Кейс: Применение нестандартного маркетингового анализа для работы с ассортиментом

Кейс: Применение нестандартного маркетингового анализа для работы с ассортиментом

Во время работы с одним из клиентов — компанией, занимающейся продажей крепежа, возникла необходимость детально оценить ассортимент товаров.

Немного предыстории:

У клиента было несколько направлений: B2B-продажи, пара розничных магазинов, B2C-продажи через сайт и маркетплейсы. Модель работы в B2B-направлении строилась исключительно на входящих заявках и фактически была посреднической — своих складских запасов не было, а товар доставлялся со складов сторонних поставщиков.

Менеджеры по продажам одновременно выполняли функции закупщиков, что привело к накоплению складских запасов. Например, если клиенту требовалось два болта, менеджер закупал десять, так как это было дешевле, а маржа выше. Зарплата менеджеров напрямую зависела от полученной маржи.

Сначала остаточный товар хранился в одном из розничных магазинов, но вскоре под склад сняли отдельное помещение. Количество SKU на складе выросло до 32 000, что грозило финансовыми проблемами.

Цели изменений:

Одна из ключевых задач заключалась в снижении издержек, изменении модели работы, централизации закупок и переходе на собственный склад. Однако для этого нужно было правильно работать с ассортиментом и провести его глубокий анализ.

Классические подходы в анализе ассортимента:

Кейс: Применение нестандартного маркетингового анализа для работы с ассортиментом

В маркетинге часто используют два анализа:

ABC-анализ — распределяет товары по вкладу в общий объем продаж:

  • A: Товары с наибольшей долей в обороте (70-80%).
  • B: Среднеприбыльные товары (15-20%).
  • C: Наименее прибыльные позиции (5-10%).

XYZ-анализ — классифицирует товары по стабильности спроса:

  • X: Стабильные продажи.
  • Y: Умеренные колебания спроса.
  • Z: Нестабильные, непредсказуемые продажи.

Эти подходы полезны, но имеют недостатки: ABC-анализ игнорирует количество клиентов и частоту покупок, а XYZ — размер заказов. Даже их совмещение не всегда дает точный результат.

Идея использовать RFM-анализ для ассортимента:

Традиционно RFM-анализ применяется для оценки клиентов, помогая сегментировать базу по давности, частоте и сумме покупок. Однако, анализируя ассортимент товаров, мы столкнулись с похожей задачей: нужно было понять, какие SKU пользуются спросом у большого количества уникальных клиентов, а какие — остаются на складе после редких крупных заказов.

Это натолкнуло нас на мысль адаптировать RFM-анализ под товары, добавив к классическим метрикам новый показатель — индекс клиентского спроса (C). Он отражает популярность товара среди разных клиентов, что позволило получить более точную картину.

Методика расчета на основе медиан:

Кейс: Применение нестандартного маркетингового анализа для работы с ассортиментом

1. Давность покупки товара (Recency, R):R = Текущая дата − Дата последней продажи товара

Пример: Даты продаж (в днях): 15, 30, 45, 60, 75 (медиана = 45)

  • Меньше медианы: R = 5 (высокая активность)
  • От медианы до 2 медиан: R = 3 (средняя активность)
  • Больше 2 медиан: R = 1 (низкая активность)

2. Частота (Frequency, F):F = Количество продаж товара за период

Пример: Продажи (шт.): 5, 10, 15, 20, 25 (медиана = 15)

  • Больше 2 медиан: F = 5 (очень высокая частота)
  • От медианы до 2 медиан: F = 3 (средняя частота)
  • Меньше медианы: F = 1 (низкая частота)

3. Доход (Monetary, M):M = Суммарная выручка от продаж за период

Балльная оценка:

  • Группа A (80% выручки): M = 5 (высокая прибыльность)
  • Группа B (15% выручки): M = 3 (средняя прибыльность)
  • Группа C (5% выручки): M = 1 (низкая прибыльность)

4. Индекс клиентского спроса (Client Demand Index, C):C = (Количество уникальных клиентов, купивших товар / Общее количество продаж товара) × 100%

Пример: Индексы спроса (%): 20%, 30%, 50%, 70%, 90%

  • Больше 70%: C = 5 (высокий спрос)
  • От 30% до 70%: C = 3 (средний спрос)
  • Меньше 30%: C = 1 (низкий спрос)

Подход, который работает:

Сочетание этих показателей в формате RFM-C позволило получить четкую картину по ассортименту. На основе расчетов мы смогли выделить позиции, которые действительно востребованы, и исключить те, что лишь создавали иллюзию высокого оборота.

Результаты применения RFM-C анализа:

  • Точность: Определены товары с высоким потенциалом, ранее не учитывавшиеся в классических моделях.
  • Эффективность: Исключены позиции с редкими, но крупными продажами.
  • Оптимизация: Улучшено планирование закупок на основе реального спроса.
Кейс: Применение нестандартного маркетингового анализа для работы с ассортиментом

Любопытно узнать, как вы подходите к анализу ассортимента в своем бизнесе. Возможно, у вас есть собственные наработки или нестандартные идеи. Поделитесь своим опытом! 😊

Больше интересного можно найти в моем статей читайте в моем ТГ канале - Маркетинговые истории.

Начать дискуссию