Эти шаблоны — для магазина или небольшой сети. Здесь три вопроса, которые в рознице не меняются годами: что реально приносит деньги, а что только занимает полку; изменился спрос навсегда или это шум; и каким должен быть прогноз, одинаково полезный и всей сети, и отдельному магазину. Все шаблоны работают на одной демо-базе: 104 недели, 8 магазинов и 60 товаров. Здесь — 7 шаблонов.
Каждый шаблон — это живой разбор на демо-данных одной сети: откройте его в разделе «Шаблоны» Analytics Agent и нажмите «Использовать этот шаблон», чтобы запустить на своих данных.
ABC-XYZ и Парето — что на самом деле кормит бизнес
Показывает: товары делятся на группы по деньгам сразу двумя способами — по выручке и по прибыли, а также по устойчивости спроса; рядом кривая, показывающая, какая доля товаров даёт основную прибыль, и список того, что стоит убрать с полки, с деньгами, которые этот список в ней держит.
Результат: видно, что товары, которые «приводят покупателей», вовсе не обязательно приносят деньги, и сколько денег заморожено в том, что плохо продаётся.
Сдвиги уровня спроса — насовсем или просто шум?
Показывает: проверяет по каждому товару и по сети в целом, изменился ли спрос навсегда; если да — сообщает, был это разовый скачок или постепенный сдвиг, каким спрос был до и после и насколько уверенно это установлено.
Результат: новую точку заказа считают по новому уровню спроса, а не по старому, и случайный шум не превращается в перестановку всей работы склада.
Иерархический прогноз — какому уровню нужна модель
Показывает: сравнивает простые способы прогноза между собой на всех уровнях «товар — подкатегория — категория — сеть» и показывает, где сложная модель действительно выигрывает, а где достаточно взять те же недели прошлого года; отдельно измерено, помогает ли объединение данных по ячейкам с короткой историей, — и так же измерена полоса ошибки для любой ячейки полки, которую вы выберете сами.
Результат: прогноз считается там, где по нему принимают решение, а лишняя сложность не выдаётся за точность — включая случай, когда честный ответ «объединение не помогает».
Прогноз спроса с погодой и акциями — оправдывают ли признаки своё место?
Показывает: две одинаковые модели — с погодой и без неё — проверяются на истории: где погода действительно снижает ошибку (напитки и мороженое в жару), а где не даёт ничего.
Результат: понятно, стоит ли тратить время на сбор погодных данных: для одних товаров это реальный выигрыш, для других — лишняя работа.
Эластичность цены и уценки — сколько стоит изменение цены
Показывает: насколько продажи каждого товара зависят от цены — на вашей собственной истории цен, с честной оговоркой там, где влияние цены нельзя отделить от акции; отдельно считается, что даст повышение цены на 10 % и стоит ли уценивать непроданные остатки.
Результат: решение о скидке или повышении цены считается в деньгах, а не берётся из общего правила «скидка всегда повышает продажи».
Влияние акций — каннибализация и эффект ореола
Показывает: каждая акция оценивается по всей категории, а не только по товару-герою: сколько принёс он сам, сколько продаж забрал у соседей и как отреагировала соседняя полка; итог сводится к одной сумме прибыли.
Результат: акция перестаёт выглядеть победой только потому, что у «героя» выросли продажи, — видно, остался ли бизнес в плюсе.
Страховой запас и точки перезаказа
Показывает: по каждому товару рассчитывается точка, при которой пора заказывать заново, с учётом срока поставки и изменчивости спроса; выбранная политика проверяется на 26 неделях истории — сколько продаж теряется и сколько денег замораживается; настраивается уведомление о позициях ниже точки.
Результат: полка перестаёт пустовать по ходовым товарам и обрастать остатками по остальным — запас держится по измеренной цене, а не по привычке.