39 подписчиков
Эксперты Keeprise раскрывают свои секреты определения KVI. Ранее мы рассказывали о возможности поиска таких товаров с помощью простых программ. Сегодня поделимся нашими методами. 📊
Аналитика требует обработки больших данных (несколько десятков тысяч SKU за раз!), поэтому обычными средствами не обойтись и мы разработали собственный сервис. Он опирается на алгоритмы оптимизации пересчёта цен. Сначала исключается влияние случайных факторов: сезона, скидок, акций и праздников. Категории, которые минимально зависят от внешних факторов определяются как ключевые (KVC). Это позволяет сократить объём времени и мощностей для анализа. 📈
Для каждого товара определяются бизнес-показатели, такие как доля выручки в общей сумме или эластичность товара. Веса показателей назначаются в соответствии с бизнес-целями. Это помогает катманам и бизнесу в целом гибко определять KVI по своим приоритетным показателям. 💼
После товары проходят фильтр ограничений. Из расчёта исключаются товары собственного производства. В результате получаем ожидаемое число KVI: 5-15% от общего числа SKU в магазине. ✏️
Для каждого из оставшихся SKU рассчитывается скоринговый балл, нормируются бизнес-показатели, и производится сортировка по скорингу. Затем определяется функция отсечения для каждой категории, штрафующая позицию за удаленность от лидера. Также накладывается штраф на разницу с соседней позицией. Это существенное отличие от простого ABC-анализа, при котором не происходит оценки факторов и приоритизации через функцию отсечения. Метод повышает точность вычислений. 🔍
В результате сохраняется только часть от отсортированного ассортимента, максимально подходящая под группу KVI. Итоги анализа должны соответствовать цели: товары KVI обеспечивают ценовое восприятие для покупателя и регулярно присутствуют в магазинах. Когда изменяются условия, производится повторный перерасчёт. 🛒
1 минута
19 апреля 2024