Оптимизация затрат

Как оптимизировать затраты и бюджет на закупку?

0

Продолжаем темы Data Driven Optimization. Поговорим про оптимизацию затрат и управление поставщиками.
Любая закупка генерирует затраты организации и чем лучше компания управляет этим процессом, тем более она эффективна. А я могу вам сказать, что на рынке эта область очень незрелая и с точки зрения обеспечения аналитики сильно отстает от коммерческой функции и это значительная точка роста для вашего бизнеса.

Аналитических кейсов в этой теме с финансовым эффектом очень много, причем как в коммерческих организациях, так и государственных заказчиках.

Давайте рассмотрим несколько кейсов на каждом из этапов:
1. Формирование и оптимизация бюджета закупки – задача определения оптимального объема закупки на основе расходования материалов, на выходе сбалансированный бюджет закупок на N месяцев вперед.
2. Оценка волатильности цены и подбор оптимального сезона для закупки, некоторые товары имеют сезонный спрос. Определение сезонов с наименьшей ценой позволяет здорово оптимизировать затраты.
3. Проверка поставщиков – на аффилированность (явная, неявная — сговор), на надежность (возможности выполнить условия конкурса/потенциальное банкротство, отсутствие претензий со стороны третьих лиц, одновременное участие в большом объеме закупок).
4. Подбор поставщиков также ваша задача, важно сформировать пул надежных поставщиков по каждой номенклатуре закупаемой продукции. И никакого нарушения, если вы просто помимо открытого конкурса, отправляете уведомления еще и по своему списку, гарантируя себе, что закупка точно состоится и вы не потеряете время впустую.
5. Выявление подозрительных конкурсов – нужно проводить регулярный мониторинг подозрительных конкурсов через интегральную оценку по надежности поставщика, цене, длительности, снижении цены от первоначальной, отклоненным заявкам, подозрению на сговор и пр. Тогда настроенные контроли, позволят вам на ранних этапах выявить риски.
6. Контроль над уровнем цен – тут важно по каждой номенклатуре проводить регулярный анализ цен поставщиков на основе открытой информации на сайте, каталогах, или запрашивать предложения с определенной частотой. В этом случае вы будете точно понимать рынок и возможную цену. И тут детальные номенклатуры очень важны, потому как изменение на 1 букву в индексе может привести к увеличению цен в три раза, и вам отгрузят товар с бантиком, который вам не нужен, но задорого.
7. Контроль над объемом закупаемой продукции – вы не допускать затоваривание склада, информируя если объем закупаемых товаров слишком большой (в погоне за минимальной ценой покупается слишком большая партия товаров), либо наоборот объем закупаемой продукции слишком низок (что приводит к дорогой закупке).
8. Контроль над видами закупаемой продукции – ведите реестр товаров заменителей/наличия их на складах/ближайших складах, это позволяет оптимизировать бюджет закупок. Если покупаете технологические товары и услуги, важно отслеживать тренды, все быстро меняется, появляются новые более дешевые технологии, иногда малоизвестные вендоры поставляют более качественные продукты.
9. Объединение закупок между филиалами либо шэринг закупки на паях – самый изящный способ сэкономить, это купить партию, договорившись с кем-то кому нужна такая же продукция.

Далее когда вы купили, потратили деньги, это не значит что уже нужно расслабиться, начинается самое интересное это управление затратами:
1. Вы можете оптимизировать затраты на хранение
2. Можете пересматривать цену если арендуете какой-то ресурс/помещение/пользуетесь услугами. Рынок не стоит на месте и важно проводить работу по мониторингу рынка регулярно, это вам может дать достаточно большую экономию.

Давайте приведу несколько примеров, когда сложно выявить превышение затрат, но можно. Анализируя расходные договора на аренду и покупку ресурсов, я выявлял такие кейсы:
1. Закуплены коммутаторы с количеством портов много больше рынка конкретного региона, это иногда может быть дом, иногда подъезд, а иногда и целый населенный пункт.
2. Закуплены каналы на 50% превышающий нужный объем со скидкой 20% за единицу. То есть вроде бы дешевле на 1 Мбит, но все равно потратили лишних денег, иногда и просто скидку получили, остались в тех же деньгах, хотя могли бы сэкономить. Эксплуатация очень часто перестраховывается и не отслеживает рынок, рынок может быть падающим, а технари планируют развитие.
3. Критичный анализ утилизации ресурсов — вообще проанализируйте чем забиты ваши каналы, я находил и убыточный трафик и технологический трафик, который можно было пускать по дешевому маршруту, но так исторически сложилось.
4. Посмотрите критично на резервирование — я иногда находил такие маршруты, которые по 3 раза зарезервированы было по разным маршрутам.
5. Просто старые договора на аренду, по которым цены снизились на рынке в 3 раза, вроде сумма небольшая поэтому никто не обращает внимание.
6. Использование самого дорогого маршрута для пропуска — вроде бы и канал забит, но переключение трафика на дешевый маршрут и отказ от дорогого приносит дополнительную экономию.
И на самом деле много что еще.

А вы когда-нибудь анализировали прейскуранты Западных IT вендоров — у некоторых они составлены так, чтобы вы никогда в этом не разобрались, а у некоторых содержат более 1000 страниц. А мы в этом очень хорошо разбираемся и знаем как не переплачивать за то, что вам не нужно.

Поверьте если вы проведете эту работу, а по хорошему ее еще и автоматизировать можно, вы получите очень качественный прирост маржинальности и окупите систему к моменту запуска ее в эксплуатацию.

Если вам интересна эта тематика — тогда вам сюда http://fsecrets.ru/service/

Хотите оставаться в теме самых интересных кейсов применения больших данных, подписывайтесь на telegram-канал https://t.me/fsecrets

Осторожно! Маркетологи)

0

До чего же люди маркетологи пошли жадные! Я как-то ранее рассказывал как увеличивать средний чек за счет раздробления товара на более мелкие порции и увеличение цены на единицу продукции (мл, г, и т.д.). Я думал, я всякое повидал, но совсем недавно наткнулся на новый вид мошенничества маркетинговой акции — чем больше берешь, тем дороже за единицу. Удивительно, но стал обращать внимание, что такой подход распространен практически повсеместно. Видимо расчет на то, что пользователи ожидают объемной скидки на большее количество товара, но не тут-то было, на самом деле все наоборот, чем больше упаковку берешь, тем дороже товар за единицу и если раньше я видел только единичные случаи, которые возникали в следствии установления акционной цены на меньший объем товара, то сейчас я это вижу буквально на каждом шагу. И прямо бросается все это в глаза, ну что же такой подход тоже имеет место быть.
Маркетологам на заметку!
А простым покупателям — будьте бдительны!

Удачи вам!

PS Оказалось, что расчет на психологию покупателя, покупатель решит обмануть магазин и купить больше штук по 1-ой вещи, таким образом стимулируется продажа большего объема.

Используем DPI по максимуму

0

Пост, скорее посвящен операторам связи, но на самом деле может быть полезен многим компаниям.

Сегодня хотелось бы поговорить о DPI и его возможностях, которые открываются перед операторами.

Уверен, что на сегодня потенциал DPI не исчерпал своих возможностей и на 1%.

Может я не прав, но на сегодня самые распространенные услуги на базе DPI:

1. Это реализация блокировок сайтов, занесенных в реестр Роскомнадзора.

2. Услуги класса «Родительский контроль».

Есть еще реализации, которые, как правило, больше к ограничениям абонентов относятся, нежели к дополнительным возможностям. Например, блокировка нежелательного контента в образовательных учреждениях — это пример B2B сервиса, но реализованного на площадке оператора.

Некоторые научились использовать аналитику для предотвращения оттока — ведь по статистике, риск посещения сайта конкурента в 5 раз чаще приводит к оттоку, чем звонок на службу технической поддержки.

Немногие используют аналитику DPI для кросс-продаж и Upsell, хотя это открывает удивительные возможности как по продаже собственных услуг, так и продаже услуг партнеров.

На основе DPI можно выделять конечных пользователей домохозяйств по профилю потребления услуг и переходить к персональной коммуникации.

Раньше были инсталляции, которые позволяли монетизировать абонентскую базу по рекламной модели, но после небезызвестных событий и разъяснения Роскомнадзора, что все данные должны оставаться в периметре оператора, это значительно усложнило реализацию, хотя и дало возможность операторам самим запускать такие сервисы на собственных площадках. И возможности эти довольно обширны.

Также данные c DPI позволяют значительно оптимизировать сетевые ресурсы. Если посмотреть на открытые данные операторов связи в инвестиции по модернизации сетей передачи данных, которые составляют больше 200 млрд в год, а также на кривую роста трафика сети передачи данных, то можно понять какие обширные возможности еще не реализованы и на сколько огромен рынок. Понятно, что все операторы научились оптимизировать затраты на апстримы, делая прямые пиринговые стыки с крупнейшими генерящими трафик площадками. Но при этом оптимизацию зоновой инфраструктуры упускают из виду. А вот и зря! Если вы проанализируете трафик DPI по видам и посмотрите на участки сети, то вы увидите, что на вашей сети достаточно большой объем «паразитирующего» трафика, который выжирает трубу, но не приносит вам ни копейки. Более того, если сегментировать базу, то четко будет видно кто из абонентов такую нагрузку создает. Когда я проделывал такое упражнение в одном из операторов, то был сильно удивлен статистикой, ведь всего 5% абонентов генерировали больше 80% трафика. Я конечно ожидал Правила Паретто, но был удивлен полученным результатом. Если распределить затраты на эксплуатацию сети на всю базу, получалось, что эти 5% абонентов давали такой убыток, что проще было этих абонентов подарить конкуренту. Однако объем базы был достаточно большой и выручку не хотелось терять, поэтому мы научились работать с такими абонентами и оптимизировать нагрузку за счет различных профилей на виды трафика, минимизируя полосы для «паразитного» трафика, выделяя в отдельные WLAN-ы отдельные виды трафика. Для платного трафика наоборот уровень SLA был увеличен, что давало прирост платного трафика в единицу времени. Применение этого подхода позволило увеличить трафик и выручку, ведь за единицу времени пользователь смог скачивать больше информации, получая лучший сервис, а время сессии не уменьшилось, а увеличилось, ведь пользоваться услугой стало комфортнее.

Data-продукты на основе DPI, на мой взгляд, заслуживают большого внимания, ведь потенциал этого рынка не исчерпан. И открывают широкие возможности перед операторами по монетизации растущего трафика передачи данных. Например, HR-аналитика и проактивное удержание сотрудников. Выделение сотрудников, которые посещают площадки поиска работы или наоборот праздно проводят время — достаточно актуальные сервисы.

Это и сервисы заботы о пожилых родственниках, ведь иногда родители стесняются рассказать детям, что со здоровьем не все в порядке.

Это сервисы заботы о детях, родительский контроль не всегда убережет от пагубного влияния соц. сетей.

Защита от несанкционированного доступа, ведь при аномальном поведении трафика сразу заметны такие атаки. И их возможно ограничить.

Продажа приоритетного доступа на площадку — на основе приоритета трафика.

Исследовательские Data-продукты. Ни одно исследование и опрос аудитории не справиться с результатами реальной статистики потребления услуг. И тут возможности не ограничены, такие продукты нужны и полит технологам и маркетологам, и продуктологам и PR службам. Сейчас эту нишу плотно держат поисковики, но поисковики кроме факта захода на какую-либо площадку вообще ничего не видят, если отсутствует их собственный движок, который собирает статистику, операторы знают об абонентах почти все.

Улучшение скоринговой модели для банков. Уж кто как не оператор связи знает о своих пользователях все. Тут и предотвращение мошенничества и удержание клиентов, которые захотят сменить банк. И много других бизнес-кейсов.

Возможности не ограничены, достаточно включить немного фантазии, а покупатели на такие продукты найдутся всегда. Мир IoT откроет еще больше возможностей для реализации Data-продуктов.

Используя DPI можно значительно увеличить отношение Revenue/Traffic.

Эффективных вам решений!

Разрабатываем стратегию CBM (Customer Base Management)

0

Сегодня я постараюсь описать, что из себя должна представлять стратегия CBM (управление клиентской базой) и на что обратить внимание при ее разработке и реализации. Сразу скажу, что это лишь верхнеуровневая концепция, но она поможет вам составить представление.
По сути это документ, который должен вам по сути сделать дорожную карту трансформации операционных процессов и выхода на заданные целевые показатели.
Этапы работы с клиентом:
1. Привлечение
2. Развитие
3. Проактивное удержание
4. Реактивное удержание
5. Возврат
6. New Монетизация оттока — это скорее некая бизнес-идея, которую мы сейчас начали тестировать с несколькими бизнес-заказчиками, но и она приносит определенный результат.
По каждому этапу вам необходимо разработать каналы коммуникации, продаж или обслуживания. Оценить емкость каналов и необходимые ресурсы для реализации каждого этапа, описать оферы и инструменты работы, а также критерии успешности и методику оценки результатов.

Посмотрев на пункты 1-6 ответьте себе честно, на сколько каждый пункт у вас проработан?

Давайте чуть подробнее опишу каждый этап работы:

1. Привлечение клиентов — понятно, что это ключевой пункт каждой организации, не будет продаж, не будет и бизнеса. Но его наличие вовсе не говорит о том что компания реализовала весь свой потенциал, тут речь идет не только про наличие каналов, их масштабирование до максимальной емкости, но и повышение их эффективности, я приводил пример как можно увеличить эффективность кол-центра на порядок. С развитием цифровых каналов у компаний открываются достаточно большие возможности по масштабированию продаж с минимальными ресурсами, все ли вы их используете?

2. Развитие клиентов. Ответьте себе честно сколько клиентов у вас совершают повторные покупки. Есть ли у вас Upsale/CrossSale кампании? На сколько эффективно у вас работают точки агрегации трафика клиентов? И как вы вообще измеряете результат этой работы? Как изменяется LTV? Как вы выбираете предложения для клиентов? Какое лучшее следующее предложение для клиентов?

3. А когда вы узнаете о том, что клиент уже ушел и больше к вам не вернется? Что вы делаете если клиент столкнулся с деградацией сервиса и что думает о вас? Как вы измеряете лояльность и удовлетворенность? Как работаете с такими клиентами и какие инструменты у вас есть?

4. Ну с реактивным удержанием понятно, клиент сам пришел вам об этом сказал, но какова ваша реакция? Что вы делаете? Какие инструменты есть для его удержания? Как вы меряете такую аудиторию?

5. Возврат. А кто вообще занимается возвратом? И есть ли инструменты для этой работы, и есть ли ресурсы? А что выгоднее возврат или привлечение нового клиента?

6. Монетизация оттока. А кто-нибудь этим занимается кроме меня? Я раньше тоже не особо задумывался, но анализируя и сравнивая клиентский LTV, пришел к выводу, что даже потери можно монетизировать. Сейчас мы тестируем эту концепцию, уже есть первые результаты, о чем несомненно расскажу.

Если вы хотите максимизировать LifeTimeValue, задумайтесь о разработке такой стратегии, она позволит вам улучшить результаты бизнеса на порядок!

 

Как создать рекомендательный движок для VOD

0

Сегодня немного поговорим об интересном опыте, который мы прошли создавая рекомендательный движок для продвижения VOD (Видео по запросу). Один из операторов проводил конкурс среди поставщиков подобных решений и мы с командой единомышленников решили сделать такой сервис с нуля самостоятельно. Мы изучили конкурентов на рынке и нашли для себя хорошую нишу, чем мы можем отличаться. Я выступал в качестве эксперта по моделированию и прекрасно понимал предметную область.

Многие решения используют, как правило, алгоритм колоборативной фильтрации для формирования рекомендации. Но у него есть значительный недостаток в виде проседания при холодном старте. Т.е. если статистики телесмотрения очень мало, то рекомендации не будут в себе содержать фильмов, которые не разу не смотрели, иногда срок жизни в библиотеке достаточно мал, чтобы окупиться за время нахождения в библиотеке, поэтому его очень важно активно продвигать через интерфейс приставки.

Помимо поисковых рекомендаций, мы каждую единицу контента описали множеством тегов. Теперь даже не имея статистики смотрения мы можем показывать очень схожий по жанру фильм, что решило проблему холодного старта.

Также мы сделали социальную рекомендацию, когда пользователь видит что смотрит его сосед по дому или пользователь с похожим профилем потребления. Кроме этого, мы предложили инструмент для продвижения контента, когда рейтинг смотрибельности искусственно накручивается, чтобы продвигать определенный контент, но делать это незаметно для пользователей, чтобы не раздражать. Мы научились выделять контент из линейного контента на основе тегов EPG (электронной программы передач) и делать рекомендации линейного контента, с напоминанием когда будет его любимый фильм или передача или матч любимой команды. Мы научились формировать ленту по интересам пользователей, учитывать что в домохозяйстве может быть несколько членов семьи, а соответственно и профилей смотрения. Также мы научились строить рекомендации для приставок, с которых статистики смотрения не собирается, на основе профиля потребления Интернет с DPI, если абонент принадлежит оператору.

Но самое интересное, что мы предложили, это интерфейс для контент менеджера, который еще до покупки новой порции фильмов, может спрогнозировать количество просмотров на той абонентской базе что есть и предсказать на сколько каждая единица контента окупиться.

Мы верим, что это решение может найти своего заказчика, и сделает телесмотрение еще более интересным для абонентов.

Если вам интересно такое решение, готовы провести демонстрацию.

Удачи вам и следите за обновлением в блоге!

Вверх