ИТ-портал компании «Инфосистемы Джет»

Просканировать потребительскую корзину

Просканировать потребительскую корзину

Путешествие Джети подходило к концу, пора было возвращаться в родной город. Перед отправлением поезда он зашел в ближайший от вокзала супермаркет за продуктами в дорогу. Сок, сэндвичи, нарезанные фрукты в упаковке, пластиковые стаканчики…

– Не желаете ли развлечься в дороге, у нас есть Forbes, «Итоги», Esquire, Men’s Health… – обратился к Джети менеджер торгового зала.
– Но как вы узнали?
– Поскольку мы находимся рядом с вокзалом, всегда есть вероятность того, что наши покупатели – люди путешествующие. Судя по вашей корзине, вы именно такой человек.

Джети задумался о том, что же еще можно узнать и понять по набору в корзине покупателя этого магазина.

Для средних и крупных торговых сетей постоянной проблемой является наличие больших объемов данных, зачастую неструктурированных и хранящихся в разных системах, не связанных между собой. Чем больше торговая сеть, тем сложнее собрать, структурировать и проанализировать всю необходимую информацию. Большинство компаний не до конца представляют себе, какую выгоду можно извлечь из этого «вороха данных».

В этой ситуации платформы Business Intelligence позволяют не только получать качественную отчетность, но и вести анализ продаж, предупреждая риски и более точно прогнозируя развитие сети, оптимизировать складские запасы, разрабатывать эффективные программы лояльности.

Базовые показатели, которые ритейловые компании начинают анализировать в первую очередь, – оборот, выручка, количество чеков и значение среднего чека. Они рассматриваются в разных разрезах, в том числе по отдельным торговым точкам и по всей сети в целом. Выполняя анализ чеков, торговая сеть может контролировать динамику прибыли, т.е. в каких торговых точках наблюдается увеличение выручки, а в каких – падение, динамику изменения количества покупателей, а также соотношение объемов выручки и числа чеков.

С помощью BI-приложения можно анализировать, какую продукцию предпочитают покупатели: выбирают ли они более дорогие или, наоборот, дешевые товары, можно ли компенсировать падение объема продаж более дорогих товаров большим количеством дешевых в чеке и т.д.

Совокупный анализ динамики количества покупателей, среднего чека, числа товаров в нем и объема продаж может показать, в какую сторону необходимо развивать конкретный магазин/торговую сеть, нужны ли изменения в ассортименте.

Теории – час, делу – время

Здесь можно привести пример одного из BI-внедрений. Заказчиком являлся один из ведущих продовольственных ритейлеров в России, присутствующий во многих регионах страны. Ему принадлежат несколько торговых сетей. В компании уже была разработана и внедрена аналитическая модель, в которой отображались основные показатели продаж. Однако для полного анализа деятельности компании и каждого магазина в отдельности этих данных было недостаточно. Поэтому для заказчика было разработано несколько специфических моделей.

Управление ценообразованием

Для компании было важно понимать, как каждая из ее торговых сетей ведет себя по отношению друг к другу. Сложность заключалась в том, что механизм ценообразования для каждой сети компании ведется по-своему, из расчета на привлечение определенной целевой аудитории. Одна из сетей, например, является дисконтом, и цены в ее магазинах должны быть ниже, чем в магазинах ее коллег по цеху.

Ранее автоматическое формирование такой отчетности в компании предусмотрено не было, поэтому каждую неделю с помощью написанного вручную запроса приходилось выгружать необходимые данные из ERP-системы. Они находились в нескольких Excel-таблицах и представляли собой набор несвязанной и сложной для анализа информации. Работа по их приведению к пригодному для работы виду занимала около недели. Затем руководитель отдела ценообразования, используя сложные ссылки на таблицы, группировал данные и вручную рассчитывал ценовой индекс.

В результате процесс формирования жизненно важных отчетов для компании занимал огромное количество времени, а сама информация, содержащаяся в них, могла быть уже не актуальна.

Разработанная модель позволила формировать необходимую отчетность всего за несколько секунд. Нужная информация автоматически выгружается из ERP-системы. Теперь для получения результата нужно просто выбрать интересующие параметры, такие как торговая сеть, дата анализа, товар.

Современные платформы Business Intelligence позволяют не только получать качественную отчетность, но и вести анализ продаж, предупреждая риски и более точно прогнозируя развитие сети, оптимизировать складские запасы, разрабатывать эффективные программы лояльности

Ранее информация выгружалась раз в неделю, теперь модель дает возможность делать выгрузки каждый день. Это значительно повышает актуальность данных, а также позволяет следить за ежедневной динамикой влияния проведенного мониторинга на цены товаров.
Модель также позволила разделить магазины каждой торговой сети, в том числе в пределах определенного региона, на три канала сбыта: Low Cost, Standart и Luxury, ранее такой сегментации не проводилось из-за сложности анализа данных. Теперь компания может формировать ценовой индекс более эффективно. К примеру, в магазинах одной и той же торговой сети, но расположенных в центре города и на его окраине, цены могут отличаться, т.к. эти точки относятся к разным каналам сбыта.

Группировка подозрительных чеков

Анализ позволил выделить кластеры (группы) подозрительных чеков, выбиваемых в каждом магазине. Возникает вопрос, для чего это было нужно? Дело в том, что сотрудники торговых сетей компании получают премию за количество обработанных чеков. Зачастую встречаются ситуации, когда в дни распродажи клиент покупает в магазине, к примеру, 20 пачек гречки, а кассир пробивает по 5 пачек в отдельные чеки. Таким образом, фиктивно увеличивая количество пробитых чеков, кассир повышает свои показатели. Модель позволила отслеживать такие ситуации: если встречались чеки, пробитые на одной кассе, с одним товаром и идущие подряд, это был повод причислить их к группе подозрительных, выделив в отдельный кластер.

Группировка товаров в чеках по интервалам

Для бизнес-пользователей компании было важно анализировать наличие мелкого опта в магазинах своих сетей, т.е. выявлять, какие товары наиболее часто приобретаются сразу по несколько штук. Анализ, осуществляемый с помощью разработанной модели, позволяет проводить более эффективные маркетинговые кампании. Если система обнаруживает чек, в котором значатся, например, 5 единиц одного и того же товара, он попадает в отчете в группу «от 1 до 5 товаров». На его основе разрабатываются акции, рассчитанные на стимулирование приобретения именно этих позиций.

Кросс-проникновение

Под кросс-проникновением в компании понимается анализ рыночной корзины, т.е. поиск наиболее типичных шаблонов покупок в торговых точках. Разработанная модель производит анализ чеков для определения товаров, которые продаются совместно, то есть комбинаций. Это позволяет выявлять товары, наличие которых в чеке влияет на вероятность появления других позиций или их сочетаний. Пользователю модели необходимо просто выбрать интересующий и сопутствующий товар, система выполнит расчет количества совершенных покупок, т.е. чеков.

Такой анализ позволяет оптимизировать расстановку ассортимента товаров в торговых залах магазинов, а также увеличивать объемы продаж за счет маркетинговых акций и предложений покупателям сопутствующих позиций. Например, если будет установлено, что совместная покупка молока и печенья является часто встречающимся шаблоном, при размещении этих товаров на одной витрине или неподалеку друг от друга можно специально «спровоцировать» покупателя на их совместное приобретение.


Таким образом, качественно разработанная BI-модель позволяет решать подавляющее большинство проблем, с которыми сталкиваются ритейловые компании. Модель является инструментом, который в короткие сроки способствует повышению эффективности управленческих решений.

Вернуться к списку статей
Оставьте комментарий
Мы не публикуем комментарии: не содержащие полезной информации или слишком краткие; написанные ПРОПИСНЫМИ буквами; содержащие ненормативную лексику или оскорбления.
О журнале

Журнал Jet Info регулярно издается с 1995 года.

Узнать больше »
Подписаться на Jet Info

Хотите узнавать о новых номерах.

Заполните форму »
Контакты

Тел: +7 (495) 411-76-01
Email: journal@jet.su