Хотите посмотреть систему изнутри и понять, насколько она применима для ваших задач?
С удовольствием проведем демонстрацию
Хотите посмотреть систему изнутри
и понять, насколько она
применима для ваших задач?
и понять, насколько она
применима для ваших задач?
С удовольствием проведем демонстрацию:
Как увеличить оборачиваемость сети на 40% и избавиться от низколиквидных позиций за счет автоматизации ценообразования
О заказчике
Компания Gold-Standart - это сеть магазинов и интернет-магазин спортивного и диетического питания для здорового и активного образа жизни. Компания активно развивает мультиканальную модель продаж.
Решение Imprice.ai помогло увеличить валовую прибыль на 16% за несколько месяцев.
В данном кейсе мы расскажем о втором этапе оптимизации цен Gold-Standart с помощью Imprice.
Решение Imprice.ai помогло увеличить валовую прибыль на 16% за несколько месяцев.
В данном кейсе мы расскажем о втором этапе оптимизации цен Gold-Standart с помощью Imprice.
Задача второго этапа оптимизации цен
Перед системой Imprice поставили новую задачу - улучшить оборачиваемость товаров.
Средний срок хранения товара на складах компании составлял 75 дней. Также в процессе анализа товарных остатков было выявлено, что 15% SKU ни разу не продавались за последние 40 дней и более, то есть компания заморозила большие денежные активы в низкооборачиваемых позициях.
Средний срок хранения товара на складах компании составлял 75 дней. Также в процессе анализа товарных остатков было выявлено, что 15% SKU ни разу не продавались за последние 40 дней и более, то есть компания заморозила большие денежные активы в низкооборачиваемых позициях.
Основные результаты второго этапа
В качестве критериев оценки при внедрении ценообразования на базе оборачиваемости товаров были выбраны:
● Количество товаров без продаж со сроком хранения более 40 дней (415 SKU на момент старта работы алгоритма).
● Средний срок хранения запасов по всем складам компании (75 дней, учитывались все товары, не только низколиквидные).
● Количество товаров без продаж со сроком хранения более 40 дней (415 SKU на момент старта работы алгоритма).
● Средний срок хранения запасов по всем складам компании (75 дней, учитывались все товары, не только низколиквидные).
Главные итоги оптимизации цен по оборачиваемости:
на
снизился средний срок хранения запасов.
С 75 дней до 44 дней.
снизился средний срок хранения запасов.
С 75 дней до 44 дней.
40%
в
раза уменьшилось количество SKU без продаж за 3 месяца работы алгоритма
раза уменьшилось количество SKU без продаж за 3 месяца работы алгоритма
3,6
настроена система, которая учитывает оборачиваемость товаров в ценообразовании и в заказах на закуп
Решение
В Imprice.ai есть возможность управлять формированием цены в зависимости от оборачиваемости товара.
Для этого необходимо выполнить ряд последовательных шагов, что мы и сделали.
Для этого необходимо выполнить ряд последовательных шагов, что мы и сделали.
Настроить выгрузку коэффициентов оборачиваемости (КО) по каждому товару.
По всем складам компании за фиксированный период необходимо было получить коэффициент оборачиваемости, либо настроить расчет коэффициентов непосредственно в Imprice.
Клиенту было удобнее запустить расчет в нашей системе. Для этого мы синхронизировали продажи и историю остатков за последний год.
Клиенту было удобнее запустить расчет в нашей системе. Для этого мы синхронизировали продажи и историю остатков за последний год.
Рассчитать сроки хранения
По каждому товару необходимо было получить данные о сроке хранения.
Срок хранения особенно важен для товаров без продаж, так как при отсутствии продаж коэффициент оборачиваемости равен нулю и нужен другой критерий для оценки оборачиваемости товара.
Срок хранения особенно важен для товаров без продаж, так как при отсутствии продаж коэффициент оборачиваемости равен нулю и нужен другой критерий для оценки оборачиваемости товара.
Скрин из системы Imprice
Кликните на картинку, чтобы увеличить изображение
Кликните на картинку, чтобы увеличить изображение
Настроить сегменты
Настроить сегменты в соответствии с оборачиваемостью товаров и сроком хранения. Важно было правильно выбрать значения для сегментации.
После анализа данных клиент создал следующие сегменты:
После анализа данных клиент создал следующие сегменты:
Скрин отчета в системе Imprice
Кликните на картинку, чтобы увеличить изображение
Кликните на картинку, чтобы увеличить изображение
● В первый сегмент стали автоматически попадать товары с коэффициентом оборачиваемости (КО) меньше, чем для 70% ассортимента.
● В остальные сегменты попали товары с КО равным нулю, то есть за рассматриваемый период расчета не было продано ни одной штуки таких товаров. КО=0 и для товаров, которые недавно поступили на склады, поэтому важно было учесть период с момента поступления. Именно срок хранения и стал основой для данной группы сегментов: если товар не продавался больше 40 дней, то он начинал последовательно двигаться по этим сегментам.
На старте работы алгоритма в данные сегменты попало 15% SKU от ассортимента компании.
● В остальные сегменты попали товары с КО равным нулю, то есть за рассматриваемый период расчета не было продано ни одной штуки таких товаров. КО=0 и для товаров, которые недавно поступили на склады, поэтому важно было учесть период с момента поступления. Именно срок хранения и стал основой для данной группы сегментов: если товар не продавался больше 40 дней, то он начинал последовательно двигаться по этим сегментам.
На старте работы алгоритма в данные сегменты попало 15% SKU от ассортимента компании.
Настроить правила для каждого сегмента
Далее необходимо было создать правила, в соответствии с которыми система начала формировать цены для сайта и розничных магазинов.
Скрин из системы Imprice
Кликните на картинку, чтобы увеличить изображение
Кликните на картинку, чтобы увеличить изображение
Логика в данном случае простая - чем хуже продавался товар, тем более агрессивные цены формировала система. Товары, которые не продавались более 80 дней, компания решила распродавать в убыток.
Система Imprice.ai также автоматически маркировала товары данных сегментов, чтобы менеджеры по закупкам не заказывали их в дальнейшем.
Система Imprice.ai также автоматически маркировала товары данных сегментов, чтобы менеджеры по закупкам не заказывали их в дальнейшем.
Скрин из системы Imprice
Кликните на картинку, чтобы увеличить изображение
Кликните на картинку, чтобы увеличить изображение
Отзыв Gold-Standart.com
"Грамотная автоматизация ценообразования на основе оборачиваемости помогла нам уже за первый месяц в 3 раза сократить остаток низколиквидов - при этом сохраняя маржу, насколько возможно.
Мы и раньше комплексно работали над повышением оборачиваемости запасов, в том числе по конкретным группам товаров мотивировали продавцов и начисляли повышенные баллы по программе лояльности. Но до Imprice закупщикам приходилось анализировать оборачиваемость и популярность товаров в полуручном режиме: они периодически формировали огромные таблицы в 1С, выявляли товары с плохой оборачиваемостью, проводили распродажи, постоянно перемещали остатки. Процесс был сложным, отнимающим кучу времени и недостаточно эффективным: система давала сбои из-за большого количества ручных операций и необходимости многое "держать в голове".
Скорее всего, размер скидок часто был больше необходимого. Случалось, что непопулярный товар с трудом распродавали с помощью суперскидок, а потом по ошибке закупали вновь.
В 1С не было возможности пометить товар как "плохо продаваемый". Для товаров с нулевыми продажами требовалось формировать отдельные отчеты по датам поступлений. В итоге при составлении заявки закупщику приходилось одновременно смотреть данные из нескольких разных отчетов плюс свои файлы с заметками, что очень сложно, когда количество артикулов исчисляется сотнями и тысячами.
Мы готовились добавлять серьёзный функционал по учету оборачиваемости в нашу "1С-Управление торговлей" и не могли придумать варианта, который бы полностью исключил ручные операции, а значит - вероятность дальнейших ошибок.
Решение от Imprice.ai было прорывом и спасением для нас. Специалисты Imprice.ai за неделю запустили алгоритм по ценообразованию на базе оборачиваемости, и уже на следующий день мы заметили, что товаров в соответствующих сегментах стало на 2-3% меньше. При этом скидка увеличивалась постепенно, исходя из реакции покупателей, что позволяло сохранять маржинальность по максимуму.
Отдельное спасибо за автоматическую маркировку товаров с плохой оборачиваемостью. Ведь самое обидное было распродавать низколиквид, а потом его снова закупить. Теперь это исключено. "
Мы и раньше комплексно работали над повышением оборачиваемости запасов, в том числе по конкретным группам товаров мотивировали продавцов и начисляли повышенные баллы по программе лояльности. Но до Imprice закупщикам приходилось анализировать оборачиваемость и популярность товаров в полуручном режиме: они периодически формировали огромные таблицы в 1С, выявляли товары с плохой оборачиваемостью, проводили распродажи, постоянно перемещали остатки. Процесс был сложным, отнимающим кучу времени и недостаточно эффективным: система давала сбои из-за большого количества ручных операций и необходимости многое "держать в голове".
Скорее всего, размер скидок часто был больше необходимого. Случалось, что непопулярный товар с трудом распродавали с помощью суперскидок, а потом по ошибке закупали вновь.
В 1С не было возможности пометить товар как "плохо продаваемый". Для товаров с нулевыми продажами требовалось формировать отдельные отчеты по датам поступлений. В итоге при составлении заявки закупщику приходилось одновременно смотреть данные из нескольких разных отчетов плюс свои файлы с заметками, что очень сложно, когда количество артикулов исчисляется сотнями и тысячами.
Мы готовились добавлять серьёзный функционал по учету оборачиваемости в нашу "1С-Управление торговлей" и не могли придумать варианта, который бы полностью исключил ручные операции, а значит - вероятность дальнейших ошибок.
Решение от Imprice.ai было прорывом и спасением для нас. Специалисты Imprice.ai за неделю запустили алгоритм по ценообразованию на базе оборачиваемости, и уже на следующий день мы заметили, что товаров в соответствующих сегментах стало на 2-3% меньше. При этом скидка увеличивалась постепенно, исходя из реакции покупателей, что позволяло сохранять маржинальность по максимуму.
Отдельное спасибо за автоматическую маркировку товаров с плохой оборачиваемостью. Ведь самое обидное было распродавать низколиквид, а потом его снова закупить. Теперь это исключено. "
Коммерческий директор Gold-Standart.com
Результаты внедрения алгоритма ценообразования на базе оборачиваемости товаров
1. При запуске данного типа ценообразования в сегментах было 415 товаров, которые ни разу не продались за последний год, и которые поступили больше, чем 40 дней назад.
На 22 октября таких товаров осталось 202 SKU, сократили количество таких товаров в 2 раза, сумма остатков неликвидов уменьшилась более чем в 3 раза.
На 15 декабря таких товаров было всего 114, остались самые "тяжелые" для продаж товары.
2. Компания высвободила деньги для закупки высоколиквидных товаров и получила систему, которая автоматически определяет низколикивидные товары и автоматически их выводит из системы.
На 22 октября таких товаров осталось 202 SKU, сократили количество таких товаров в 2 раза, сумма остатков неликвидов уменьшилась более чем в 3 раза.
На 15 декабря таких товаров было всего 114, остались самые "тяжелые" для продаж товары.
2. Компания высвободила деньги для закупки высоколиквидных товаров и получила систему, которая автоматически определяет низколикивидные товары и автоматически их выводит из системы.
Динамика низколиквидных товаров; скрин из системы Imprice
Кликните на картинку, чтобы увеличить изображение
Кликните на картинку, чтобы увеличить изображение
3. При последовательном сегментировании товаров с плохой оборачиваемостью компания получила систему, которая будет при первых признаках плохих продаж выводить товар из ассортиментной матрицы, оставляя только высоколиквидные товары.
4. Сильно упростилась процедура ввода и вывода позиций в товарную матрицу. Система Imprice.ai самостоятельно маркирует низкооборачиваемый товар.
5. Важно, что в системе вручную можно отфильтровать товары, которые плохо продаются, но при этом формируют ширину ассортимента магазина, они не будут попадать в данные сегменты.
6. В результате работы системы Imprice.ai у компании сократился средний срок хранения остатков: с 75 дней до 44 дней за 3 месяца работы данного алгоритма.
4. Сильно упростилась процедура ввода и вывода позиций в товарную матрицу. Система Imprice.ai самостоятельно маркирует низкооборачиваемый товар.
5. Важно, что в системе вручную можно отфильтровать товары, которые плохо продаются, но при этом формируют ширину ассортимента магазина, они не будут попадать в данные сегменты.
6. В результате работы системы Imprice.ai у компании сократился средний срок хранения остатков: с 75 дней до 44 дней за 3 месяца работы данного алгоритма.
В НАШЕМ ТЕЛЕГРАМ-КАНАЛЕ
эксперты Imprice о внутренней кухне ценообразования
Разбираем проверенные практики, делимся опытом и рассказываем, как устроены управляемые процессы изнутри.
Скопировано