Как выгодно продавать товар с низкой частотностью?

Правильное управление товарными запасами – это залог успеха для любого предприятия.  Здесь стоят такие задачи, как удовлетворить предпочтения покупателя, минимизировать расходы на закупку, организовать хранение и транспортировку товара, поддержать оптимальный уровень запасов.  В это понятие входит и управление ассортиментом для удовлетворения предпочтений покупателя, и минимизация расходов на закупку, хранение, транспортировку товара, и поддержание оптимального уровня запаса, чтобы покупатель мог в любой момент найти товар в необходимом количестве.

Существуют разные подходы к расчету уровня запаса магазинов (при прямых поставках или наличии распределительного центра – далее РЦ). Большинство компаний вносят доработки в учетные системы для автоматизации формирования заказов, выбрав самый оптимальный для них метод расчета. Другие оставляют управление запасами в ручном режиме.

Многие специалисты ломают голову над тем, какой метод выбрать для управления уровнем запаса компании, особенно двигаясь от ручного управления с сильным влиянием человеческого фактора к автоматизации. Чаще всего компания выбирает единый метод для всех типов товаров, и на практике успех от такого решения зависит от того, какой доле ассортимента подходит выбранный метод.

1. Теория ограничений

Одним из популярных и правильных методов управления уровнем товарного запаса магазинов является управление буфером запаса по методологии теории ограничений. Буфер – это ориентировочный уровень запаса, который делится на три зоны: красная (зона риска нехватки запаса), желтая (оптимальная), зеленая (зона риска излишка). Суть данного метода заключается в том, что буфер изменяется на 33% в большую или меньшую сторону, если остаток по товару доминирует в красной/зеленой зоне соответственно при анализе последнего цикла пополнения.

Метод управления буфером по теории ограничений работает для расчета потребности магазинов тогда, когда товару не свойственна высокая вариабельность (изменчивость) частоты и количества продаж. Показательным примером являются ритейлеры сегмента food, в котором львиная доля ассортимента занимает товар с относительно равномерным спросом.

Важную роль в стабильном поддержании необходимого запаса в магазинах играет РЦ, особенно если у поставщика длительный цикл пополнения. Как правило, РЦ поставляет товар в магазины не менее одного раза в неделю, потому и рассчитать потребность в магазинах легче, а если прогадали – всегда можно быстро пополнить запас.

Особенно остро стоит вопрос для компаний, которые работают в сегменте non-food, так как практически весь ассортимент является товаром не повседневного спроса, и нередко цикл пополнения поставщика составляет от четырех недель (иногда до полугода!). Наличие РЦ способствует выравниванию ситуации в магазинах, но для этого необходимо правильно рассчитывать необходимый уровень запаса РЦ. В ситуации с товарами высокой вариабельности расчет потребности в заказах РЦ вызывает трудности: без прогноза продаж в магазинах не обойтись, ведь РЦ должен пополнять запас магазинов на протяжении всего периода до поступления новой партии от поставщика. Аналогично трудно рассчитать запас для собственных продаж РЦ (так в сфере non-food, зачастую, с РЦ также осуществляются продажи).

2. От чего зависит расчет уровня запаса

Расчет уровня запаса зависит от спроса и частоты поставок, поэтому любой метод сводится к тому, что нужно определить, как часто заказывать товар и какой период использовать для анализа спроса. При этом спрос нужно анализировать на каждой точке хранения.

С точки зрения частоты заказа, используются следующие практики:

1. Заказ поставщику согласно фиксированному графику.
2. Заказ в момент, когда остаток достигает заданного минимального уровня для товара.

Что касается первого способа, представим ситуацию: у вас есть четкий график поставок, есть возможность рассчитать, на какой период необходимо поддерживать запас (от поставки до поставки). Чем чаще есть возможность получать товар, и чем меньше условия по минимальным партиям, тем точнее будет прогноз необходимого уровня запаса. При таких условиях легче подстроиться под постоянные колебания спроса: не нагромождать склад крупной партией на длительный период, а закупать более мелкими партиями и чаще, чтобы иметь возможность быстро подвезти товар в случае риска нехватки. Ведь крупная партия может продаваться намного дольше ожидаемого срока, а возврат товара не всегда возможен. Более того, фиксация графиков служит основой для автоматизации не только формирования заказов, но и отчетов для оценки исполнительности поставщиков.

Для корректной работы второго способа необходимо регулярно пересматривать минимальный уровень товара, который может быть неправильно определен или стать неактуальным в силу изменения спроса, в связи с чем появляется риск упущенных продаж или, наоборот, излишнего запаса.

C точки зрения спроса:

В плане определения периода для анализа спроса большинство компаний используют фиксированный период для расчета средней продажи, например, последние 90 дней. Поскольку ассортимент компании содержит товары с разной стабильностью продаж, важно структурировать его по критериям:

1. Вариабельность частоты продаж (из цикла в цикл пополнения).
2. Вариабельность количества продаж.

3. Что такое вариабельность товара?

Оба критерия определяются на основании сравнительных данных нескольких циклов пополнения. Общей вариабельностью товара можно назвать сочетание двух данных типов вариабельности. Для ее расчета можно использовать XYZ анализ, в основе которого лежит вычисление коэффициента вариации продаж. Коэффициент вариации – это отношение среднеквадратического отклонения величины к ее ожидаемому (среднему) значению:

где:

σ – стандартное среднеквадратическое отклонение объема продаж;

х* – среднеарифметическое значение продаж;

xi – объем продаж в период в i-й период;

n – количество рассматриваемых периодов продаж товаров.

Чем больше коэффициент, тем менее однородный спрос. При использовании данного метода стоит учитывать наличие товара, ведь длительные пробои в поставках могут существенно повлиять на результат. Для более детального анализа попадания товара в группу Z, можно дополнительно произвести расчет, в котором исключить периоды с отсутствием продаж при наличии остатка. Это позволит отобрать товары, которые могут продаваться в практически одинаковом объеме, но с большим разбросом в частоте продаж.

Рассмотрим актуальность данного метода расчета средней продажи за фиксированный период для товаров разных типов согласно выше указанных критериев. Вводные данные: цикл пополнения 30 дней, расчет средней продажи точки хранения за 90 дней.

• Товар с низкой/средней частотой и количеством продаж – невариабельный.

При наличии стабильных вводных, на первый взгляд, не имеет значения, за какой период производить расчет. Но нужно учитывать тренды, которые могут изменятся. Например, первые 30 дней товар продавался в среднем 2 шт в день, следующие – 2,17 шт, а в последний цикл пополнения наблюдался рост продаж до 2,5 шт в день.

При расчете средней продажи за 90 дней данный тренд будет практически нивелирован, поэтому актуальнее рассчитывать запас на основании спроса за последний цикл пополнения или использовать расчет средней взвешенной продажи, присвоив коэффициенты (вес) каждому периоду для учета тенденции спроса.

Для расчета средней или средней взвешенной продажи важно рассматривать скорость продаж, поэтому учитываются дни с остатком на конец дня или продажами за день (если продано в ноль). Иначе при длительном отсутствии товара расчет с большой вероятностью будет слишком занижен.

• Товар с высокой вариабельностью частоты продаж.

Для таких товаров использование расчета на основании недавнего спроса за последний цикл пополнения не подходит, если только он не очень длительный. Пример: товар, как правило, продается в размере 4 шт за цикл, но через 1-3 цикла. Соответственно, в расчет за последние 30 дней данный день/дни с продажей может не попасть, но это не значит, что спроса на товар вообще нет, и его не нужно заказывать. А расчет за 90 дней может занизить среднюю продажу и привести к упущенным продажам.

4. Какой выход из ситуации?

В данном случае лучше всего добавить критерий деления товаров на обязательный (первостепенный/высокомаржинальный) ассортимент и необязательный (второстепенный/низкомаржинальный). Для этого можно использовать сочетание ABCD и VEN-анализа.

К примеру, если товар является значимым в ассортименте в силу маржи или притягивания сопутствующих товаров, есть смысл постоянно поддерживать такой товар в объеме, который обычно продается, несмотря на то, что он мог какое-то время лежать без движения. Для этого можно применить расчет по перцентилю для исключения ярко выраженных выбросов продаж, но не обычного усреднения продаж, или же настроить поиск максимальных продаж за период. Это значение использовать в качестве необходимого уровня запаса. Если же товар не является «важным», то целесообразно использовать расчет средней арифметической продажи. В обоих случаях подойдет расчет за фиксированное количество циклов пополнения, чтобы захватить несколько периодов.

• Товар с высокой вариабельностью количества продаж.

Если товар продается каждый цикл пополнения, но с большим разбросом в количестве продаж (речь идет о непредсказуемых продажах, а не акциях/праздниках), то использование расчета за 90 дней (3 цикла пополнения) является вполне подходящим. Обратите внимание на то, что, если цикл пополнения не слишком длительный, и совпал с количеством дней расчета средней продажи, то это может привести к нежелательным последствиям.

Пример: компания использует расчет за 30 дней, при этом цикл пополнения равен 30 дням. Фактически используются данные только за последний период пополнения, и при большом разбросе продаж из цикла в цикл это может привести к излишкам или упущенным продажам. Чтобы избежать такой ситуации, можно определять период расчета с помощью фиксированного количества цикла пополнений.

• Товар с высокой вариабельностью частоты и количества продаж.

Такой тип товара приносит больше всего трудностей при расчете потребности. Это комбинация типов 2 и 3, следовательно, при использовании метода расчета средней продажи за фиксированный период могут возникнуть все описанные ситуации.

Немаловажным фактором для любого типа расчета является то, как часто товар отсутствует, так как это напрямую влияет на результат. Для товаров, у которых в расчете не было дней с остатком и/или продажей, минимальное, что можно сделать, это установить автоматический заказ 1 единицы (шт, упаковка) или использовать предыдущее значение. Но лучше настроить оповещение о позициях, по которым в расчет попало менее n% дней с остатком/продажами.

Мы установили, что для определения частоты заказов лучше использовать фиксированные графики поставок. Что же делать с выбором периода анализа спроса для определения средней продажи?

Исходя из вышеописанных примеров, использовать единый период для всех типов товаров неправильно. Но есть решение:

• Использовать фиксированное количество циклов пополнения для расчета средней продажи товаров неравномерного спроса. При этом в случае, если у товаров сети есть очень короткие/длительные циклы пополнения, необходимо задать минимальное и максимальное количество дней. Например, если цикл пополнения 90 дней, а расчет производится за 3 цикла, то период анализа спроса будет равен 270 дней. Достаточно ограничить расчетные значения до полугода.
• Использовать фиксированное количество циклов пополнения для расчета средней взвешенной продажи или последний цикл пополнения для расчета средней арифметической для товаров относительно равномерного спроса.

Подводя итоги, управление запасами – это сложный и трудоемкий процесс, который следует автоматизировать. Для этого необходимо:

1. Проанализировать и структурировать ассортимент.
2. Установить графики поставок.
3. Определить алгоритмы для управления запасами товаров того или иного типа.

В статье рассказали о методах работы с товарами разной вариабельности частоты и количества продаж, которые можно использовать, когда общепринятые практики не приносят желаемых результатов.

Фото: pixabay.com