Embed Size (px)
DESCRIPTION
В условиях жесткой конкуренции ритейлеры вынуждены постоянно бороться за своих покупателей. Для увеличения своей доли на рынке необходимо работать с покупателями на индивидуальном уровне, повышать их лояльность и оптимизировать ассортимент, исходя из их потребностей.
Citation preview
Оптимизация ассортимента на базе кластеризации покупателей и
моделирования их поведения
С чем сталкивается
ритейл?
Строгие требования к ассортименту
Низкие средние чеки
Ограниченные торговые площади
Несвоевременная выкладка товаров
На основе этих данных наши специалисты строят поведенческие модели покупателей, которые помогают определить их дерево решений.
Мы используем данные о категориях, планограммы, истории продаж, данные программы лояльности и другую доступную информацию.
ScienceSoft разрабатывает и внедряет комплексные решения для оптимизации ассортимента
Изменения в ассортименте и использовании торговых площадей
Анализ текущей ситуации
Составление обоснованного плана
Контроль выполнения плана
Выявление точек резерва повышения
продажПостроение прогнозов
Принятие
решения
Концептуальная схема автоматизированной системы управления ассортиментом
Сопутствующие товары категории Кто является покупателем
категории Уровень проникновения категории Как часто происходит покупка
категории Эластичность спроса категории по
цене Доля расходов на категориюистория продаж
данные промо-акцийпрограмма лояльности
и другие данные
автоматическое построение ряда отчетов и таблиц, которые отражают текущую ситуацию
Автоматизированный анализ текущей ситуации
Выявление точек резерва
Система использует данные о продажах категории / суб-категории /сегмента / бренда / SKU, сегментов покупателей, а так же проводимых промо-акциях
При наличии развитой программы лояльности, сегментация покупателей проводится на индивидуальном уровне, при ее отсутствии сегментируются типы корзин
Система учитывает роль той или иной категории: целевая, основная, сезонная, импульсная, компетентность (или другие роли, принятые в сети)
Выявление точек резерва
Формирование категории по объему, структуре и представлению так, как ее хочет видеть потребитель
Определение недостаточности или избыточности категории
Выделение перспективных сегментов покупателей для каждой категории / суб-категории / бренда / SKU
Выявление резервов продаж с учетом покупателей и товаров, приобретаемых вместе
Внутри категории, суб-категории, сегмента, бренда, SKU
Распределение товаров на полке
Система автоматически оптимизирует выкладку товаров, используя данные планограмм и историю продаж.
Дополнительно система позволяет фиксировать полки для определенной категории или брендов.
Выявление точек резерва
Предложение новых SKU
Расширение категории через введение новых SKU помогает повышать покупательский потенциал категории.
На основе поведенческих моделей покупателей торговой точки и истории их продаж, система автоматически определяет недостающие виды SKU с наиболее востребованными характеристиками.
Выявление точек резерва
Анализ корзин Выявление паттернов покупок
Определение недостающих SKU
Покупатель покупает жирное
молоко
В продаже нет жирной сметаны
ДОБАВИТЬ!
Покупатели обычно
покупают молочные продукты
схожей жирности
Отсутствие товара на полке
Выявление отсутствия или недостатка товара в торговом зале и его своевременная выкладка позволяет розничной сети в значительной мере повысить уровень своих продаж и удовлетворенность покупателей услугами магазина.
Выявление точек резерва
Средние продажи товара в промежуток времени
Сезонные и праздничные колебания
Сравнение с текущей
ситуацией
резкое падение объемов продаж
Оповещение о необходимости проверить
наличие товара и его выкладку
Прогнозирование на основе поведенческих моделей покупателей
Прогнозирование объемов продаж позволяет розничной торговле минимизировать затоваривание складов и избежать пустых полок.
Построение прогнозных моделей основано на использовании исторических данных продаж, поведении покупателей, а также вычленении сезонных и праздничных колебаний.
Прогнозирование объемов продаж строится на основании данных прошлых периодов без учета каких-либо нововведений в новом периоде (т.е. без использования резервов повышения продаж).
При прогнозировании учитываются
эффект сезонных колебаний влияния промо-акций на общий уровень продаж
Прогнозирование на основе поведенческих моделей покупателей
Как в предыдущем периоде
Выявление точек резерва повышения
продаж
Построение прогнозов
Анализ текущей ситуации
С учетом использования выбранных точек резерва
Категорийные менеджеры выбирают те точки резерва, которые в данном периоде считаются наиболее важными и перспективными.
С учетом выбранных точек резерва, система автоматически прогнозирует общий уровень продаж с поправкой на эффект сезонных колебаний и влияние промо-акций.
Прогнозирование на основе поведенческих моделей покупателей
Выявление точек резерва повышения
продаж
Построение прогнозов
Анализ текущей ситуации
Составление обоснованного плана продаж
Система составляет планы по каждой торговой точке сети для категории / суб-категории /сегмента / бренда / SKU.
Акционные продажи просчитываются отдельно.
прогноз(как в прошлом периоде или с использованием резервов)
план продаж(автоматическое формирование)
В план продаж закладывается плановое улучшение результатов (в сравнении с магазинами того же сегмента).
Другая доступная маркетинговая информация закладывается в план для его уточнения
Система автоматически анализирует продажи в каждой торговой точке сети и оповещает ответственных сотрудников об отклонениях от плана.
Информация рассылается через электронную почту, а также доступна в удобном виде на мобильных телефонах и планшетах.
Дополнительно с отклонениями от плана могут отображаться возможные факторы, влияющие на них.
Контроль выполнения плана
Офисы в Западной и Восточной Европе
400+ сотрудников
Процессы в соответствии с ISO 9001:2008 и CMMI
Заказчики из 25 стран мира, включая компании из списка Fortune 500
Более 35 патентов в области анализа данных
Ключевые факты о ScienceSoft
Розничная торговля (разработка для крупнейших американских и европейских ритейлеров, суммарно >5.000 магазинов)
Анализ брендов, промо-акций и рекламных кампаний (мировые производители продуктов питания, суммарно >50 млрд. $ оборота)
24 года опыта в разработке алгоритмов анализа и прогнозирования
Мобильные решения для производителей и розничной торговли
Опыт работы в аналитике, FMCG и ритейле
Спасибо за внимание
SCIENCESOFT OYAnnankatu 2 A 2
00120 Helsinki, FinlandPhone: +358 45 178 4880Email: [email protected]
Web: www.scnsoft.fi
SCIENCESOFT, INC.Ул. Л.Беды, 2
220040 Минск, БеларусьТел.: + 375 17 293 3736
Email: [email protected]
Web: www.scnsoft.com
