Важнейшим фактором, влияющим на спрос товара, являются промо
активности. Изменение цены товара, дополнительные выкладки, рекламные
кампании могут существенно изменять спрос как на промо товар, так и на
товар-конкурент, который совместно с промо-товаром продается по
регулярной цене.
Для 85% покупателей цена – решающий фактор совершения покупки. Естественно предположить, спрос на товары с регулярной ценой упадет при проведении промо на аналогичный товар производителя-конкурента из-за оттока клиентов. Такое явление называется каннибализацией продаж.
Эластичность спроса товаров от акции к акции не является постоянной величиной. Причиной непостоянности эластичности спроса товара могут быть наличие/отсутствие товаров-конкурентов, одновременно участвующих в акции.
В этой статье мы опишем метод поиска пар товаров, которые каннибализируют продажи друг друга, применим оценку значимости эффекта каннибализации товаров.
Предположим, у нас есть два товара, которые могут конкурировать в
продажах. Мы хотим выявить эффект спада продаж товара А при проведении
акции на товар В. Чтобы оценить эффект мы возьмем продажи А, очищенные
от акции, и разделим на две группы:
- Неакционная продажа товара А при проведении акции на товар В
- Неакционная продажа товара А при отсутствии акции на товар В
Изменение продаж товара А можно выразить так:
D = Snp – Sp
где Snp – усредненная неакционная продажа товара А при регулярных продажах товара В,
Sp – усредненная продажа товара А во время акции товара В
Если товары каннибализируют друг друга, то величина D должна быть
положительной, но этого недостаточно, чтобы с уверенностью утверждать,
что эффект каннибализации значим. Для оценки значимости мы будем
использовать двухвыборочный t-критерий. Ниже представлен псевдокод алгоритма поиска с использованием этого критерия:
Results = []
For A in all_items:
All_B = all_items – A
For B in All_B:
For discount in all_B_discounts:
Обыч. продажи = А[(А не промо) и (В не промо)]
Канн. продажи = А[(А не промо) и (B промо)]
t_stat, p = t_test(Обыч. продажи, Канн. продажи)
D = Snp – Sp
if p < 0.05:
добавить в Results [A, B, p, D, discount_id]
- all_items – множество всех товаров в группе
- All_B – множество all_items без товара А
- А – товар, на котором мы хотим обнаружить эффект каннибализации
- В – товар, который может каннибализировать продажи товара А
- all_B_discounts – множество всех скидок товара B при регулярных продажах товара А
- p – вероятность того, что при проведении акции на товар-конкурент продажи не упали
Полученный список акций Results фильтруем по p < 0.05, при таком
условии различие продаж Sp и Snp является статистически значимым.
Полученный метод позволяет находить пары товаров, которые каннибализируют друг друга. Однако часто бывает, когда в акции участвует
группа товаров, например, йогурты нескольких производителей – тогда
необходимо рассматривать эффект каннибализации группой, применив
аналогичный алгоритм.
Ниже представлен реальный пример выявленных продаж пары товаров с эффектом каннибализации данным методом:
Описанный выше алгоритм может рассматриваться как инструмент поиска
конкурирующих товаров, однако он не дает 100% результата. На практике
могут попадаться случаи неразмеченных акций, уценок, резких изменений
регулярных цен, из-за которых, как правило, возникают как ложноположительные, так и ложноотрицательные ошибки. Проблему
неразмеченной ценовой активности можно частично решить последующей
постобработкой данных, однако это не может полностью заменить разметку –
без неё невозможен анализ каннибализации товаров.
Результат этого метода может использоваться при построении ML-модели
как дополнительный количественный или качественный признак учета
акционной активности товара-конкурента или группы товаров-конкурентов
при прогнозировании регулярных продаж. Современные методы
прогнозирования позволяют использовать такие признаки в качестве
дополнительной информации при прогнозировании объемов продаж товара.