Что у вас
на полках?

Правильно подобрать ассортимент непросто, но без этого не выстроить торговлю. В управлении товарными запасами и ценообразовании торговые сети могут опираться на массивы данных и аналитику, но оптимизация ассортимента — до сих пор скорее искусство, чем наука. И тут любая ошибка может оказаться роковой. Вот несколько примеров. *

По итогам опроса, показавшего, что покупатели магазинов Walmart недовольны скоплением товаров на полках, компания внедрила систему Project Impact и сократила на 15% количество ассортиментных позиций. Но вслед за тем уменьшился — и весьма существенно — объем продаж, так что от нововведения пришлось отказаться.

• Компания Super Fresh отказалась от многих неходовых бакалейных продуктов в пользу свежих. Но выяснилось, что часть покупателей, не обнаружив на полках привычных пакетов, просто ушла в другие магазины. Сеть обанкротилась.

• Сеть, торгующая товарами для дома, решила впредь лучше учитывать вкусы покупателей. Опираясь на демографические данные, она стала формировать для разных магазинов разный ассортимент. Начали с постельных принадлежностей, и — о чудо! — доходы подскочили на 18%. Потом перешли к товарам для ванной. Но доходы остались на том же уровне. И компания, разочаровавшись, отказалась от эксперимента.

• Гендиректор сети, продающей автопокрышки, решил сдвинуть ценовые рамки ассортимента в сторону более дорогих брендов — как будто не знал, насколько для покупателей важна цена. Это стало ему уроком на всю жизнь: через два года гендиректора уволили, а его преемник восстановил большую часть отмененных позиций. В этих и многих других случаях ассортиментную стратегию меняли наугад. Выявить неходовые позиции нетрудно по данным о сбыте, но вот чем их заменить, далеко не всегда очевидно. А вдруг тот товар, на который нет спроса и от которого вы откажетесь, очень важен для ваших лучших покупателей и вы сами толкнете их в объятия конкурентов? Ритейлеры знают: ассортимент — всегда результат компромисса; любое изменение вызывает серьезные последствия. Существует множество компьютерных программ для планирования ассортимента — они предсказывают, при каком сочетании товаров продажи будут максимальными. Но эти программы за редким исключением не помогают прогнозировать спрос на новинки и оценивать, насколько вырастет спрос на другие товары в случае отказа от каких-то неходовых. Они лишь чуть облегчают планирование, в целом все равно основанное на интуиции. А риски, связанные с любым решением по ассортименту, ничуть не уменьшаются. Чтобы восполнить этот недостаток, мы разработали методику, которая придает планированию ассортимента некую научную строгость. Разрабатывая ее, мы исходили из того, что по сути люди приобретают не товары, а некие их свойства. Вспомните, как вы покупали телевизор. Что вы говорили себе: «Я хочу такую-то модель»? Или вас интересовала величина экрана, четкость изображения, цена, марка, бренд, вы выбирали между ЖК и «плазмой»? По нашей методике спрос на различные свойства представленных у вас в ассортименте товаров оценивается по данным о продажах этих товаров. А уже дальше прогнозируется спрос на вероятные новые продукты. Обладая этой информацией, розничные сети смогут проверять свои догадки с более-менее научных позиций. Наша методика особенно пригодится магазинам, торгующим товарами длительного пользования, и супермаркетам. Продавцам модной одежды она подходит меньше — у них слишком быстро обновляется ассортимент. Сейчас продовольственные магазины получают огромное множество данных о рынке. Поэтому они знают, каких товаров — из тех, что хорошо расходятся у других ритейлеров, — у них нет и чем бы им следовало дополнить свой ассортимент. Но, как мы убедились, у нашей методики меньше допустимый предел ошибки.

Кроме того, она помогает розничным сетям ответить на несколько вопросов.

• Улучшим ли мы ассортимент, если плохо расходящиеся товары заменим иными? Каким будет спрос на потенциальный товар?

• Если покупатели не найдут на полках свой любимый товар, то какова вероятность, что они купят что-то другое взамен?

• Как изменится объем продаж, если мы увеличим или уменьшим количество товарных категорий?

• Имеет ли смысл локализовать ассортимент по каждому магазину (или группе магазинов)? Если да, о каких товарных категориях должна идти речь? Если мы поймем, что нужно разбить магазины на группы с разным ассортиментом, то на сколько и по каким критериям? Ставя во главу угла характеристики товаров, продавцы привлекут наибольшее количество покупателей, которые скажут: «Вот то, что мне нужно» или «Это не совсем то, но близко, так что я это куплю». Мы продемонстрируем метод на примере двух ритейлеров, торгующих запчастями для автомобилей: секции шин одной сети (наше исследование) и автокосметики другой (наша консультационная работа). Здесь процесс описан поэтапно, однако на самом деле он многомерен и цикличен. Значительная часть анализа выполняется c помощью компьютерной модели, которая выдает заключительные рекомендации.

Поймите, какие характеристики для потребителей важнее всего

Для работы с нашей моделью нужно сначала понять, какие свойства важны для покупателей и что они будут делать, если не обнаружат привычного товара. Вот как это можно узнать.

Выявить самые важные характеристики. Как правило, ритейлеры легко назовут вам самые значимые для покупателя качества. Это, например, цена, бренд, размер, вкус, цвет. Когда мы начинали наше «шинное» исследование, менеджер сети сказал нам, что для покрышек важным считается бренд, гарантийный пробег в километрах и размер. В магазине продавали шины нескольких производителей — их бренды широко рекламировались по всей стране; менеджер утверждал, что, по мнению потребителей, они взаимозаменяемы. Мы объединили их в группу «национальных брендов». Кроме того, магазин торговал тремя своими брендами разного качества и стоимости; мы будем их называть «стм (торговая марка)-1» — элитный бренд, «стм-2» — средний ценовой уровень, «стм-3» — дешевый бренд. Все они различались по гарантийному пробегу. Мы разделили «гарантийные пробеги» на три группы: малый (от 25 до 65 тысяч км), средний (от 65 до 100 тысяч км) и большой (от 100 тысяч км). Четыре бренда и три группы гарантийного пробега — итого 12 вариантов, которые теоретически мог предложить магазин. Но некоторые — например, большой пробег и низкая стоимость — не были представлены. Реально продавалось лишь шесть вариантов (перечислены в порядке ухудшения качества): «высокий национальный», «средний национальный», «стм-1 высокий», «стм-2 высокий», «стм-2 средний» и «стм-3 низкий». Третья важнейшая характеристика покрышек — размер — зависит от типа (например, радиальная шина) и от того, для какой машины она предназначена — для легковой, внедорожника или грузовика. Выпускаются шины 64 размеров. Значит, по идее, в магазине могли бы продаваться шины 384 категорий (64 размера, помноженные на 6 вариантов сочетания пробега и бренда), но почти во всех магазинах сети были представлены лишь 105.

Просчитайте, что сделают покупатели, не найдя привычного товара. Отказываясь от той или иной позиции в ассортименте, важно понять, захотят ли люди, которые не найдут в магазине привычного товара, покупать другой. Это во многом зависит от характеристик товаров. Вряд ли посетительница возьмет платье не своего размера, но она может купить голубое, если не окажется красного. Точно так же никто не станет приобретать 14-дюймовые шины для 15-дюймовых колес, но вместо одной комбинации бренда и гарантийного пробега можно выбрать другую. Поэтому, формируя ассортимент розничной сети, надо учитывать, что если покупатели не найдут того, что им идеально подходит, то кто-то купит товар «приблизительно» подходящий, а кто-то — нет. В истории с шинами нас интересовало, какой процент потребителей в отсутствие привычного товара выберет альтернативу более высокого качества, а какой — более низкого.

Проанализируйте нынешний и потенциальный объем продаж с точки зрения характеристик товаров

Теперь выясним, хорошо ли будут продаваться товары, которых у вас пока нет и как их появление в ассортименте отразится на общем объеме продаж. Тут к делу подключается наука. Соберите данные по продажам за последнее время. Начните с того, что знаете: количества проданных единиц товара текущего ассортимента и доля каждого варианта (бренд и пробег) в общем объеме продаж. Это — основа модели. Мы обычно берем данные за период от шести месяцев до года, а в ходе «шинного» проекта собрали данные о продажах по всем позициям для всех магазинов за последние полгода. Исходная информация нашего анализа представлена в таблице 1. Это — данные одного из магазинов о продажах шин 15 из 64 размеров (данные изменены в целях защиты коммерческой информации).

Спрогнозируйте спрос на все вероятные товары в ассортименте. Если товарная позиция плохо расходится, мысль о том, что ее надо чем-то заменить, кажется очевидной. Остается понять, на что. Для начала, опираясь на данные продаж, спрогнозируйте общий спрос на каждый размер — если в продаже он будет представлен для всех комбинаций бренда/ пробега. Поясним на примере — для него мы выбрали размер F (см. таблицу 2). Отметим, что сейчас торговая сеть продает шины этого размера в четырех из шести комбинаций бренда и пробега. Сложим доли общего объема продаж по каждой комбинации, представленной в размере F (7,7% + 2,6% + 19,2% + 57,5%). Получаем долю текущего спроса на размер F в данной сети (87%). Иными словами, теоретически ритейлер, не продавая две комбинации — «национальный средний» (2%) и «стм-3 низкий» (11%), недополучает 13%. Чтобы рассчитать общий спрос на размер F, просто разделим общий объем продаж на долю этого размера в общем спросе: 1204:87% = 1384 шины. Теперь, когда нам известен общий спрос на шины размера F, мы можем оценить спрос на каждую позицию этого размера, умножив общий спрос на размер на долю в общем объеме продаж каждого варианта (комбинации бренда и пробега). Например, общая доля «стм-3 низкий» — 11%; умножим это число на 1384 и получим вероятное количество продаж «стм-3 низкий» размера F — 152 покрышки.

Уточните прогноз. Мы пока на полпути к точному прогнозу. Вы это поймете, если попробуете предсказать объем продаж товаров, которые сейчас предлагаете. Выше мы определили, что если бы в продажу поступили все варианты размера F, то общий объем продаж составил бы 1384 штуки, а на самый ходовой товар сети «стм-2 средний» пришлось бы 796 шин (1384 х 57,5%). Но реальный объем продаж был чуть меньше: 763 единицы. Одна из причин расхождения заключается в том, что доля в объеме продаж зависит от общего ассортимента. «Стм-2 высокий» и «стм-2 средний» были представлены почти во всех размерах, поэтому объем продаж этих шин был выше, чем других категорий (комбинаций бренда и пробега), которые были представлены только в отдельных размерах. Чтобы внести поправку на это, мы должны чуть изменить доли комбинаций бренда и пробега, минимизируя среднее отклонение расчетного от реального объема сбыта. Это итеративный процесс, осуществляемый при помощи инструмента Excel Solver. Он подставляет пробные значения доли комбинации в расчеты примерного спроса на все имеющиеся в продаже товарные позиции и оценивает, насколько близки полученные прогнозы к реальному объему сбыта, затем корректирует значения долей, чтобы уточнить прогноз, повторяя эту процедуру до тех пор, пока не получит такое значение доли, которое минимизирует сумму всех расхождений по всем товарным позициям. Точно так же вам подбирают очки: сначала пробные линзы, потом другие (лучше или хуже?), потом корректируют, потом повторяют процесс до тех пор, пока не получат «самое то». В итоге мы получили уточненные доли спроса для шести комбинаций бренда и пробега: 2,4%, 1,1%, 1,5%, 6,7%, 18,6%, 69,6% (см. таблицу 3). Сравните доли спроса с реальными долями объема сбыта, и откроется совершенно другая картина оптимального ассортимента. Заметьте, что прогнозы хотя и близки к реальным показателям объема сбыта, все же с ними не совпадают. Тому есть два объяснения. Во-первых, существуют случайные колебания сбыта. Во-вторых, наше допущение, что спрос на ассортиментную позицию равен спросу на размер, умноженный на долю комбинации бренда и пробега, нуждается в уточнении, так как доли комбинаций различаются в зависимости от размера шин. (В частности, выше всего был спрос на дешевые шины тех размеров, которые соответствовали не самым новым, не очень дорогим машинам.) После того как вы уточнили значения долей, можете прогнозировать спрос на все предполагаемые ассортиментные позиции (см.таблицу 4).

Примите в расчет смену ценовой категории. Наши расчеты не учитывают ситуацию, когда покупатели, не обнаружив в магазине товара, на который рассчитывали, решают приобрести другую комбинацию бренда и пробега. Скажем, ритейлер вправе предположить, что цифра — 57,5% объема сбыта, приходящаяся на долю «стм-2 средний», не гарантирует, что больше половины его покупателей предпочитает именно эту комбинацию. Возможно, их выбор был компромиссным — более дешевого варианта «стм-3 низкий» не было в наличии. На это указывает и тот факт, что комбинация «стм-3 низкий» конкретного размера продавалась почти в шесть раз лучше «стм-2 средний», если для определенного размера в наличии были обе. Еще больше усложняет дело то, что готовность покупателей повышать или понижать ценовую категорию может быть разной в зависимости от уровня качества. И если вы считаете, что это касается ассортиментных позиций, имеющих принципиальное значение для вашего бизнеса, вам придется учесть это в расчетах. Мы исходили из того, что группы покупателей, меняющих ценовую категорию в ту или другую сторону, одинаковы для всех комбинаций бренда и пробега за одним исключением. Мы имели в виду ту группу, которая переходила с «стм-3 низкий» на «стм-2 средний». (На эти две комбинации приходилось более двух третей всех продаж.) Итак, наша модель требует девяти параметров: шесть — доли объема сбыта конкретных комбинаций бренда и пробега, три — доли замены: число покупателей, которые переходят на более высокий уровень качества, число покупателей, которые переходят на более низкий уровень качества, и число покупателей, которые переключаются с «стм-3 низкий» на «стм-2 средний». Мы вновь используем Excel Solver, который подставляет пробные значения долей, рассчитывает возможный спрос и оценивает, насколько полученный прогноз близок к реальному объему сбыта. Он корректирует доли и численность групп покупателей до тех пор, пока не получает оптимальные значения. Окончательные результаты таковы: 35% покупателей, которые не найдут в ассортименте нужный им размер «стм-3 низкого», выберут «стм-2 средний». Что касается остальных уровней качества, то 2%, не обнаружив в магазине желаемого товара, могут купить что-то более дорогое, а 1% — что-то более дешевое. Зная численность групп покупателей, переходящих в другие ценовые категории, вы можете учесть фактор замены в своем прогнозе спроса. Возьмем комбинацию «стм-2 средний» в размере F. Поскольку комбинации «стм-3 низкий» в том же варианте размера в продаже нет, берем прогноз спроса для «стм-2 средний» и прибавляем «стм-3 низкий», помноженный на часть покупателей, которая перейдет в более высокую ценовую категорию. А у размера в продаже есть и «стм-2 средний», и «стм-3 низкий», так что в прогнозе для «стм-2 средний» никакого параметра замены не требуется.

Выявляйте «самосбывающиеся пророчества». Рассмотрим знакомый сценарий. Ритейлер полагает, что покупателям не нужен конкретный тип товара (или он сам не хочет им заниматься). И он пускает в продажу ограниченное количество этого товара, а значит, продает его немного, тем самым как бы подтверждая свое изначальное допущение, что покупателям товар не нравится. Но подбирать ассортимент по своей воле, а не по предпочтениям покупателей весьма рискованно. Одно из преимуществ нашей методики состоит в том, что она позволяет ритейлерам выявлять подобные ситуации. В частности, сравнивая прогнозируемый спрос с реальным объемом сбыта одного ритейлера, торгующего автомобилями, мы не­ожиданно обнаружили следующее: доля «стм-3 низкого» составляла 11%, тогда как, по нашему прогнозу, спрос получался аж 69,6%. Малая доля объяснялась тем, что в магазине эти очень дешевые шины были представлены всего несколькими размерами, а потому продавали их мало. Данные же показывают, что, когда покупатели могут выбирать между «стм-3 низким» и «стм-2 средним», они явно предпочитают первый из двух. Этот паттерн сложился во всех магазинах сети. Обе комбинации (и «стм-3 низкий, и «стм-2 средний») были представлены в девяти вариантах размера, и в каждом случае «стм-3 низкий» расходился лучше во всей сети: его продавали в семь с лишним раз больше. Ритейлер ограничил выбор самых дешевых шин, так как его менеджеры надеялись «раскрутить» покупателей на более дорогой вариант товара — «стм-2 средний». Но успех сопутствовал им всего лишь в 35% случаев. Как показывает наша модель, игнорируя прогнозируемую долю «стм-3 низкого» — эти 69,6%, компания теряла 45% своего потенциального объема сбыта (65% от 69,6% покупателей, которые настаивали на «стм-3 низкий» и не хотели покупать более дорогие шины). Мы стали копать глубже и составили таблицу среднего дохода домохозяйств в тех местах, где находился каждый из магазинов. Выводы представлены на рис. 1: доля самой дешевой комбинации «стм-3 низкий» и нежелание платить больше были обратно пропорциональны доходам. Иными словами, чем ниже средний доход в месте, где работает магазин, тем больше количество покупателей, предпочитающих самые дешевые шины, и меньше готовность переходить на более дорогие.

Оптимизируйте ассортимент

Расскажем, как с помощью модели понять, из каких нынешних и новых позиций должен состоять ваш оптимальный ассортимент.

1. Решите, что максимизировать: доходы или прибыли. Коль скоро речь идет о ритейлере, прибыль естественнее всего оценивать в совокупной валовой прибыли. Обычно это доход минус стоимость проданного товара. Бизнес-школы и экономисты проповедуют максимизацию прибыли, но ритейлеров волнуют и доходы, — хотя бы потому, что Уолл-стрит обращает на этот показатель самое пристальное внимание. И в случае «шинного» проекта, и в примере с автокосметикой, который мы еще обсудим, стояла задача максимизации дохода.

2. Определитесь с ценами на возможные ассортиментные позиции. Чтобы оптимизировать ассортимент, вам надо знать, какой доход (или какую маржу) принесет каждая позиция. В этих расчетах главное — цены. На уже присутствующие в ассортименте позиции они известны. Если цены на новые позиции определить никак нельзя, спрогнозируйте их, сравнив свойства нынешних позиций со свойствами товаров-кандидатур. В «шинном» проекте мы заметили, что цены на тот или иной размер зависят от комбинации бренда и пробега и устойчиво понижаются от самой дорогой комбинации («высокий национальный») к самой дешевой («стм-3 низкий»). Мы перенесли закономерность на цены тех ассортиментных позиций — кандидатур.

3. Определитесь с окончательным ассортиментом. Рассчитайте потенциальный доход с каждой ассортиментной позиции, умножив спрогнозированное количество проданных единиц на розничную цену. Теперь можно приступать к планированию ассортимента. Начинайте с тех позиций, которые принесут магазину или сети больше всего дохода или прибыли. Прибавьте к ним следующие по доходности позиции. И так до тех пор, пока не достигнете максимума позиций, которым сможете управлять: скажем, 100 из возможных 400. Не обольщайтесь: это сложнее, чем просто выбрать 100 самых доходных позиций и назвать их ассортиментом. Поскольку существует такое явление, как замена спроса, всякий раз, пополняя ассортимент новой позицией, вы должны будете корректировать свои цифры, чтобы учесть то, как эта новая позиция повлияет на спрос на другие позиции, уже добавленные. Поэтому процесс циклический. Когда мы с помощью этого процесса создали оптимальный ассортимент шин для всей сети ритейлера, торгующего автозапчастями, оказалось, что надо заменять 47 позиций из 105. (Как можно догадаться, многие из предложенных вариантов замены были комбинациями «стм-3 низкий»). Частью наших рекомендаций ритейлер воспользовался. Он пополнил ассортимент 10 новыми позициями, а от 10 отказался. К тому же он не смог найти поставщиков всех 47 предложенных новых позиций. После внедрения мы следили за данными о сбыте и пришли к выводу, что даже частичное обновление ассортимента способствовало повышению дохода на 5,8% и валовой прибыли — на 4,2%, — это существенное улучшение показателей. Результаты нашего анализа ассортимента подсказали ритейлеру, что надо чуть повысить цену на самые дешевые шины и чуть снизить цену на самые дорогие, увеличив тем самым вероятность покупки по более высокой цене. Красота нашей методики в том, что она позволяет вам увидеть, как изменения ассортимента отражаются на величине дохода. На рис. 2 показано, как ряд ассортиментных позиций влияет на доходы компании, торгующей шинами. Верхний график соответствует доходам в случае, если у каждого магазина будет свой оптимальный ассортимент, а нижний — доходам при общем оптимальном ассортименте. С помощью подобных графиков можно менять площади выкладки товара, отведенные под ту или иную категорию, чтобы увеличить объем сбыта. Кроме того, они помогают ритейлерам избежать ошибок Walmart и Super Fresh, которые сократили свой ассортимент и понесли убытки.

Локализация ассортимента

Разный ассортимент магазинов сети — дело непростое. Нужно понять особенности спроса в разных точках. Большинству ритейлеров сложно подбирать товары для каждого магазина по отдельности. Они предпочитают создавать группы магазинов (кластеры) с одинаковым ассортиментом. В этом случае им предстоит решить, сколько создавать кластеров, на какой основе (скажем, дохода населения или местного климата) и какой ассортимент должен быть в каждом.

Ответить на все эти вопросы помогает наша ориентированная на свойства методика. Мы убедились в этом, изучая товарную категорию автокосметики по заказу ритейлера, торгующего автозапчастями, — у него сотни магазинов. Автокосметика — это разнообразные жидкости и пасты, предназначенные для того, чтобы мыть автомобиль, покрывать воском, полировать, придавать ему блеск и защищать его поверхность. Мы выявили шесть свойств товаров этой категории: поверхность, которую надо обрабатывать, цель обработки, способ применения средства, размер упаковки, бренд и уровень качества (удовлетворительное, хорошее или отличное). Ритейлер очень хотел разобраться в том, как отличаются паттерны спроса в разных магазинах, и, опираясь на эту информацию, локализовать свой ассортимент. Локализация планировалась максимум в пяти кластерах магазинов — создавать больше пяти вариантов ассортимента ритейлер считал нецелесообразным.

Мы разбили выбор будущих покупателей по параметрам и на этой основе спрогнозировали спрос на возможные новые позиции. Это позволило разработать максимизирующий доходы ассортимент для каждого магазина.

Далее, с учетом разработанных вариантов ассортимента мы выявили кластеры магазинов. Для начала представили модель, где каждый магазин — отдельный кластер. Затем определили, какие два магазина меньше всего потеряют, если будут торговать одним и тем же, и объединили их в кластер из двух магазинов. Затем повторяли этот процесс, всякий раз выявляя следующие два магазина, которые могли без особых потерь торговать тем же набором товаров, или к двум уже объединенным магазинам прибавляя третий, — в зависимости от того, что эффективнее минимизировало снижение выручки. Всякий раз, повторяя процесс, мы уменьшали количество кластеров магазинов на один. Наконец, остался вариант с одним кластером из всех магазинов. И мы получили показатели выручки для всех градаций — от единого ассортимента для всей сети до отдельного ассортимента в каждом магазине.

На рис. 3 представлены показатели выручки по пяти градациям: от одного кластера до пяти, скорректированные таким образом, чтобы выручка от единого ассортимента составляла 100. Как видим, при увеличении числа кластеров прирост выручки уменьшается. И ритейлер пришел к выводу, что стоит ограничиться двумя кластерами.

Кроме того, в ходе исследования выяснилось, что один из двух кластеров (примерно треть всех магазинов сети) продавал гораздо больше дорогой продукции. Кластер отличался по демографическим признакам; ритейлер назвал эту группу потребителей «горожане/иностранцы». В ассортименте этих магазинов больше места отвели дополнительным товарам, и ритейлер сделал вывески, привлекавшие к ним внимание.

Шесть месяцев мы отслеживали данные о сбыте и подсчитали, что выручка от продаж автокосметики выросла в сети на 3,5%. Этот рост стал следствием как локализации, так и корректировки основного ассортимента. Более того, новый ассортимент и новая вывеска помогли ритейлеру еще в одном отношении: если прежде он уступал конкурентам по объему продаж в магазинах для «горожан/иностранцев», то после нововведений стал догонять их по категории автокосметики. Мы убеждены, что подход к созданию кластеров, основанный на спросе, намного эффективнее традиционного, когда ритейлеры просто угадывали, как особенности магазина повлияют на сбыт.