Для крупного бизнеса ручное управление S&OP уходит в прошлое. Например, «Лента» снизила долю неликвидных остатков на 30% и подняла оборачиваемость на четверть, как только перешла на прогноз спроса с двумя сотнями факторов — от школьных каникул до спортивных матчей. Этот кейс показывает современную логистическую реальность.
Иван Лазарев, технический директор по продукту и технологиям товарных операций Ozon, рассказывает, почему на маркетплейсе с миллионами товарных позиций и десятками логистических кластеров распределением партий по складам должен заниматься искусственный интеллект — причём напрямую.
Где ломается ручное планирование
На сегодняшний день логистическая инфраструктура Ozon включает 56 фулфилмент-центров (ФФ) и около 160 хабов доставки по всей стране. Каталог компании перевалил за 400 млн SKU. Ежедневно на складах платформы осуществляется около 55 млн товарных операций и проходит в доставку более 23 млн отправлений.
Количество логистических кластеров выросло до 26, у каждого своя экономика. В Калининграде планировать партию шампуня по выкладкам Краснодара бессмысленно: там и сезонность другая, и популярные бренды свои.
При таких объёмах ручное S&OP физически почти нереализуемо. Одного усердия не достаточно — эта сложнейшая комбинаторная задача с миллиардом переменных требует участия высоких технологий.
Проблема в том, что поведенческая инерция поставщиков даст фору любой технологии. Селлеры исторически тяготеют к подмосковным складам — одна большая поставка по умолчанию дешевле в логистике, чем десять маленьких. В пиковые сезоны, вроде распродажи 11.11, высокая концентрация в центральных хабах создаёт лишнее давление на магистраль и приёмку, даже когда сам склад работает образцово.
Долгое время алгоритм распределения оставался рекомендательным: давал подсказки, на которые продавец мог не смотреть. Но модель прогнозирования спроса не приносит результата, если продавец сам решает, куда везти партию. Здесь нужна принципиально новая архитектура планирования — та, в которой человек больше не выбирает склад.
Почему старая модель больше не актуальна
Старая модель планирования у поставщиков маркетплейсов держалась на трёх китах:
- «средний» прогноз спроса;
- ручное квотирование по складам;
- усреднённая тарифная схема, не привязанная к конкретному кластеру.
«Средний» прогноз спроса — это когда аналитик берёт продажи за последние 12 месяцев, смотрит сезонные коэффициенты и предсказывает потребность по стране целиком, а потом делит её по складам пропорционально историческим долям. Метод считается классикой S&OP, но он сводит к одному числу разные региональные рынки.
Представим: бренд сухого корма для собак видит, что в сентябре в Ростовской области продажи выросли на 30%. Аналитик закладывает рост в октябрьский план. На самом деле сентябрьский всплеск был результатом разовой акции Ozon, и в октябре, без скидки и при упавших ценах у конкурентов, корм встанет на складе. А в Перми, где конкуренты в октябре подняли цену, спроса хватило бы на двукратную поставку — но её туда никто не повёз. Через месяц склад в Ростове забит, а в пермском пусто. Такая вот «региональная волатильность».
От этого должно спасать ручное квотирование, когда менеджер раскидывает партию по регионам своими силами. Проблема в том, что переменных, которые надо удержать в голове, очень много: скорость продаж по дням, акции конкурентов в каждом кластере, плановые промо самой площадки, прайс-каннибализация между двумя своими же артикулами, наличие позиции на ФФ в моменте. На дистанции такой подход даёт out-of-stock и упущенную выручку в одном регионе и оверсток со всеми вытекающими — в другом.
Наконец, усреднённая тарифная схема, в которой работало «среднее время доставки» (СВД). Стоимость логистики для конкретного товара зависела от того, насколько быстро в среднем доезжали все товары продавца за последние 7 дней. Возите 70% поставок в Подмосковье — общее СВД растёт, и коэффициент 1,0–1,8 применяется ко всему ассортименту, включая позиции, которые продаются рядом со складом в Питере. Локализовать поставки было выгодно, но только в среднем — на уровне всего продавца целиком. Точечная экономика конкретного кластера в этой модели не считывалась.
6 апреля 2026 года Ozon заменил СВД на принципиально новую модель: фиксированные тарифы на логистику плюс точечная наценка за нелокальные продажи — от 0% до 12% от цены товара в зависимости от кластера назначения. Это решение убирает старую «усреднённую» петлю, но глобально логистическую проблему не решает.
Когда у Ozon было несколько фулфилментов в Подмосковье и ещё пара в Питере и Казани, старая модель отлично работала. Но при современных масштабах она показывает всё меньшую актуальность. Модернизировать её точечными решениями бесполезно. Решение, к которому пришёл Ozon, называется виртуальным распределительным центром (ВРЦ).
Виртуальный распределительный центр и алгоритмическая локализация
ВРЦ меняет логику отгрузки на маркетплейс. Селлер больше не отвечает на вопрос, на какой склад везти, он только решает, сколько товара готов поставить. Дальше система берёт инициативу. ML-модель Ozon Tech смотрит на спрос по кластерам, остатки на ФФ, скорость продаж артикулов в каждом регионе и плановые промо площадки в ближайшие недели — и сама режет поставку на квоты для разных регионов.
Физически это работает через кросс-докинг. Селлер привозит партию на один ближайший пункт приёма. Магистраль Ozon забирает партию и развозит по ФФ строго по тому плану, который рассчитал алгоритм. С точки зрения селлера это одна транспортная заявка вместо шести — и одна точка контроля приёмки вместо шести очередей на разных ФФ.
Чтобы система не оставалась только рекомендацией, у неё есть денежный контур. Стоимость логистики на FBO зависит от показателя «локальность продаж»: чем выше доля заказов, отправленных покупателю в пределах одного кластера, тем меньше платит селлер. За каждую нелокальную продажу к стоимости доставки прибавляется наценка от 0 до 12% от цены товара — её размер зависит от кластера назначения и косвенно от загруженности тамошних складов.
Читайте также: X5 оценила эффект ИИ в 5 млрд рублей: алгоритмы входят в управление спросом и запасами
В Омске, Оренбурге, Перми, Самаре, где регион особенно нуждается в локальных стоках, наценка максимальная — 12%. В Красноярске, Новосибирске, Ростове и Ярославле, где складские мощности уже распределены или загружены, наценки нет вовсе. Селлер открывает калькулятор и видит: повезти всё в Подмосковье, как раньше, — это накопить наценки в самых доходных регионах. Повезти через ВРЦ и попасть в локальный кластер — обнулить их. Дальше всё решает арифметика.
Внутри ВРЦ работает лестница математических моделей:
- Первый слой — прогноз спроса по кластерам и SKU.
- Дальше идёт оптимизатор, который делит партию на квоты.
- Поверх него работают switchback-эксперименты для оценки изменений.
Внутри самого склада действует ещё одна математическая надстройка. Задача батчинга — так сгруппировать товары в одно задание подборщику, чтобы он меньше ходил между ячейками. Задача слоттинга — решить, куда вообще класть товар, чтобы его потом было быстро взять. Задача стаффинга — понять, кому из сотрудников выдать конкретное задание с учётом его местоположения и дедлайнов.
ВРЦ работает только потому, что в нём сходятся три слоя одновременно:
- прогноз спроса, который знает, где будет покупатель;
- оптимизатор, который умеет разделять партию с учётом физических лимитов;
- тарифная сетка, в которой селлеру выгодно играть по этим правилам.
Без прогноза алгоритм не знает, в какие регионы распределять товар. Без оптимизатора прогноз остаётся таблицей с данными. Без денежного стимула поставщик игнорирует подсказки системы, как игнорировал раньше.
Что осталось делать человеку
Трёхслойная система ВРЦ существует не в вакууме. С ней всё ещё работают люди — инженеры, аналитики, логисты, продакты. Просто их работа теперь устроена по-другому.
Логист в новой архитектуре не распределяет товары. Он задаёт алгоритму границы, в которых тот может действовать. Главная из этих границ — capacity конкретного ФФ: сколько штук в день склад способен принять по приёмке и сколько отгрузить на магистраль. К этому добавляются физические правила. Например, корма и бытовую химию рядом не складируют — это нужно зашить в ограничения товарного соседства.
Окна загрузки магистрали тоже задаёт логист: когда и сколько машин приходят на разгрузку, какие из них приоритетные. Отдельная история — потоки крупногабарита и скоропорта, у каждого своя логика обработки на ФФ. Эти ограничения и есть те рамки, внутри которых алгоритм ищет оптимум. Если они заданы криво — например, не учтён сезонный ремонт сортера — оптимум окажется красивым на бумаге и неисполнимым в реальности.
Параллельно с логистами появилась роль, которая раньше оставалась в тени, — кураторы исторической памяти моделей. Это дата-инженеры и аналитики, которые отвечают за качество ретроданных, на которых учится ML. История продаж за последние 5–6 лет содержит много мусора: ковидные скачки 2020-го с резким спросом на гречку и антисептики, инфляционный шок 2022-го, разовые сбои в работе конкретных ФФ, бусты от промо, которые завысили продажи определённых артикулов. Если эти аномалии не разметить и не очистить, ВРЦ начнёт распределять стоки так, будто завтра снова март 2020-го.
Здесь и происходит главная управленческая перемена, которую большинство компаний пока не переварило. Раньше квалификация логиста измерялась тем, насколько хорошо он умеет вручную раскидать партию по складам. Сегодня важнее, насколько точно он умеет описать ограничения системы и как быстро замечает, что одно из ограничений устарело. Это разные навыки и разные люди. У большинства поставщиков на маркетплейсах должность «логист по маркетплейсам» по-прежнему обозначает человека, который вручную ставит галочки в личном кабинете. В компаниях, которые уже перешли на ВРЦ-логику работы, такая должность исчезла — её заменили на двух человек: один отвечает за бизнес-правила и ограничения, а второй следит за чистотой данных.
Перестановка не теоретическая — собственнику нужно нанять, переобучить, переписать KPI, дать людям доступ к данным и инструментам, которыми они раньше не пользовались.
Что делать собственнику и директору по логистике
Бизнесу важно переписать сами правила, по которым компания планирует поставки.
1. Перестать прогнозировать спрос в среднем по стране. Для большинства поставщиков на старте реально выделить 6–8 макрорегионов со своим контуром планирования. Самая простая метрика, с которой можно начать, — индекс региональной асимметрии: отношение спроса в самом «горячем» регионе к самому «холодному» по каждой ассортиментной группе. Если разрыв полтора раза и выше — общий федеральный прогноз скрывает картину и даёт системные потери. На каждом региональном контуре придётся развернуть свой safety stock и свою модель сезонности. Это дороже, чем одна большая модель, но кратно дешевле, чем издержки от регионального дисбаланса.
2. Внедрить принцип ВРЦ в свои процессы. Только не пытайтесь обойтись бизнес-правилами вида «всегда вези в Москву, если остаток меньше X»! Эта конструкция деградирует буквально за квартал и больше мешает, чем помогает.
Вместо этого нужно использовать оптимизационные модели и switchback-эксперименты, которые показывают, что алгоритмы ВРЦ действительно работают. Для ориентира — у Ozon Tech такие свежие цифры:
- батчинг сократил пробеги подборщиков на 20–30%;
- слоттинг снизил время поиска товара в ячейке на 7%;
- стаффинг убрал из работы 418 км перемещений между этажами за смену.
Конечно, чужие цифры — ориентир, а не KPI. В своей логистике эффекты надо мерить через свои метрики.
3. Построить собственную тарифную механику локализации, аналог локальных тарифов Ozon. Прямой административный приказ не отгружать всё в центральный склад не поможет: контрагенты или саботируют, или находят серые схемы. А вот экономическое стимулирование сработает.
Введите тарифную сетку, в которой разгрузка ФФ даёт поставщику скидку, а перегруз — штраф. Привязать сетку нужно к показателю, который поставщик считает сам — например, к доле его отгрузок, попавших в «свой» региональный кластер. Эту цифру он видит каждую неделю в личном кабинете, никто её не оспаривает.
Без этого пункта первые два превращаются в дорогую витрину: алгоритм считает оптимум, отчёты показывают красивые графики, контрагенты как везли всё в Подмосковье, так и везут.
Заключение
Чем больше масштаб, тем меньше в нём места для ручных решений. ИИ в логистике перестал быть советчиком и стал диспетчером, который принимает оперативные решения за людей. Роль человека сместилась к настройке правил, по которым этот диспетчер работает. Кто этот переход не сделает в ближайшие полтора-два года, окажется в положении догоняющего.
