Промоакция на сезонный товар в разгар сезона — хороший ход. Можно резко увеличить оборот и оттянуть покупателей у конкурентов. Но вот только прогнозировать объем таких продаж довольно сложно: при нехватке товара можно остаться с пустыми полками и потерять маржу.
В этом году резкий переход на летний сезон в совокупности со снятием большинства ограничений, сопровождавших карантин, позволил продажам сезонных продуктов выйти на крейсерскую скорость практически без раскачки. Прогнозирование продаж в такой непростой период чревато невольными ошибками, а если в этот момент вы планируете еще и промоакцию, ваша задача усложняется в несколько раз.
О том, как не допустить ошибок в расчетах при переходе из одного сезона в другой и не оказаться в ситуации, когда полки с квасом и холодильники с мороженым останутся пустыми, рассказал руководитель направления Retail Analytics компании GoodsForecast Кирилл Черников.
Чем опасна сезонность?
Для начала давайте разберемся, что такое сезонность и как ее выявить. Сезонность характеризуется колебаниями спроса, повторяющимися с определенной частотой (месяц, квартал, год) и зачастую вполне предсказуемыми (время года, праздники, крупные мероприятия). Если построить график зависимости продаж от времени, то амплитуда его колебаний как раз укажет на периоды изменения спроса из-за сезона.
Согласитесь, все кажется достаточно легко и просто, поэтому даже при резком сезонном переходе отреагировать на изменение регулярного спроса у большинства компаний получится вполне успешно. Но если речь идет о продажах во время проведения промоакций, то плечо их планирования длиной от нескольких недель до нескольких месяцев может создать в магазинах дефицит товара в начале сезона или излишки в конце.
Взглянув на динамику продаж по месяцам обозначенных ранее сезонных продуктов — кваса и мороженого, можно увидеть три явные фазы:
- Взрывной рост (апрель, май).
- Подъем на пик и стабилизация продаж (июнь, июль, август).
- Выход из сезона (сентябрь).
Продажи в июне относительно апреля в среднем выше в 2,5 раза. И, наоборот, продажи в сентябре относительно июля ниже в 2 раза.
Похожая картина и для продуктов, у которых пиковым сезоном является зима. Ярким примером здесь являются цитрусовые:
Продажи активно растут в октябре, затем в ноябре — декабре стабилизируются.
Очевидно, что такая разница в спросе, накладываясь на плечо планирования промоакций, может сыграть злую шутку с прогнозом, оставив магазины у разбитого корыта в начале сезона и превратив золото в черепки в конце.
Пример
Квас объемом 0,5 литра участвовал в промоакции в начале июня. Прогноз для него построен в начале мая на основании информации:
-
о регулярных продажах середины и конца апреля — суммарно для периода в 7 дней они были равны 36 штукам;
-
об аналогичных акциях по напиткам в предыдущие 2 года в разные сезоны — средневзвешенный предполагаемый эффект был определен как прирост продаж в 3,4 раза.
Итого прогноз продаж составлял 122 штуки. Фактически в период промоакции было продано в 1,5 раза больше — 183 штуки, то есть прирост относительно рассчитанных регулярных продаж составил 5,1 раза. Помимо того что снизилась маржинальность (61 шт. товара, закупленного ранее по регулярной цене, продали по промоцене), в конце акции наблюдался дефицит товара, соответственно, магазин потерял часть клиентов и продаж.
Как нивелировать влияние сезонности при планировании промоакций?
Для решения проблемы используются два основных подхода:
-
При прогнозировании эффекта (прироста продаж) будущей промоакции опираться на эффекты акций такого же временного периода в прошлом. Данный подход позволяет в достаточной степени точно спрогнозировать прирост продаж во время промоакции при условии, что переходы между сезонами в прошлом были максимально похожи на текущую ситуацию.
В нашем случае, если бы использовались данные об эффектах только сезонных акций, рассчитанный предполагаемый прирост продаж составил бы 4,1 раза, соответственно, прогноз был бы 148 штук.
-
При расчете уровня текущих регулярных продаж, на который затем накладывается потенциальный прирост, на основании годового профиля продаж сети определять потенциальный переход в другой сезон до или во время проведения промоакции. Данный подход позволяет уйти от оценки эффектов сезонных промоакций и ориентироваться на общую динамику продаж сезонных продуктов.
В нашем случае продажи кваса в середине июня относительно конца апреля были выше в 1,3 раза, то есть уровень регулярных продаж при прогнозировании непосредственно перед промоакцией был бы 47 штук, умножение на прирост в 3,4 раза дало бы прогноз 160 штук.
Как видим, описанные подходы по отдельности не дали бы требуемого эффекта: в обоих случаях наблюдается как минимум потеря маржинальности из-за продажи остатков, закупленных ранее по более высокой цене под регулярные продажи.
Поэтому оптимальным является использование комбинации данных подходов:
-
сначала определяем уровень текущих регулярных продаж,
-
затем определяем амплитуду колебаний спроса между периодом расчета и периодом промоакции, характеризующую переход между сезонами,
-
рассчитываем коэффициент, который нивелирует возможную разность регулярных продаж в период планирования и период проведения промоакции,
-
потом собираем информацию об исторических акциях, проходивших в тот же период года, что и планируемая, определяем их средневзвешенный эффект,
-
и, наконец, определяем эффект будущей промоакции, используя нормированный уровень регулярных продаж и эффекты сезонных промоакций в прошлом.
В нашем случае нормированный уровень регулярных продаж в 47 штук, умноженный на прирост в 4,1 раза, сформировал бы прогноз продаж в период промоакции, равный 193 штукам: всего на 5% выше фактических, что является отличным результатом.
Какие инструменты могут помочь в прогнозировании промоакций с учетом сезонности?
Описанный комбинированный подход к прогнозированию продаж сезонных продуктов реализован в системе планирования и прогнозирования эффектов промоакций GoodsForecast.Promo. Кроме этого, система позволяет учитывать сезонность и для магазинов, продажи которых характеризуются сезонным колебанием трафика и спроса (например, расположенных в дачных поселках или вблизи объектов общественного досуга).
Все продукты и торговые точки, являющиеся сезонными, а также коэффициенты изменения их спроса система определяет автоматически на основании истории продаж за несколько лет, периода проведения планируемой промоакции и периода, являющегося базовым для расчета прогноза.
В совокупности с такими учитываемыми факторами, как каннибализация спроса между похожими товарами в промоакции, а также восстановление дефицитов в исторических акциях, алгоритм системы, основанный на технологиях Machine Learning, позволяет получать стабильный и точный прогноз, из которого вытекают выполнение планов по продажам и маржинальности промоакций, а также сокращение списаний и избыточного запаса.
О компании: Российская компания GoodsForecast входит в ГК «Форексис», созданную в 2000 году на базе Вычислительного центра Российской академии наук. GoodsForecast специализируется на прогнозировании спроса и оптимизации процессов планирования для производителей, дистрибьюторов и торговых сетей с 2004 года, сначала в рамках департамента систем прогнозирования ГК «Форексис», а с 2013 года — как часть группы компаний.
Является членом Консорциума в области технологий хранения и анализа больших данных и серебряным призером международного конкурса по прогнозированию М5 Forecasting Competition, который состоялся в 2020 году.
Источник: Retail.ru