Продолжаем про полезные кейсы для бизнеса.
Немного про розницу.
Очень часто маркетинговые кампании в розничных сетях проводятся по принципу мы сто раз так делали, раньше выросли продажи в 3 раза при снижении цены вдвое, то и теперь обязательно вырастут, при этом абсолютно не смотрят, как поведут себя товары-заменители. Недавно мы решали кейс для одного из розничных сетевых брендов и заметили большие искажения в продажах товаров-заменителей, потребители очень живо реагируют на большой дисконт, действительно продажи резко вырастают, но при этом почти на такой же объем падают в заменителях. Да, торговые сети научились перекладывать свои акции на производителя или сам производитель их проводит. В результате розничная сеть немного вырастает в выручке, но значительно начинает терять в марже, так как резко падает оборот по товарам заменителям, а прирост продаж по товару, по которому проводится акция отнюдь не компенсирует выпадающую маржу заменителя.
Получается, что и маркетологи правы, планируя кампании (ведь все как прогнозировали — выросли продажи по акции и даже посещаемость выросла), однако компания потеряла деньги на этих активностях. Тут есть достаточно простые техники, которые позволяют учитывать все эти тренды, а есть и прекрасные аналитические инструменты, которые можно использовать для более умного планирования маркетинговых кампаний.
Одной из таких техник является Анализ продуктовой корзины (Market Basket Analysis) или в data mining-е — это ассоциативный анализ. Что он позволяет делать? Он выделяет на основе истории транзакций группы товаров, которые чаще всего встречаются в чеках (небольшой пример показан в скрин шоте). После проведения такого анализа у нас появляется отличный инструмент кросс-субсидирования, проводя точечные акции по одним товарам и делая наценку на другие, можно компенсировать выпадающую маржу, а если вы еще и переложите скидку на поставщика, то сможете еще больше заработать.
Также эта техника может быть использована при выкладке товаров — можно как пары собирать вместе, если идет наценка, так и разносить по залу обеспечивая лучшую проходимость полок.
Набирает популярность и интересный подход, модели динамического ценообразования, который может работать даже в ситуации, когда нет электронных ценников. Такой подход позволяет учитывать множество факторов при ценообразовании и дает умный инструмент менеджменту компании для повышения маржинальности, учитывать как эластичность спроса по цене, так и перекрестную эластичность по группам заменителей, кроме этого, обогащая витрину данными о конкурентах можно учитывать эластичность по цене конкурента. И чем сложнее логика и витрина, тем сложнее этот процесс становится поддерживать вручную (и не поддерживают), при этом допускается множество ошибок и потерь, мы научились строить такие сложные модели, использовать в моделях бизнес-метрики для оценки их качества, а не только ориентироваться на статистические критерии и находить оптимальные цены/скидки для повышения маржинальности проводимых активностей.
И конечно, мы умеем прогнозировать спрос, оптимизировать склады и логистику, проводить RFM-сегментацию и многое другое. Но об этом чуть позднее.
Интересно подробнее про подходы и инструментарий, welcome в ЛС.

Удачи Вам, будьте более эффективны!