Как сеть из 15 магазинов освободила миллионы рублей из «застоявшегося» товара

В кейсе об аналитике для магазинов одежды расскажем, как научиться выявлять трендовые товары за 2 недели, вовремя избавляться от неликвида и увеличить выручку магазина на 36% и маржинальность на 6%.

Заказчик — региональная сеть из 12 магазинов одежды и обуви в Сибири и на Дальнем Востоке. На рынке более 10 лет, сейчас в команде 50 человек, из них два фаундера.

Собственники хотели масштабировать бизнес через модель франшиз, тем самым увеличить выручку с 160-200 млн рублей в год до 1 миллиарда. Но от этой идеи отказались, как только полезли вглубь: личный заработок фаундеров был на уровне 1-1,5 млн в месяц на двоих, при таком объёме выручки должно быть больше.

Решили качать не оборот, а маржинальность бизнеса. Фаундеры были не готовы дополнительно вкладывать инвестиции в рост, потому мы начали искать зоны, где в компании теряются деньги.

Расскажу, почему мы вообще решили заморочиться и строить полноценные BI-системы вместо того, чтобы ограничиться привычным Excel, который уже был в компании.

Когда у тебя один маленький магазинчик, к тебе приходит 20 покупателей и ты торгуешь 3 телевизорами, то никакой BI не нужен. С таким количеством данных Excel спокойно справится. Но если ты торгуешь 15000 товарными единицами в 15 магазинах, то Excel уже не вывезет: у него есть ограничение в 1 млн строк, а в нашем примере их понадобится минимум 5 миллионов, особенно если считать статистику за каждый отдельный день.

Некоторые бизнесы принимают решения только по отчёту ДДС (движение денежных средств): упали деньги на счёт, собственник их со счёта забрал себе в карман. Просто представьте, что вместо всей приборной панели автомобиля вы смотрите только на датчик, показывающий кол-во оставшегося бензина. Все остальные метрики вы игнорируете. Примерно так выглядит управление в бизнесах, где много данных, но нет полноценной BI-системы.

В торговых бизнесах ведение собственной аналитики критически важно, так как бизнес живёт за счёт низкой маржи и высокой оборачиваемости. Даже небольшие потери в показателях выкидывают тебя с рынка. Большинство аналитических сервисов концентрируются на маркетплейсах по этой же причине.

Одной из ключевых метрик мы выбрали GMROI, которая считает оборачиваемость товара и его маржинальность:

Предположим, что есть две компании: Маржиналька и Оборотка. У Маржинальки маржа 100к рублей, но она продаёт 1 единицу товара за месяц. А у Оборотки маржа всего лишь 10к рублей, зато она продаёт 10 единиц товара. И получается, что Маржиналька и Оборотка заработают одинаковую прибыль 100к рублей за месяц, но разными путями.

У нас была гипотеза, что после подсчёта GMROI бизнес клиента сможет сильно бустануться. В торговом бизнесе низкая маржа, поэтому основной рычаг заработка – высокая оборачиваемость. Чем дольше бизнес замораживает деньги в необорачиваемом товаре, тем быстрее их теряет.

Дальше расскажу, какую пользу для заказчика принесла построенная нами аналитика.

Когда мы только начали проект, то предположили, что ключевое узкое место в маркетинге. В магазины приходило мало людей, приходилось устраивать акции, чтобы привлечь покупателей. На рекламу в ВК и наружку тратили около 900к рублей в месяц, которые не окупались.

Но как оказалось дальше, это была не ключевая проблема, а лишь следствие. Вместе с собственниками мы сделали разбор управленческой модели и нашли проблему не в маркетинге, а в управлении компанией.

В закупках любая ошибка в заказе — потеря денег для бизнеса:

– заказал мало — упущенная выручка,

– заказал лишнее — замороженные деньги и неликвид.

В бизнесе заказчика все ключевые рабочие процессы замыкались на одном человеке — закупщике. Он определял ассортимент, закупал новинки по своему вкусу. Анализировал продажи, остатки на складе. Проводил акции во Вконтакте. Работал с неликвидами. Общался с управляющими магазинов. В общем, был тем самым многоруким многоногом.

Такая сильная зависимость от одного человека тормозила рост компании. Чрезмерная нагрузка на закупщика уже сейчас приводила к ошибкам, которые стоили компании упущенной прибыли. А если этот человек вдруг заболеет или вовсе уйдёт, то все процессы остановятся.

Как только мы выяснили, что бизнес так сильно зависит от одного человека, то команда сделала единственно правильное решение: выдала грамоту повысила ключевого сотрудника. Теперь закупщик стал операционным директором, фактически вторым лицом в компании после двух собственников.

—

Когда мы посчитали метрики и сделали дашборд, то увидели, что на складе лежат товары с низкой оборачиваемостью, в которых у бизнеса застревали деньги.

Дашборд на примере ниже позволяет считать оборачиваемость по каждой группе товаров и видеть, какая приносит много денег, а какая мало. Это понятно благодаря GMROI: чем выше показатель, тем выгоднее товарная позиция.

Дальше пошли сравнивать магазины между собой. Разброс показателей был существенным.

Чтобы понять разницу в показателях, мы начали считать конверсию для каждой отдельной точки, сколько людей зашло в магазин и сколько купили, с помощью специальных датчиков. У этой истории вышло интересное продолжение.

Сотрудники отстающих точек жаловались на низкую проходимость магазинов. Мы решили сделать эксперимент, и отправили продавца из успешных магазинов в отстающий. И он в этой точке сделал в 2 раза больше продаж, чем делали предыдущие продавцы.

Благодаря подсчёту GMROI собственники поменяли подход к найму: они стали нанимать не стажёров, а более дорогих ребят, которые хоть и стоили дороже, но быстрее окупались и повышали GMROI каждой конкретной точки.

Дальше мы начали работать с анализом неликвида на складе. По каждому SKU посчитали всю историю и выявили метрику окупаемости: отбили ли потраченные на товар деньги или нет.

Мы решили считать неликвидом товар, не продающийся дольше 45 дней. Важно, что это не единая для всей индустрии метрика, в другой компании показатель может считаться по-другому.

Нам было важно найти точку, после которой закупленная партия себя отбивала. Как только тренд на товар проходил, в этот момент можно было продавать остатки даже ниже себестоимости, чтобы быстрее вернуть деньги и вложить в более маржинальный и окупаемый товар. Когда тренд прошёл, хранить остатки бесполезно, так как деньги замораживаются и не могут быть вложены куда-то ещё.

На рынке есть 3-4 типа кроссовок, которые продаются всегда. А у остальных есть мода, которая длится один или два сезона, и дальше кроссовки уже никому не нужны. Плечо доставки минимум 1 месяц, поэтому нельзя покупать постепенно. Нужно сразу закупить много кроссовок за одну партию.

Обычно сезон начинается в апреле, а заканчивается в августе/сентябре. У компании есть всего 2-3 месяца, чтобы определить трендовый товар, и дозаказать его. Иначе будет поздно. А если ошибиться и заказать не тот товар, то это неликвид, замораживающий деньги и снижающий оборачиваемость.

Раньше категорийный менеджер делал ставку как в казино, зайдёт товар или не зайдёт. Привозил партию наугад, попадал реже, чем ошибался.

Мы решили провести эксперимент на одном магазине и описали процесс оценки новинок. Выявили 7-8 сбалансированных метрик, которые позволили выявить трендовый товар за первые 2-3 недели с точностью в 80%.

До подсчёта метрик собственники думали, что основные продажи идут в апреле/мае. Оказалось, что на самом деле ключевые продажи случаются в последнюю неделю августа. В это время родители покупают обувь для детей в школу. Основную партию обуви привозили только к середине сентября, хотя нужно было везти к началу августа. Поэтому не успевали вовремя влететь в тренд и недозарабатывали выручку.

Теперь благодаря дашбордам стали прозрачными множество показателей:

Раньше нужно было залезать в Мой склад и другие программы и отыскивать эти данные вручную, а сейчас всё видно на одном едином дашборде.

Регулярный подсчёт GMROI и закупка трендовых товаров в экспериментальной точке помогли за два месяца увеличить выручку этой точки на +34,3% и поднять маржинальность на +6,02%.

Помимо результатов в цифрах, команда перестроила процессы принятия решений и перешла на agile-встречи — каждый день теперь начинается с анализа ключевых цифр. Перераспределили роли в команде: закупки, списания, аналитика — всё стало разделено между разными людьми. В отдел закупок дали в помощь ещё одного человека, сформировали полноценный отдел маркетинга.

Выводы из кейса:

Мы ведём свой телеграм-канал, где рассказываем кейсы, как аналитика помогает сэкономить бизнесу деньги, отстроиться от конкурентов и сделать компанию более управляемой. Скоро расскажем, какие шаги в аналитике малый и средний бизнес может сделать самостоятельно. Подписывайтесь на канал.