Алгоритм превосходно работает с товарами, пользующимися высоким спросом – KVI-позициями, товарами категории спроса A и B, промотоварами, которые в сумме обеспечивают около 80% от всего оборота сети.
В 2015 году компания GoodsForecast реализовала для ГК «О`КЕЙ» систему аналитики упущенных продаж, которая позволяет анализировать объемы упущенных продаж торговой сети, а также показатель представленности OSA на историческом периоде. Ценность данного решения для бизнеса была очевидна: представленность товара очень сильно влияет на оборот, трафик и маржинальность продаж любого ритейлера. По статистике, снижение показателя OSA на 2% оборачивается для сети падением оборота на 1%, а покупатель уходит в другой магазин в среднем на 3-й раз отсутствия товара на полке. Кроме того, система способствует оптимизации процесса контроля представленности и мотивации персонала на поддержание показателя на должном уровне. Однако со временем анализа представленности в историческом периоде стало недостаточно, и перед ГК «О`КЕЙ» встала задача минимизации влияния проблем с отсутствием товара на полке – ведь потерянной прибыли, как и многих покупателей, ушедших к конкурентам, уже не вернуть.
В результате в первом квартале прошлого года на базе исходного алгоритма анализа исторических данных был создан MVP алгоритма для анализа данных внутри дня. Новый алгоритм системы, используя данные о почасовых продажах и остатках ритейлера, а также динамику продаж товара в похожих магазинах и его долю в продажах по группе товаров в целом, показал отличный результат по корректности анализа и генерации сигналов на проверку полок.
«Уже на стадии MVP система продемонстрировала высокую точность сигналов – за их счет ритейлер мог «спасти» до 2% от оборота (по исследуемым группам товаров). В конце третьего квартала 2020 года стартовал проект внедрения решения, а в самое ближайшее время планируется перейти к его опытной эксплуатации. Что очень важно для сетевого ритейла, алгоритм отлично работает с товарами, пользующимися высоким спросом – KVI-позициями, товарами категории спроса A и B, промотоварами, которые в сумме обеспечивают 80–85% от всего оборота сети», – рассказывает Кирилл Черников, руководитель направления аналитических продуктов для ритейла компании GoodsForecast. – Следует отметить, что показатель 2% является среднецелевым, с поправкой на операционные возможности и масштаб сети. В целом, решение рассчитано на средний и крупный бизнес».
В зависимости от пожеланий заказчика, решение может быть развернуто как на инфраструктуре ритейлера, так и на инфраструктуре GoodsForecast. Для корректной работы системы не требуются огромные массивы данных – достаточно информации о почасовых продажах и остатках, ассортиментных справочников, товарных и географических классификаторов и, конечно, разметки промоактивностей для мониторинга перетока спроса между товарами.
Стоимость решения также зависит от потребностей клиента. Базовая стоимость основана на затратах на поддержание работоспособности и минимальной корректности сигналов. Система является обучаемой, генерация сигналов корректируется, исходя из обратной связи от ритейлера по предыдущим сигналам. Чем качественнее обратная связь, тем выше корректность сигналов в будущем, и, соответственно, тем выше для сети эффект от использования системы.
В планах GoodsForecast дальнейшее совершенствование системы: во-первых, со временем она станет полностью самообучаемой, во-вторых, в перспективе сможет учитывать промоактивности и цены конкурентов для валидации решения о генерации сигнала. Также в планах GoodsForecast создание мобильного приложения для обработки сигналов и предоставления обратной связи по ним.
«Решение GoodsForecast позволяет нам не просто анализировать историю продаж и выявлять факты и причины упущенных продаж, но и не допускать новых потерь, тем самым значительно улучшая показатели оборота и трафика. Кроме того, система помогает нам перенастраивать свои внутренние бизнес-процессы контроля выкладки товара и постановки задач мерчандайзерам», – сообщил руководитель управления технологиями продаж ГК «О'КЕЙ» Виктор Смирнов.
