципы ротации товаров и построить краткосрочный или среднесрочный прогноз объемов продаж.

 

Почему важно работать именно с товарами внутри группы?

Прибыльность товарной группы в целом определяют ее подгруппы. Но подгруппы товаров постоянно меняются местами в рейтинге прибыльности. Предвидя рост позиций определенного товара, можно успеть вовремя сделать усилие на его продаже и, таким образом, повысить позиции группы в целом, на, казалось бы, пустом месте. Но данную ротацию  товаров в рейтинге прибыльности невозможно предвидеть, если опираться только на традиционный инструментарий. Здесь используется стратегия «снятия сливок», а сливки сложно снимать, после того, как волна потребности в конкретном товаре пошла на убыль. Ведь мы оцениваем потенциал товара при использовании АВС – анализа только после того, как этот потенциал уже проявился, то есть, когда большинство покупателей удовлетворило свои потребности и товар стал терять популярность. Следовательно, опора только на АВС-анализ может привести к неприятным последствиям, когда в ассортименте будут преимущественно банальные товары «вчерашнего дня». Разве они нужны потребителю ?

 

Именно поэтому данных АВС-анализа не всегда бывает достаточно для формирования прогноза, позволяющего извлекать прибыль из естественной ротации товаров. Существуют, как минимум,  три ключевые причины, вследствие которых информацию  об истории продаж необходимо дополнить информацией об изменениях во внешней среде:

  • Отсутствие  или недостаточность истории продаж по анализируемым товарам;
  • Ограниченные возможности анализа - учитываются  только сезонные колебания спроса;
  • Необходимость интеграции внешней информации в процедуру АВС-анализа.

 

Стоит отдельно отметить, что внедрение технологии DataRevision в целях оптимизации ассортимента  в равной мере полезно как в производственной компании, так и в торгово-закупочной компании, так как позволяет в первом случае заранее настроить производственные мощности на выпуск максимально востребованного товара, а во втором случае позволяет строить политику закупок на принципах максимизации извлекаемой прибыли.

 

 

 

Рис. 1. Пример ротации продаж внутри товарной группы

 

Практика как торговых, так и производственных компаний  показывает, что если уделить внимание товару в период его «расцвета», когда по терминологии  BCG(Бостонской консалтинговой группы) он становится «Звездой», то объем прибыли по данному товару может возрасти от 20% до 40%. Данный вывод проистекает из того факта, что все типы рынков претерпевают качественные изменения. Фактор времени приобретает ключевое значение – максимально заработать на товаре можно только в определенный период времени и те компании, в руках которых будет инструмент идентификации этого периода и время на подготовку, смогут существенно улучшить показатели своей деятельности.

 

 

Что для этого необходимо?

Для этого необходимы, как минимум, два инструмента. Во-первых, регулярный  АВС-анализ  истории продаж. А во-вторых, инструмент обратной связи  с покупателем, целью которого является создание  прогноза востребованности того или иного товара внутри товарной категории.

 

Если  анализ истории ротаций товаров внутри категории  продаж достаточно прозрачен и подлежит переводу в системный вид, то относительно  инструмента обратной связи с потребителем необходимо сделать пояснение. В данном случае инструмент обратной связи представляет собой совокупность методов сбора внешней информации и интеграции ее в общую  процедуру АВС-анализа.

 

 

Как это работает?

Для того чтобы запустить процесс оптимизации ассортимента, необходимо определить последовательность действий. 

Первый шаг  - согласование параметров внутренней и внешней информации. Появляется ряд требований к формату предоставления содержания внешней информации, в частности:

  • Регулярность поставки внешней  информации
  • Инструментальная применимость содержания
  • Измеримость содержания информации, возможности сравнения с предыдущими периодами
  • Фиксированное количество отслеживаемых параметров внешней информации.

Таким образом, внешняя информация, с одной стороны, должна иметь схожий формат для состыковки с внутренней информацией, а с другой стороны, должна позволять формировать линию тренда на краткосрочную перспективу в соответствие с векторами развития потребительских предпочтений. Но главное требование состоит в том, что  внешняя информация должна структурировано встраиваться в процедуру АВС-анализа.

 

Второй шаг  - определение содержания собираемой внешней информации. В технологии DataRevision данные о предпочтениях покупателей собираются по трем ключевым направлениям:

1. Соотношение реальной и ожидаемой стоимости товара;

2. Соотношение реального и ожидаемого качества товара;

3. Соотношение реальной и ожидаемой степени новизны (инновативности) товара.

 

 

 

В инструментальном плане эти данные могут выглядеть следующим образом:

1. Мониторинг восприятия цены определенного товара по разработанной шкале.

2. Мониторинг оценки качества товара по 5 параметрам, сводимым в общую оценку по разработанной шкале.

3. Мониторинг оценки новизны товара и соответствия ключевым потребностям, которые он должен удовлетворять.

Формат сбора данной информации определяется, исходя из типа товаров в ассортиментной матрице. Напрмер, для товаров FMCG достаточным для выявления тенденций будет ежеквартальный опрос 1000 человек в 3 регионах. Но в наиболее общем виде наиболее пригодны для данных целей результаты синдикативных исследований.

 

Третий шаг  - определение формата представления внешней информации. Для удобства анализа данные оформляются в виде индексов, описывающих обозначенные соотношения. Сводный индекс по каждому параметру колеблется в диапазоне от 0 до 1. Каждый из индексов можно использовать как отдельно, так и вместе, формируя общий индекс.

 

Четвертый шаг - определение методов сбора информации. Исходя из исследовательской практики, аналогичный  формат внешней информации в наиболее полной мере обеспечивает комплексное исследование предпочтений потребителей, проводимое регулярно.  Но расчет данных индексов на основе регулярного полномасштабного исследования может свести на нет экономический эффект от оптимизации ассортимента в целом.  Для оптимизации затрат на регулярное получение внешней информации создана технология многомерного регулярного анализа данных о направлениях изменения потребительских предпочтений DataRevision, в рамках которых аккумулируются данные из нескольких независимых  источников.  В качестве источников данных используется ряд  синдикативных исследований, проводимых в большинстве регионов России. Сбор данных происходит регулярно, что позволяет формировать историю и корректировать используемые инструменты прогнозов.

Пятый шаг  - определение содержания собираемой внутренней информации. Для использования технологии DataRevision в качестве внутренней информации используются данные АВС-анализа, то есть, данные об объемах продаж и объемах прибыли групп товаров. Эти данные необходимо собирать ежемесячно, в отличие от внешних данных, которые достаточно обновлять ежеквартально.

В описываемой технологии разработан простой и понятный формат совмещения внутренней и внешней информации, который заключается в приведение собранных данных к единой шкале относительных величин.

 

Что в результате?

Практическое применение сводных индексов  в целях оптимизации ассортимента позволяет сформировать прогноз ротации товаров внутри товарной группы в целях повышения  прибыльности предприятия. 

 

Пример внедрения данной технологии  отражен на рисунке 5, где показаны прогнозные возможности технологии DataRevisionв применении к прогнозу объема продаж товара А-(n). На рисунке 5 видно, что в течение января и февраля компания недополучала прибыль, потому что фактический объем продаж был меньше товарного запаса, что привело к дополнительной нагрузке на службу логистики. Тогда как в марте компании понесла убытки в связи с затоваренностью складов. Лишь в апреле прогнозы совпали, что позволили компании извлечь максимальную выгоду. Но в период с мая по июнь происходили значимые изменения, которые возможно было предвидеть при использовании технологии DataRevision. При опоре на историю продаж компания сильно потеряла, так как спрос был явно выше предложения, что увеличило нагрузку на логистику и не позволило компании заработать дополнительную прибыль.

Рассмотрим алгоритм применения технологии DataRevision для анализа данной ситуации. Для формирования прогноза ситуации необходимо в регулярном режиме собирать определенные данные. Пример сбора данных для прогноза на 3 месяца  приведен в Таблице 1.

 

Таблица 1. Пример сбора данных для прогноза на 3 месяца

Внутренние данные

Коэффициент прогноза

Внешние данные

Коэффициент прогноза

1. Объем продаж  Товара А.

2,8

1. Оценка восприятия цены товара.

1,5

2. Норма прибыли на Товар А.

0,3

2. Оценка восприятия качества товара.

0,5

 

 

3. Оценка актуальности ключевых потребностей, удовлетворяемых Товаром А.

1,3

 

 

4. Оценка социально-экономической ситуации.

1,1

Итого

0,84

 

1,08

 

Таким образом, можно оценить объем недополученной прибыли, переведя данные из относительных единиц в валюту продаж товара А. В относительных единицах объем недополученной прибыли составляет 22%.

                                                                                                                           

Рис. 2.Эффективность прогнозных инструментов

 

Таким образом, применение данного анализа позволяет оптимизировать ассортиментную политику,  что в свою очередь ведет к максимизации прибыли, оптимизации товарных запасов, повышению ликвидности компании. Общие принципы разработки и реализации технологии DataRevision таковы, что  при  внедрении в практику торгово-закупочных или производственных предприятий с широким ассортиментом продукции применяемый инструментарий позволяет увеличить прибыль в диапазоне от 9% до 22%.

 

Как это внедрить?

Основным препятствием к использованию  той или иной технологии анализа являются сложности ее внедрения в рабочий процесс. В отношении обсуждаемой технологии процесс анализа и формирования рекомендаций максимально автоматизирован.

В приложение к исследовательской технологии будут необходимы только данные о потребителях, на основании которых строятся сводные индексы. Период обновления данной информации  для типичного потребительского рынка, как правило, не превышает частоты ежеквартального обновления, поскольку исследовательская технология настроена на формирование краткосрочных прогнозов на основе текущих данных, что позволяет несущественно увеличив погрешность анализа значительно сократить частоту и как следствие затраты на его проведение.

 

 

603000 Россия, Нижний Новгород, ул. Звездинка, д. 20Б, п. 4
Тел.: +7 (831) 216 08 01 / +7 (831) 216 08 02 / +7 (831) 216 08 03

Created by GraphitPowered by TreeGraph