Модель анализа ассортимента для B2B, которая эффективнее ABC-анализа

Всем привет Меня зовут диёр шага Зато и я консультант Paper Planes сегодня мы с вами поговорим про простую но очень понятную модель анализа эффективности ассортимента зачастую когда вопрос стаёт анализ ассортимента многие вспоминают про ABC модель отражающая Разные группы товаров с точки зрения маржинальности вот зачастую к нему ещё приписывает так называемый xyz анализ и формируется Вот такая вот Матрица Да на пересечении который есть у нас товары ABC и товары xyz данная модель собственно работает часто на разных рынках но есть свои нюансы у неё зачастую у нас возникает проблема особенно на B2B рынках так как когда есть очень разный цикл сделки и как следствие эта модель не решает проблемы и задачи которые собственно на неё возлагаются да В особенности случается Так что Лучшие товары по критерию A и X покупаются всего лишь раз в год да имеет высокую маржинальность но с точки зрения условно разделения ассортимента на те которые нужно брать под склад и те которые нужно брать под запрос собственно на этот вопрос данная модель не всегда может ответить столкнувшись с такой проблемой Да наше собственно агентство разработало новую модель которую мы назвали rxl модель собственно исходя из названия Вы можете понять что это Пять критериев которые по аналогии с abcx пот анализом отражает реальный физический смысл в особенности в B2B дистрибьюции Вот давайте рассмотрим пример представим что мы купили 70 штук товаров по 3 руб в итоге мы получаем 210 руб Да как некая такая наша выручка мы сделали собственно вот этот вот такую вот сделку за о год и у нас клиенты да помимо семидесяти штук запросили Да собственно 100 таких товаров если переложить вот данные вводные на roxel модель Да собственно мы получим Давайте вот так что R расшифровывает по сути выручка Да и здесь собственно в данном примере мы получаем как бы 210 руб всё довольно логично и понятно собственно дальше есть параметр а отражающий то есть количество товаров которые клиенты запросили за определённый период То есть за год в данном случае это 100 штук Даше называем мы то есть конверсия из запрошенных штук в проданные в данном случае мы видим что если было запрошено 100 продано 70 конверсия составила условно 70% первые три параметра модели отражает некую экономическую эффективность Да нашего товара есть ещё два параметра более важных которы ваем вот в особенности на B2B рынке отражать сезонность и отражать собственно распределенность погоду собственно так и параметр этот называется да то есть это с английского да бы распределенность погоду если мы представим Да вот такой некий кружочек Да собственно это представим что это год вот в рамках этого года может бытье ли либо в неделю Да это зачастую Бывает такое когда тендеры происходят и все наши клиенты условные перекупщики начинают на одну неделю нагонять кучу запросов и с точки зрения аналитики Мы видим что даже по собственно ракс вот этому Вот по части экономической эффективности высокий товар но с точки зрения распределённой по году это всё Всего лишь оди месяц как следствие мы не можем сделать такой вывод что там условно Брать этот товар постоянно на склад собственно S параметр Да как раз-таки решает эту проблему считая как раз-таки распределенность погоду то есть количество уникальных дней то есть запросов которые были в разные дни и расстояние между этими днями То есть Первый параметр из которого S состоит - это среднее количество уникальных запросов да то есть в днях второй параметр из которого это критерий состоит это А собственно

среднее расстояние да то есть среднее количество дней между этими запросами Давайте напишем среднее количество дней между запросами собственно и третий параметр Да который здесь не отражён и зачастую тоже не учитывается в моделях анализа - Это количество клиентов то есть сколько собственно людей сделали эти запросы потому что собственно зная вот эти два параметра мы можем сделать вывод условно что Да закупается товар как бы погоду отлично но это сделали там не знаю может быть один клиент два клиента что тоже самое является как бы не очень валидно для нас как следствие Мы вводим здесь ещё параметр который называем количество уникальных клиентов которые собственно совершили эти запросы количество уникальных клиентов как следствие если мы собираем первую часть нашей roel модели Давайте перевернём нашу страничку да мы получаем что рак часть Да это как бы некая такая экономическая эффективность собственно S как раз-таки это аналогия xyz анализа но дополненной количества клиентов и такого среднего расстояния между сделками да то есть Это скорее как бы вот распределённой или по-другому как бы такой очень высокий коэффициент сезонности который мы учитываем и в самом конце возникает ещ дополнительный параметр Да Почему он записан через дефис потому что он как бы стоит особняком и очень связан с параметром C конверсия L Да собственно мы для себя расшифровывает на складе То есть клиент мог прийти к нам запросить какой-либо товар Да его могло бы не быть просто на складе либо он был не согласен в те сроки которые мы можем ему предоставить товар купить наш собственно продукт как следствие показывает как раз-таки процент долю той конверсии которую мы как бы проиграли То есть то что мы недополучает именно по причине того что а не было наличия да то есть нет наличия То есть самый лучший товар который необходимо нам по сути держать на складе и как следствие постоянно держать в таком неком наличии да это как раз таки товары с самой высокой R то есть ревенью с самым высоким количеством запросов с самой низкой конверсией самой высокой распределённой погоду То есть как бы сезонность не влияет скорее да и самой высокой как бы причиной отказа где у нас не было наличия почему это так почему именно конверсия низкая потому что как раз таки вот эти товары являются неким таким рычагом роста потому что это те товары которые запросили много которые много как бы продавались Да с точки зрения как бы выручки в целом то есть они дорогие точнее будет сказать они в целом запросы все вот эти были распределены погоду и как раз таки конверсия низкая поскольку этого товара не было в наличии как следствие Да ну собственно это является неким таким прямым доказательством того что вот этот товар то есть имее такую комбинацию Нам точно нужно держать на складе чтобы это считать Да А вы можете обратиться собственно в описание в документ где мы показываем конкретные просчёты как это можно сделать Да в целом базисно все вот эти параметры работают также примерно как и ABC модели Ну ABC анализ Да единственное здесь используются центили об этом подробнее можете почитать в описании на этом У меня всё всем спасибо Подписывайтесь на наш канал и до новых встреч H