Оптимизация ассортимента сети: как не допустить ошибку?

Ассортимент – одно из самых главных конкурентных преимуществ сети. Если в магазине нет нужного клиенту товара, то он уйдет неудовлетворенным к вашим конкурентам.

И здесь уже не столь важно, что магазин имеет удобное расположение, в нем грамотная выкладка товаров, привлекательные цены и приветливый персонал. Это всего лишь дополнительные преимущества, которые не в состоянии удовлетворить главную потребность клиента - купить желаемый товар.

Что такое оптимальный ассортимент?

Оптимальный ассортимент – тот перечень товаров, который покрывает потребности покупателей, приносит сети желаемый размер прибыли, достаточно быстро продается и "не замораживает" средства в излишках.

Сегодня в условиях кризиса оптимизация ассортимента как никогда важна для каждого ритейла. Она позволит:

   ✅ - Успешно конкурировать с другими торговыми сетями.

   ✅ - Создавать постоянный покупательский трафик.

   ✅ - Превратить случайных покупателей в постоянных клиентов.

   ✅ - Улучшить репутацию сети и запустить "сарафанное радио".

   ✅ - Минимизировать неликвидные товары.

   ✅ - Не допускать утраченных продаж через нулевые остатки или отсутствие товаров в ассортиментной матрице.

   ✅ - Грамотно планировать закупку и отлаживать эффективную логистику.

Как оптимизация ассортимента окажет влияние на ваши показатели продаж?

Грамотно сформированная ассортиментная матрица позволит вам:

• увеличить продажи сети до 20%;
• обеспечить рост спонтанных покупок ваших клиентов на 40%;
• увеличить конверсию до 35%;
• способствовать росту среднего чека в 1,5 раза;
• ускорить оборачиваемость на 7-10%;
• получить большую величину прибыли.

Такие результаты позволят ритейлеру успешно принять все вызовы нынешнего времени.

Ошибки, которые чаще всего допускают ритейлеры в управлении ассортиментом

Опыт работы с разными торговыми сетями позволил нам сформировать список наиболее популярных ошибок формирования товарной номенклатуры:

   ❌ - Не изучают потребности покупателей и не прогнозируют спрос, а формируют ассортимент матрицу интуитивно.

   ❌ - "Ведутся" на убеждения и предложения поставщиков, забывая о реальных потребностях магазина;

   ❌ - Делают ассортимент слишком широким или слишком узким.

   ❌ - Не учитывают сезонность отдельных товарных позиций.

   ❌ - Забывают об особенностях торговой точки: формате, местоположении, целевой аудитории покупателей.

   ❌ - Не отслеживают новейшие тенденции и тренды на рынке.

   ❌ - Не корректируют ассортимент длительный промежуток времени, оставляя его постоянным.

   ❌ - Вводят новые товарные позиции, заменяя ими SKU-бестселлеры.

Как правильно оптимизировать ассортимент?

Прогнозирование спроса – отправная точка для планирования ассортимента. Поскольку важно понимать, кто ваши клиенты и что им потребуется в ближайшее время.

Этот процесс непрост и требует учета большого количества факторов:

• изменения товарооборота LFL (Like for like);
• сезонность товаров;
• наличие и результативность промо-акций;
• свойственные кросс-эффекты: гало и каннибализация;
• колебания пенетрации категорий, товаров, брендов;
• демографические особенности целевой аудитории магазина.

Понятно, что вручную учесть все эти факторы практически невозможно или точность таких расчетов будет предельно низкой. Для решения такой сверхсложной задачи рекомендуем использовать аналитические платформы, которые основываются на алгоритмах искусственного интеллекта (АI).

Передовые методы искусственного интеллекта позволяют обрабатывать огромный массив данных за считанные минуты, отслеживать незаметные человеческому глазу тенденции, предлагать среди множества возможных вариантов наилучшие решения.

Вместо тысячи показателей…

Мы не будем предлагать вам показатели и подходы для анализа клиентского поведения или прогнозирования спроса. Их есть множество и сложность применения потребует немало вашего драгоценного времени.

Наше предложение – готовое решение на аналитической платформе для ритейлеров!

Команда Datawiz совместными усилиями с ритейлами экспертами создали специальный отчет "Рекомендуемый ассортимент". Он, используя инструменты машинного обучения (Machine learning – ML), предлагает пользователям уже готовые решения для оптимизации ассортимента.

С его помощью можно:

• выявлять товары, которые целесообразно ввести в ассортимент определенных магазинов;
• прогнозировать показатели продаж с учетом рекомендуемого обновления ассортимента;
• увеличить прибыль сети, выбрав наиболее эффективную ассортиментную политику.

Алгоритм отчета использует кластеризацию магазинов сети и всесторонне изучает имеющийся ассортимент по каждому кластеру, его показатели продаж и тенденции изменений.

В основе такой кластеризации учитываются:

1. Концепция магазина: тип, формат. Искусственный интеллект собирает всю необходимую информацию для того, чтобы понять, какое направление развития и способ обслуживания выбрано для магазина. Ведь от этого будет зависеть список категорий и товаров, которые следует размещать на полках.

2. Портрет целевой аудитории и ее предпочтения. Для АІ-алгоритмов доступен огромный массив данных, который позволяет создать более точное представление о клиентах сети. И уже отталкиваясь от такой информации, система будет формировать рекомендации по оптимизации ассортимента. Так, если магазин находится в районе, где есть много офисов, то в качестве предложенных товарных позиций будут продукты для здоровых и сытных перекусов. В случае, когда целевая аудитория магазина – семейные пары с детьми, система будет рекомендовать ходовые товары для ежедневного приготовления полноценных блюд и детского питания.

3. Внутренние параметры магазина: размер торговой площади, наличие/отсутствие склада, тип оборудования, перечень поставщиков и условия сотрудничества с ними. Такие нюансы оказывают прямое влияние на формирование оптимальной ассортиментной матрицы и учитываются искусственным интеллектом.

4. Конкурентная среда. Эта информация трудно доступна, но АІ-алгоритмы могут собрать нужные данные из разных внешних источников и интернет-площадок. И уже зная, что продают конкуренты, по каким ценам, какие их ассортиментные "пробелы", аналитическая система будет формировать грамотные предложения для улучшения вашей товарной матрицы каждого магазина в кластере.

С помощью такого отчета вы будете ежедневно получать рекомендации по оптимизации ассортимента, отслеживать реакцию покупателей на изменение товарных позиций, выявлять SKU, которые 100% заинтересуют покупателей и принесут магазинам дополнительные доходы.

Пришло время, когда можно передать сложные задачи мощным системам искусственного интеллекта!

Хочется завершить цитатой Эвана Шеехана (Deloitte Global Retail Leader): "Те розничные продавцы, которые могут предложить потребителям то, что они хотят, там, где они этого хотят и когда они этого хотят, будут всегда выигрывать!"