Ближайшие тренинги Сергея Илюхи

Методы расчета потенциала продаж для выбора формата магазина в рамках модели категорийного менеджмента

Современные алгоритмы расчета потенциала продаж для розничного магазина базируются на объединении классических принципов (например, ABC-XYZ, регрессионных моделей) с возможностями обработки больших данных (Big Data) и машинного обучения (ML). Они позволяют учитывать не только исторические продажи, но и множество внешних и поведенческих факторов. Ниже представлены ключевые подходы и алгоритмы.
Модели на основе спроса и емкости локации
Модели на основе спроса и емкости локации
Используются для оценки максимального объема продаж, исходя из характеристик самого магазина и его окружения.
Что учитывают:
Количество потенциальных покупателей в радиусе (до 500 м для продуктового магазина).
·       Частота возникновения потребности.
·       Частота посещений по времени.
·       Интенсивность проходящего трафика (пешеходного/автомобильного).
·       Конкурентное окружение.
·       Потенциал потребления на душу населения.
Пример:
Гравитационная модель Рейли.
Согласно модели Рейли магазины привлекают покупателей из соседних населённых пунктов (локаций внутри города, не входящих в зону шаговой доступности магазина) пропорционально численности населения и обратно пропорционально расстоянию, которое надо преодолеть. При этом считается, что численность привлекаемого трафика:
·       Прямо пропорциональна населению локации, из которой привлекается покупатель – чем больше население, тем выше вероятность привлечения.
·       Прямо пропорциональна численности локации, где находится магазин – чем больше посещаемость магазина, тем лучшее предложение он делает для существующих покупателей и привлекательней будет для новых.
·       Обратно пропорционален квадрату расстояния, которое покупателю придется преодолеть при перемещении из одного района в другой.
Модель критической точки Конверса.
Эта модель развивает модель Рейли, вводя понятие «критическая точка» - точка на пути из района нахождения потенциальных покупателей в район расположения магазина, в которой покупатель с равной вероятностью совершит покупки как в «своей» локации, так и в районе, потенциал которого оценивается. Дополнительный трафик также прямо пропорционален численности населения и обратно пропорционален квадрату расстояния до критической точки.
Модель Хаффа.
Многофакторная модель, которая учитывает не только расстояния и населения районов, но и какие торговые центры там находятся и как к ним относится покупатель (в ка. В результате рассчитывается количество покупателей, которых можно привлечь
Алгоритмы расчета на основе Big Data + ML
Индивидуальные модели, строящие прогнозы по огромному числу параметров.
Источники данных:
·       История чеков (SKU, сумма, состав корзины).
·       Временные ряды продаж.
·       Цены, акции, погодные условия, день недели, сезон.
·       Социально-демографический профиль аудитории.
·       Поведение покупателей (тепловые карты, Wi-Fi-трекинг).
Технологии:
При определенных навыках и доступе к информации задача эффективно решается на различных платформах. В зависимости от степени детализации исходных данных возможно проведение аналитики на уровне территории, категории, группы потребителей и т.д.
Модели оценки потенциала на основе бенчмаркинга
Расчет ведется на основе масштабирования с учетом результатов работы конкурентов.
Потенциал = Результат × Коэффициенты корректировки
Модель, где:
Коэффициент корректировки рассчитывается исходя из соотношения у нас и у конкурентов по важным для покупателя показателям:
·       ИРЦ.
·       Количество SKU.
·       Площадь выкладки.
·       Время на движение от жилого массива до торговой точки.
·       Уровень промо активности.


Подробнее на тренингах по категорийному менеджменту:
Хотите записаться на обучение?