Hylldisplay: problem med merchandising. "Svart" och "vit" merchandising: kriget om hyllutrymmen Vilken hyllplats behövs för

När man planerar butiksutrymmet i en butik ställs dess ägare inför ett antal frågor. Hur gör man produktvisningen varierad, men inte överflödig? Hur ser man till att displayen lockar så många kunder som möjligt, och att dåligt sålda produkter inte tar plats på hyllan? Hur beräknar man det optimala lagret på hyllan för att inte "frysa" extra pengar, men samtidigt så att produkten som köparen behöver alltid finns i butiken och i sikte? Verktyg för att optimera hyllutrymmet löser dessa problem framgångsrikt.

Skapa planogram med GOLD Space Planning och GOLD Space Automation

Att optimera hyllutrymmet på hyllor förbättrar produkttillgängligheten och hjälper till att minska antalet lågomsättningsprodukter på hyllan. Sortimentet ställs ut på hyllan i enlighet med företagets enhetliga varuhandelsregler. Under optimering beaktas faktorer som butiksutrustningens detaljer, unika försäljningsdata och lokala butiksfunktioner.

Verktyg används för att optimera hyllutrymmet GOLD Space Planning och GOLD Space Automation.

GULD Rymdplanering– ett verktyg för att skapa planogram och analysera deras effektivitet.

GULD Space Automation– ett verktyg för att automatiskt generera unika planogram för varje butik baserat på mallar eller regler.

Genom att använda GULD Rymdplanering du kommer att kunna visualisera detaljhandelsutrustning och produktplacering i 2D och 3D. Programmet låter dig bestämma den nödvändiga lagernivån för bedömning och optimering av displayen.

Användaren ges stora möjligheter att förbereda varurapporter och hantera detaljhandelsutrustning.

Att skapa planogram är så enkelt som möjligt: ​​du drar och släpper helt enkelt produkter från databasen till hyllorna.

Liksom i GOLD Macro Space Planning, markeras "heta" och problemområden i Space Planning. Detta hjälper till att optimera placeringen av produktartiklar.

GOLD Space Planning har avancerad funktionalitet för att upprätthålla en mängd olika varurapportering. Programmet tillhandahåller en funktion för att jämföra planogram för olika butiker eller planogram för en butik under olika perioder. Flexibla analysverktyg gör att du kan identifiera produkter med överskott av hyllutrymme och omfördela utrymme till produkter med hög omsättning eller vinst.

Alla rapporter kan exporteras i Excel-format.

GULD Space Automation– ett verktyg för att automatiskt skapa planogram. Denna lösning kommer att vara nödvändig för företag som arbetar med ett stort antal planogram. Det kommer att avsevärt minska tiden för att skapa och underhålla planogram och kommer att göra det möjligt för företaget att stödja individuella butiksplanogram med ett begränsat antal specialister på varuexponeringsavdelningen.

Genom att använda GULD Space Automation du kommer att kunna skapa individuella planogram för varje butik med en enda uppsättning regler, optimera sektioner vars design har ändrats, lägga till och ta bort produkter.

GULD Space Automation– ett verktyg med vilket du snabbt kan förbättra din butiksvisning och minska förlorad försäljning tack vare efterfrågestyrd placering. Programmet kommer att erbjuda dig en lösning som matchar din marknadsföringsstrategi. Denna mjukvaruprodukt från Symphony GOLD kommer att optimera displayen speciellt för dig baserat på affärsindikatorer för varor i butik, minska svarstiden på strategiska och taktiska beslut och minska lager och förluster. Ett vänligt gränssnitt hjälper användaren att snabbt förstå programmet.

Optimering av hyllutrymme syftar till att öka försäljningen, optimera kostnader för lagring av varor och frigöra frysta medel. Inledningsvis möttes kundernas efterfrågan genom att utöka butiksytor och produktsortiment. Men precis som allt i affärer är hyllutrymme och mängden pengar som investeras i lager begränsade resurser.

Hyllutrymmeshanteringssystemet låter dig optimera och automatisera hanteringen av hyllutrymme och försäljningsgolv på ett intelligent sätt och övervaka nyckeltal.

Övervakning (vinst per kvadratmeter hylla etc.) och optimering av hyllutrymmet gör att säljare och leverantörer kan öka försäljningen och vinsten, tillgodose kundernas behov utan att fysiskt utöka hyllan. En butikshylla har begränsat med utrymme, så det är viktigt att presentera ett sortiment som kommer att öka omsättningen och maximera intäkterna från butikshyllan. Den mest effektiva så kallade "gyllene hyllan" är utrymmet i nivå med köparens ögon och händer (på en höjd av 1,2-1,7 m från golvet), såväl som till höger om det planerade flödet av kunder.

För att optimera fördelningen av hyllutrymme rekommenderas att studera efterfrågan från kunder och partners och använda modern detaljhandelsutrustning.

System för hantering av butikshyllutrymme, som inkluderar ABM Shelf, hjälper till att endast placera de produktkategorier som efterfrågas, ökar försäljningen, vinsten, sortimentslönsamheten och optimerar fördelningen av hyllutrymmet. Implementeringen av system för hantering av hyllutrymme låter dig också:

• minska behovet av rabatter, minska varulagret och kostnaderna för att transportera varor,
• förenkla ledningens beslutsfattande,
• optimera fördelningen av hyllutrymme,
• reglera relationerna med leverantörer.

Låt oss definiera begreppen

SKU(Stock Keeping Unit, bokstavlig översättning från engelska - stock retention unit) är en enhet av en grupp varor eller varumärken, presenterad i en typ av förpackning och behållare (till exempel kan ett märke av kefir innehålla flera enheter av olika grader av fett innehåll 0,5 %, 1 %, 2,5 %).

Motstående- en produkt som är synlig och inom åtkomstområdet för köpare.

Sortimentmål— bestämma antalet produktpositioner som tillverkaren eller leverantören skulle vilja presentera på hyllan i försäljningsstället.

Hela sortimentet, enligt kundlojalitet, är uppdelat i: 20% prioriterade varor, som säljs 3-5 gånger oftare, oavsett pris, 60% huvudsakliga stabila varor i konstant efterfrågan och 20% ytterligare varor.

Optimera omsättningshastigheten, säkerställ en hög sannolikhet för köp, öka den visuella uppfattningen av produkten - hyllutrymmesmål.

Regeln för utländsk merchandising ”space to sale” säger att beklädnaden av ett varumärke ska uppta samma procentandel av hyllutrymmet som det upptar vid försäljning av alla varor som visas på butiksytan. Efterlevnad av denna regel bidrar till ett enhetligt avlägsnande av varor från hyllan, vilket minskar arbetskostnaderna för att upprätthålla produktvisning.

Videorecension av detaljhandelskedjan FIRKAN, som implementerade ABM Shelf för att optimera hyllutrymmet

Hur man bestämmer den optimala skärmstorleken och hur ABM Shelf Shelf Shelf Space Management System kan hjälpa till

Summan av ytorna för alla plan som är avsedda för visning av varor på försäljningsgolvet i en butik gör att vi kan få fram den totala visningsytan.

Utrymme för varor på hyllan, identifiering av saknade varor, fastställande av leveransdagar, med hänsyn till kundkrav, övergripande mått, säsongsvariationer och ögonblick av ökad efterfrågan, kan mätas i linjära meter, kvadratmeter och kubikmeter.

• Placera efterfrågade produkter i kundens ögonhöjd.
• Ju högre vikt produktförpackningen har, desto lägre på hyllan ska den placeras.
• Placera nya produkter något över kundens ögonhöjd.
• Placera mode och dyra varor på de översta hyllorna.
• Placera produkter med utgångsdatum närmare köparen, och de med senare utgångsdatum - djupare på hyllan.
• Prislappar ska vara lätta att läsa och innehålla korrekt information om pris och produkt.
• Ger enkel tillgång till varor.
• Det vertikala arrangemanget av homogena varor förbättrar sikten.
• Displayen bör vara mångsidig i sortiment, färger och storlekar.
• Gör ändringar i produktplatser mer sällan.

Bilden till vänster visar den horisontella placeringen av varor längs med hyllans längd.
Bilden till höger visar vertikal placering av homogena produkter, vilket är mer effektivt för snabb orientering och enkelt val av varor.

Funktioner som utförs av systemet för att optimera hyllutrymmet:

• Visuell design av planogram över försäljningsområdet och hyllor, med olika konfigurationer och komplexitet
• Planogram historia arkiv
• Godkännande av planogram
• Centraliserad och decentraliserad hantering av produktvisning
• Använda egenskaperna hos kommersiell utrustning
• Tillämpning av olika algoritmer för att beräkna visningen av varor: horisontellt och vertikalt arrangemang av varor, förpackningsdimensioner, varumärken, resultat av ABC-analys av sortiment
• Visualisering av försäljningsresultat på planogram av hallar och hyllor
• Kraftfull analysenhet för att fördela hyllutrymme mellan hyllor, produktgrupper och butiker
• Utbyte med AutoCAD

Finns denna funktionalitet för att optimera hyllutrymme ofta i butikens redovisningssystem? Men genom att använda en specialiserad tjänst kan du använda många fler funktioner och hanteringsalternativ.

Optimera hyllutrymmet i ABM Shelf
Analys av effektiviteten i butiksytan

Det andra alternativet är att beräkna antalet SKU:er och samtidigt justera (om nödvändigt) mängden hyllutrymme som tilldelas för en produktkategori eller underkategori.Naturligtvis är denna metod mer arbetskrävande, men också mer exakt. I det här fallet är det först nödvändigt att analysera effektiviteten av butiksutrymme, jämföra andelen av kategorin eller underkategorin i inkomst med andelen i försäljningsområdet (för stora format) eller med andelen i det installerade området av butik (för små format). Normalt bör det finnas en ungefärlig överensstämmelse mellan dessa andelar (för mer information, se kapitel 3). Därefter, efter att ha beräknat den optimala mängden hyllutrymme, bestämmer vi det optimala antalet SKU:er. För det tredje, beräkning av det ekonomiskt genomförbara antalet SKU:er. För att göra detta behöver du samma data som används för ABC-analys - andelar med en ackumulerad summa av SKU. Låt oss titta på ett exempel från verklig praxis (Fig. 2. 6).

Optimera hyllutrymmet

En säljare löste radikalt frågan om hyllutrymme för sitt sortiment i en av butikerna och flyttade konkurrentens sortiment till en halvtom bottenhylla, praktiskt taget osynlig för kunderna. Som svar började en säljare för ett konkurrerande företag kasta ut gärningsmannens sortiment från hyllorna i alla butiker i området.

Ett krig började, under vilket båda säljarna var mer upptagna med att restaurera sina displayer än att sälja nytt sortiment. Ett möte i en av butikerna ledde de stridande parterna till ömsesidigt övergrepp, varefter de lyckades inte bara komma överens, utan också bilda partnerskap för att skydda sitt hyllutrymme från agerande från säljare för tredje företag... A koncept nära Shelf Share är Forward Stock Share, dvs.

Hyllandel

Hela sortimentet, enligt kundlojalitet, är uppdelat i: 20% prioriterade varor, som säljs 3-5 gånger oftare, oavsett pris, 60% huvudsakliga stabila varor i konstant efterfrågan och 20% ytterligare varor. Att optimera omsättningshastigheten, säkerställa en hög sannolikhet för köp, öka den visuella uppfattningen av produkten är målen för hyllutrymmet.

Viktig

Regeln för utländsk merchandising ”space to sale” säger att beklädnaden av ett varumärke ska uppta samma procentandel av hyllutrymmet som det upptar vid försäljning av alla varor som visas på butiksytan. Efterlevnad av denna regel bidrar till ett enhetligt avlägsnande av varor från hyllan, vilket minskar arbetskostnaderna för att upprätthålla produktvisning.

Encyclopedia of Marketing

Uppmärksamhet

Om en person har fått ett recept på ett visst läkemedel, går han i regel bara fram till apoteksanställda och frågar om läkemedlet är tillgängligt. Om ett sådant läkemedel inte finns till försäljning innebär det att personen besöker ett annat apotek eller beslutar att ersätta det läkemedel som ordinerats på sjukhuset med ett annat läkemedel med hjälp av en farmaceut.

I det här fallet skulle det vara ganska logiskt att ta bort de SKU:er vars impulsköp har en minimal sannolikhet från diskutrymmet. Som ett resultat kommer utrymmet i visningsutrymmet att fördelas mellan de grupper och positioner av varor som konsumenten kan välja att köpa självständigt, utan hjälp av en apotekare.

Produktgrupper som tyger, skor, kläder, pappersvaror, fat, tapeter, kakel och så vidare innehåller också ett stort antal SKU:er.

Sortiment och organisation av butikshyllyta

Sagan om sex tunnland (från boken "Modern Supermarket") En person förvärvade sex tunnland mark och trodde att det inte fanns något behov av att bygga ett klassiskt hus-bastu-lusthus på denna mark, utan att ägna sig åt kommersiell verksamhet. Han gick till marknaden, pratade med säljarna och bestämde sig för att odla och sälja äpplen.
Faktiskt, som jag bestämde mig, gjorde jag just det, köpte och planterade en fruktträdgård med äppelträd på min egen sex tunnland mark. Skörden blev ganska bra och på hösten fick mannen bra pengar för det. Men när han sålde sin äppelskörd på marknaden märkte han att päron också var en ganska populär produkt bland konsumenterna. Mannen spenderade en del av intäkterna på att köpa päronträd, varefter han började plantera dem nära äppelträd.

Ingång

Den genomsnittliga bredden på ett juicepaket är 8 cm, det vill säga 12 förpackningar kan placeras på en hylla och 60 förpackningar på ett galler. Naturligtvis kan vi inte placera 60 SKU:er på 60 "sittplatser" eftersom några av de mest populära positionerna måste få en fördubbling eller tredubbling av beläggningar (en yta är en varulinje med samma namn (SKU) ett paket brett, placerat från kanten av hyllan, vänd mot köparen, i djupet av hyllan i mängden flera stycken). Som regel sätter butiker det genomsnittliga antalet vändningar per SKU till 2 eller 3 eller fler (för en lågprisbutik), stormarknader kan göra en beräkning baserad på 1–1,5 facings per SKU. Låt oss överväga proceduren för att beräkna antalet SKU:er baserat på kapaciteten hos kommersiell utrustning i en befintlig butik. Det bör noteras här att det finns två alternativ.

Hantering av hyllutrymmen

För en sådan justering kommer det dock att vara nödvändigt att "betala" i en viss mening. Säljaren eller säljaren kommer att behöva fylla på lagret med högprioriterade varor oftare.

Info

På lång sikt kan ett sådant synsätt anses vara helt motiverat i de butiker som förlitar sig på bredden i sitt sortiment. I andra butiker har beslutet att minska antalet SKU:er för att öka befattningen med högprioriterade och huvudpositioner en ganska enkel förklaring.

Av två ondska måste du välja det mindre – låt butiken tappa två kunder som föredrar plommon- eller granatäpplejuice snarare än sju kunder som föredrar apelsindryck. Merchandisingutbildning Det ska sägas att det är en ganska komplex process att analysera försäljning och fatta beslut om behovet av att distribuera hyllutrymme.

Vidare, inom varje produktgrupp, bestäms andelarna av kategorier, till exempel är guldprodukter utan inlägg uppdelade i: kedjor - 25%; hängen - 20%; ringar - 20%; örhängen - 15%; armband - 10%; halsband - 7%; piercing - 3% Nästa viktiga punkt är identifieringen av produktens huvudegenskaper, desamma som är urvalsfaktorerna i trädet av konsumentbeslut. Klassificeraren, begränsad till 3-5 nivåer av hierarki, täcker inte alla produktens viktiga egenskaper - produktens egenskaper bör återspeglas i produktkortet i informationsföretagets system. Detta är nödvändigt för att analysera försäljningen i termer av alla viktiga egenskaper och följaktligen justera och bilda sortimentet av varor inom en kategori och underkategori. Låt oss titta på egenskaperna med hjälp av exemplet på underkategorin "Tvättmedel" i kategorin "Tvättmedel" (tabell 2. 5) Tabell 2.5. Icke-livsmedelsprodukter.

Beräkning av kostnaden för hyllutrymme

I det andra fallet mäts potentiell FÖRSÄLJNING: trots allt köper köparen en produktenhet (vänd och inte ett visst antal centimeter). Därför, om målet med visuell dominans uppnås, är det nödvändigt att gå vidare till målet om dominans i försäljning och utvärdera i ansikten, och inte i centimeter. Förhållandet mellan facing och SKU (mål för sortiment och hyllutrymme) Facing spelar rollen som någon konventionell måttenhet för hyllutrymme. I detta avseende, när du ställer upp mål för sortimentet, är det nödvändigt att förstå hyllutrymmets KAPACITET, mätt i ytskikt. Om sortimentsmålet (antal SKU:er) överstiger hyllutrymmesmålet (antal ansikten) kommer butiken inte att kunna visa hela sortimentet vid försäljningsstället. Detta kommer att innebära utebliven vinst och frysning av pengar i produkter som inte säljs.
Eftersom varuhandelssystemet är en av huvudkomponenterna i säljfrämjande åtgärder och, som ett resultat, den framgångsrika driften av butiken, är det viktigt att ständigt utvärdera dess effektivitet. Låt oss överväga de viktigaste indikatorerna för effektiviteten av att använda butiksyta: o omsättning (intäkter) per kvadratmeter butiksyta; o vinst per kvadratmeter butiksyta.

Det är dessa två indikatorer som bör övervakas: omsättning och vinst. Ofta analyserar butiksledningen bara omsättningen per m2.

Detta är acceptabelt om du behöver jämföra två butiker med samma sortiment och ungefär lika stor yta. Men för en detaljerad och fullständig analys behövs information om effektiviteten i att använda butiksyta för varje produktkategori, och i det här fallet bör båda indikatorerna användas.

Aktuell sida: 9 (boken har totalt 49 sidor) [tillgänglig läsning: 12 sidor]

Font:

100% +

Systemverktyg för att optimera butiks- och hyllutrymme

Ibland kan man stöta på påståendet att litteraturen om effektiviteten i att organisera butiks- och hyllutrymmen är indelad i tre kategorier. Denna uppfattning delas särskilt av den framstående forskaren inom detta område, Marcel Corstjens. Dessa tre kategorier är: rapporter om empiriska studier (som de vi har diskuterat i detta kapitel); Böcker om kommersialisering av forskningsutvecklingar, nämligen: om mjukvara för elektroniska produkter; och akademiskt arbete av matematiker och statistiker som försöker optimera modeller för att organisera hyllor och butiksutrymmen.

Planograms mjukvaruprodukter förlitar sig ofta på tumregeln att produktplacering bestäms baserat på vinsten eller försäljningsvolymen den genererar. Liknande lösningar har erbjudits på marknaden sedan 1970-talet; Bland de första var systemen SLIM (Store Labor and Inventory Management) och COSMOS (Computer Optimization and Stimulating Model for Supermarkets). Jag tänkte inte ge en fullständig översikt över alla algoritmer som utvecklats sedan dess, fram till moderna verktyg för att konstruera planogram, men jag ansåg det nödvändigt att beskriva de viktigaste milstolparna i deras utveckling. Det bör noteras att många av de kommersiella verktygen skapas av forskare som föredrar ackumulering av kapital framför ackumulering av kunskap, så deras utveckling är ofta förenklade versioner av de optimeringsmodeller som finns i akademiska artiklar.

Jag kommer här att fokusera på det senare eftersom de alltid föregår kommersiella beslut. För att vara användbara i praktiken måste program som Spaceman och Appollo baseras på en betydande förenkling av verkligheten – en detalj som verkar vara av ringa intresse för forskarsamhället.

Tre viktiga milstolpar, som kommer att beskrivas kort nedan, visar hur forskare gradvis löste optimeringsproblemet genom att införliva följande nya faktorer:

Olika elasticitet för visning av olika produktlinjer;

Kors elasticitet av layouten;

Direkta råvarukostnader.

Olika produktlinjer har olika displayelasticitet

Evan Anderson och Henry Amato (1973) utvecklade en av de första algoritmerna för att lösa problemet med optimering av hyllutrymme. Som de säger bland marknadsförare, närmade de sig problemet "från efterfrågesidan." Forskarna utgick från den kunskap som fanns på den tiden, nämligen från det faktum att olika produktlinjer har olika elasticitet i displayen. Enkelt uttryckt baserades deras modell på logistiska regressioner som beräknade betakoefficienter för olika produktlinjer. Det är denna typ av datoranvändning som ligger till grund för de tidigare nämnda SLIM- och COSMOS-systemen.

Cross display elasticitet och direkta råvarukostnader

Nästa viktiga steg togs av fransmannen Marcel Corstiens och engelsmannen Peter Doyle (1981). Samma Peter Doyle, som, om du kommer ihåg, kritiserade forskningen inom detaljhandelsmarknadsföring för dess bristande framsteg. Modellen de föreslog var mer omfattande än de tidigare och diskuteras än i dag. De omfattade bland annat möjligheten att beräkna direkta råvarukostnader (relaterade till anskaffning, lagring, och brist på varor på hyllor, s.k. slut i lager), efterfrågeeffekter och korselasticitetsfaktorer. Det var införandet av den sistnämnda indikatorn som gav deras modell berömmelse.

De testade sin modell över fem produktlinjer i 140 butiker som säljer godis, glass och presentkort, med 30 miljoner dollar i årlig försäljning. Elasticiteten i layouten var i storleksordningen 0,19, rapporterade forskarna, och därmed överensstämmande med vad tidigare experiment visat. Man fann också att korsvisningselasticiteten var negativ mellan olika typer av godis (om butikerna sålde mer choklad sjönk efterfrågan på kola) och positiv mellan godis och presentkort.

Dessutom beräknades direkta varukostnader förknippade med inköp (beställning och transport), hantering (lagring, försäkring och produktförluster) och slut i lager. Beräkningarna baserades på genomsnittsdata från 10 butiker, men användes för alla butiker som omfattas av studien. Enligt resultaten medför artiklar med högre omsättning (som choklad kontra presentkort) högre bearbetningskostnader.

Därefter utförde M. Corstjens och P. Doyle beräkningar för planogram (1) som för närvarande används i butiker, (2) utvecklade baserat på försäljningsdata och (3) utvecklade baserat på bruttovinst; för att jämföra dem med resultaten av din nya modell. Jämförelsen visade att det senare potentiellt ger 128 000 USD mer i nettovinst än för närvarande använda planogram, 104 000 USD mer än planogram endast baserat på försäljningsdata och 97 000 USD mer än planogram baserat på bruttovinst. Det berodde främst på att tumregelmodeller tilldelade för lite utrymme för ytterligare produkter som glass och presentkort. Procentuellt innebar detta en ökning av nettovinsten med mindre än 0,5 %.

Brist på varor på hyllor ( slut i lager) är ett allvarligt problem för återförsäljare. Kunder reagerar på detta på ett av fem sätt: 1) gå till en annan butik, 2) skjuta upp köpet, 3) avbryta köpet, 4) köpa ett paket i annan storlek eller en liknande produkt av samma märke, eller 5) byta till ett annat märke. David Grant och John Fernie (2008) rapporterar att en studie från 2003 av IGD fann att 65 % av kunderna i Storbritannien väljer ett av de tre första alternativen när en produkt de vill ha är slut i lager.

Kannibaliseringseffekt

Idén om denna typ av korselasticitet föreslogs av den franske forskaren Alain Boultes, och hans försök att införliva kannibaliseringseffekten i planogrammodeller var framgångsrikt. Han var med andra ord först med att ta fram en bra lösning för att beräkna försäljningsnedgången för Varumärke B till följd av att Varumärke A fick mer hyllutrymme och visade ökad försäljning. A. Bultes modell heter SH.A.R.P. och är fortfarande funktionell (se nedan), vilket framgår av tester i belgiska livsmedelsbutiker.

Vid en första anblick, inklusive korselasticitetsfaktorn i modellen verkar trivialt, men allt är inte så enkelt som det verkar. Hur kompletterande och/eller konkurrerande är till exempel ris och spagetti? Lägg till hirs, potatis, pommes frites, andra spannmål och rotfrukter till denna ekvation, och komplexiteten ökar exponentiellt. Tänk dock på att korselasticiteten varierar mellan produktpar, såväl som över tid och situation. Produkter som konkurrerar med varandra i en situation (hamburgare och köttbullar kan betraktas som alternativ till middag) visar sig vara komplementära i en annan (om du bjuder över vänner på en grillfest).

Tävling med tumregler

När de grundläggande modellerna väl utvecklats ägnade forskarna sin energi åt att ytterligare optimera dem, ofta genom att eliminera olika begränsande villkor. Till exempel, om en tidigare modell inkluderade en korselasticitetsfaktor ( M. Corstjens och P. Doyle 1981, 1983), sedan uteslöt den senare från övervägande för att fokusera på en annan aspekt, som till exempel vertikal eller horisontell placering ( A. Lim, B. Rodriguez och K. Zang, 2004). Mycket tid har lagts ner på att matematiskt försöka lösa problemet med varför förpackningen av olika produkter ser ut som den gör. Matematiker är förstås inte vana vid att ta hänsyn till vissa fakta, till exempel att vissa produkter (samma paket kaffe) per definition måste ha en större förpackning än andra (ett paket jäst).

Å ena sidan led modellerna av att de inte var enkla nog att användas i praktiken. Å andra sidan avtog aldrig intresset för dem. Forskare har fortsatt att försöka skapa effektiva algoritmer för att optimera hyllutrymmet som kan konkurrera med tumregler som fördelar beklädnader baserat på andel av total försäljning eller bruttovinst. 1988 introducerade fransmannen Alain Boultes och belgaren Philippe Naert en modell som heter SH.A.R.P. (Shelf Allocation for Retailers’ Profit - fördelning av hyllutrymme för återförsäljares vinst). De hävdade att det vida överskrider den empiriska principen " visningsområde / andel av försäljningen". Men ett år senare var A. Bultes tvungen att svälja ett bittert piller. Det visade sig att efter att ha inkluderat kannibaliseringseffekten (SH.A.R.P. II) i modellen försvann de flesta av dess fördelar jämfört med denna tumregel ( A. Bultes et al., 1989). A. Bultes uppskattar dock att en butik kommer att förlora cirka 2,7 % av bruttovinsten om den inte optimerar hyllutrymmet med hjälp av SH.A.R.P. II. Som ett resultat, på grund av deras förmåga att ge en lönsamhetsnivå som är jämförbar med hela nettovinsten som återförsäljaren får, fortsätter optimeringsmodeller att locka stort intresse från forskare.

Avkastning på ansträngningar för att säkerställa en effektiv användning av butiksytor

Hittills har jag introducerat er för vetenskapsmän som var pionjärer i att introducera ett nytt tillvägagångssätt för att utveckla planogram. Bland deras moderna följare vill jag nämna den talangfulla forskaren Ming-Hsien Yang från Taiwan. Han har utvecklat modeller för att minska den beräkningskraft som krävs för optimeringsalgoritmer och genomfört kostnadseffektivitetsstudier på planogram.

Tillsammans med sin kollega ( M.-H. Yang och W.-C. Chen, 1999) genomförde han en studie vars syfte var att studera hur återförsäljare arbetar för att effektivt använda butiksyta. Butiksägare ombads svara på frågor om hur mycket tid och kraft de lägger på (1) strategiskt och (2) operativt arbete. Varje punkt (strategiskt/operativt arbete) innehöll fem frågor. Forskarna korrelerade sedan svaren med återförsäljarnas ekonomiska indikatorer: total försäljning, försäljning per kvadratmeter, vinst per kvadratmeter.

Ett tydligt mönster fann man: kvaliteten på det operativa arbetet för att säkerställa en effektiv användning av butiksytor återspeglades i störst utsträckning i försäljningen per kvadratmeter, medan kvaliteten på det strategiska arbetet påverkade storleken på bruttovinsten per kvadratmeter butiksyta.

Tabell 3.13. Tabellen visar resultaten av en ANOVA-studie med f-värden (och p-värden). Det verkar som att återförsäljarnas ansträngningar på både strategisk och operativ nivå för att förbättra effektiviteten i sina butikslokaler lönar sig.

I en nyligen genomförd studie utvecklade Chase Murray, Abhijit Talukdar och Debu Gosavi (2010) en optimeringsmodell som tar hänsyn till faktorer som produktpriser, hyllplacering, antal ytor (utställningsyta) och förpackningsorientering. C. Murray och hans kollegor rapporterar att deras teknik för hantering av hyllutrymmen resulterade i försäljningsförbättringar inom samma intervall som i de tidigare studierna vi granskade. De hävdar dock att många av de modeller som används idag representerar en betydande abstraktion jämfört med det verkliga sammanhang där en återförsäljare fattar beslut. Utvecklingen av 3D-modellering för att skapa planogram är verkligen ett viktigt steg framåt, speciellt för de produktkategorier där förpackningen inte har en naturlig framsida.

Trots ansträngningar från forskare som C. Murray och kollegor (2009) för att skapa mer realistiska modeller, använder många återförsäljare och tillverkare planogram bara som preliminära skisser av hur hyllutrymmet kan organiseras, men litar aldrig helt på dem. Butiksägare ändrar dem genom att inkludera faktorer som lagringsspecifikationer, typ av butik, kommunikationsmål (till exempel bättre utrymme och mer utrymme kan tilldelas de varor som återförsäljare vill sälja, snarare än de som redan efterfrågas), bredvid placering av relaterade produktkategorier etc. Allt detta har i slutändan stor inverkan på det slutliga utseendet av planogram. Samt den empiriska principen att fördela hyllutrymme beroende på produktens andel av försäljningen (eller bruttovinsten).

Slutsats

Genomgång av studien av M.-H. Yang och W.-C. Chenya, jag avslutar det här avsnittet om optimeringsmodeller. Baserat på allt ovan kan vi dra följande slutsats: ansträngningar för att optimera butiksytan lönar sig verkligen i form av ökad vinst och försäljning, men det finns en viss gräns för hur mycket tid och ansträngning en återförsäljare kan lägga på denna aktivitet . Trots tillkomsten av allt mer avancerade kommersiella mjukvaruverktyg för planering av butiksutrymmen kvarstår därför utmaningar. I synnerhet är de relaterade till de uppskattade värden som modellen kräver som input. Dessa uppskattningar relaterar till exempel till korselasticitet eller några strategiska beslut där marknadsföraren måste ange subjektiva data. En intressant studie genomfördes av Norm Borin och Paul Farris 1995. Forskare ville testa hur mycket felaktiga siffror som kunde matas in i modellen utan att märkbart påverka resultatet. Efter att ha testat SH.A.R.P. II, fann de att ingångsvärden som beror på beslutsfattares subjektiva bedömning kan avvika avsevärt från de faktiska värdena (upp till 50%) utan att modellen ger efter för tumregeltekniker.

Ett annat, kanske viktigare problem är att optimeringsmodeller inte tar hänsyn till strategiska beslut. Algoritmerna är baserade på historiska data, men en återförsäljare kanske vill påverka sina kunders beteende genom att omorientera dem från de produkter de köper idag till andra. Vi kommer att diskutera detta problem i nästa avsnitt.

Strategiska beslut angående butikens egna märken

Forskning inom området optimering av hyllutrymmen blir allt mer användbar. Som exempel relaterar två av dem till privat märke nätverk och deras placering på hyllutrymmet. Den första studien genomfördes av Marcel Corstjens och Rajeev Lal (1994). De beskrev skillnaden mellan europeiska och amerikanska livsmedelsbutikers inställning till att hantera egna märken. De första tilldelas under privat märke de mest lönsamma platserna, som ofta överstiger andelen av dessa produkter på den lokala marknaden, medan de senare huvudsakligen koncentrerar sina varumärken till lågprissegment.

I sin studie visade M. Corstjens och hans kollegor tydligt att det på de flesta marknader är att föredra att arbeta enligt den europeiska modellen. Detta ställer vissa krav på produkternas kvalitet privat märke och prispolitiken för deras nationella konkurrenter, men i ljuset av vår diskussion är den viktigaste punkten att den strategiska lösning som föreslagits av M. Corstjens inte kan implementeras med hjälp av befintliga programvaruverktyg för planogram. Samtidigt insisterar forskarna på att en sådan lösning bör omfatta alla nödvändiga steg för implementeringen, ända ner till lämplig organisation av hyllutrymmet.

Jag föredrar att behålla min roll som objektiv observatör och inte uttrycka min åsikt i denna fråga här. I en annan tillämpad studie jämförde Fernandez Nogales och Gómez Suarez (2005) alltså hur mycket hyllutrymme olika butiker tilldelade sina varumärken (studien omfattade perioderna från 1998 till 1999 och 2003). De erhållna resultaten bekräftade M. Corstjens och hans kollegors slutsats att privat märke få mer hyllutrymme än de "förtjänar" baserat på deras marknadsandel. Intressant nog tittade forskarna också på övergripande produktlinjer där butiker kraftigt marknadsför sina egna varumärken och fann att detta påverkade deras lönsamhet, även om inte alla butiker upplevde samma negativa påverkan. Som ett resultat av detta har vissa återförsäljare börjat minska sina egna märkesvaror för att undvika att förlora försäljning. Däremot fortsatte man ändå att avsätta mycket utrymme för nytt eget märke.

Slutsatsen är denna: det är inte alls svårt att påverka köparnas beslut genom att organisera hyllutrymmet på lämpligt sätt; det viktigaste är att inte missbruka det här verktyget, även om köpare sällan är medvetna om de förändringar som äger rum.

Jämförelse av displayelasticitet mellan olika butiksavdelningar

Naturligtvis är denna fråga nära relaterad till ämnet försäljningsgolvslayout, som kommer att diskuteras i kapitel 8, men jag bestämde mig för att diskutera det här eftersom det är direkt relaterat till displayens elasticitet.

Två franska forskare, Pierre Desmés och Valerie Renaudin, följde R. Kerhan (1972) och genomförde en storskalig studie för att försöka fastställa orsakerna till displayens elasticitet. Men till skillnad från R. Kerhan bestämde sig fransmännen för att inte jämföra produktlinjer, utan olika avdelningar inom en butik. 1998 publicerade de en artikel om förhållandet mellan dedikerad butiksyta och försäljning över olika butiksformat och avdelningar. Studien omfattade cirka 200 universell butiker i Frankrike.

Forskare har antagit att displayens elasticitet påverkas av typen av uttag, såväl som produkten. De undersökte skillnaderna mellan tre olika butiksformat i en utvald kedja (liten, medelstor och stor) och kategoriserade även hela utbudet av produkter per avdelning (från smycken, mode och hemvaror till sex typer av dagligvaruavdelningar).

Studien visade en ganska tydlig bild. Som det visar sig finns det betydande skillnader i displayens elasticitet mellan avdelningarna. De högsta värdena för denna indikator är typiska för sådana varor som underkläder, smycken, frukt och grönsaker. Därför är det mest kostnadseffektivt att tilldela mer utrymme till dessa avdelningar. Negativ elasticitet hittades för modeprodukter och det mesta av sortimentet visade sig vara relativt oelastiskt. I den teoretiska delen av artikeln hänvisades till en avhandling av en tysk forskare, där man, baserat på resultat från mer än tjugo experiment, drog slutsatsen att cirka 40 % av sortimentet i tyska stormarknader har en displayelasticitet på mindre än 5 % (om du kommer ihåg säger tumregeln cirka 20 %).

Lektioner för återförsäljare

Återförsäljare kan också dra ett antal viktiga lärdomar av denna forskning. Precis som med privata märken beror framgång på att fatta rätt strategiska beslut. Till exempel visade en studie av P. Desme och V. Renaudin att modeprodukter har en positiv displayelasticitet i större butiker. Med all sannolikhet kan det senare skapa en atmosfär som uppmuntrar människor att köpa kläder. Samtidigt visas samma produktkategori i mindre butiker negativ elasticitet. Därför är det viktigt för en återförsäljare att veta exakt vad man kan förvänta sig av ett visst butiksformat. Om forskarna inte hade separerat uttag efter typ, hade ovanstående skillnader kanske inte varit lika uppenbara och kan ha gått oupptäckt. En lärdom för återförsäljare är att nuvarande verktyg för optimering av hyllutrymme kan fungera bra för vissa butiksformat och produktkategorier, men inte andra.

Kerhan (1972) beskrev ytterligare ett skäl till att vara försiktig när man beräknar elasticiteten hos en layout. Faktum är att denna indikator i många fall ökar när visningsytan minskar och minskar när den ökar. En liknande trend finns i fallet med priselasticitet, där empiriska studier indikerar efterfrågefunktionens olinjära karaktär. Det innebär att en försäljningsökning på grund av en prisnedgång inte är detsamma som en försäljningsminskning på grund av en prisökning. I vårt fall betyder detta att det ofta är omöjligt att minska området för någon avdelning, även om den har låg elasticitet i layouten.

Utbildningsprogrammet innehöll de senaste CM-metoderna och verktygen - planering och kontrollmetoder; analys och optimering av apotekskedjans sortiment; hantera lönsamheten för detaljhandeln och utställningsutrymmen; utveckla och implementera en kategoriutvecklingsstrategi och mycket mer. Så låt oss ta en närmare titt på de viktigaste QM-analyserna.

ROLLANALYS

Denna analys används för att bedöma kategorins hållbarhet och konkurrenskraft. Det utförs av kategorier och grupper av homogena varor (typer, varumärken). Rollanalysens dynamik speglar sortimentets rotation i kategorin. Kategorin innehåller alla produkter med 6 huvudroller (Fig. 1). Efter att ha genomfört en självgenomförd rollanalys för specifika produktkategorier fann deltagarna att kategorierna i de flesta fall inte innehöll någon av de 6 huvudrollsprodukterna (varken beskyddare eller kontantgenerator). För att korrekt genomföra en rollanalys är det nödvändigt att bestämma handelsmarginalen och omsättningen för varje varumärke och tilldela en roll (tabell 1). Därefter, baserat på de erhållna värdena, bör du bygga en graf (fig. 2) och analysera om markeringen och rollen är korrekt bestämda för alla positioner.

varumärke	Handelsmarginal, %		Roll betydelse
Märke A	8	1 860	Flödesgenerator
Märke B	25	1 500	Kontantgenerator
Märke C	25	1 040	Kontantgenerator
Märke D	18	835
Märke E	42	420	Vinstgenerator
Märke F	36	540	Köp generator
Märke G	15	320	Delta*
Märke H	21	700
Märke I	24	800
Märke J	45	120	Bildgenerator
Total		8 135

Delta är ett varumärke eller en produktposition som finns i det nedre vänstra hörnet av matrisen. Delta uppfyller standarderna för EPP-butiksnätverket

I det första steget av analysen bedöms sortimentets ”hållbarhet” och ”tillräcklighet”.

Det är känt att för att generera maximal omsättning och vinst kräver kategorin närvaron av varor med 6 huvudroller.

Flödesgeneratorer är märkesvaror som är välkända på marknaden tack vare aktiv marknadsföring från tillverkaren.

Eftersom dessa varor presenteras i alla butikskedjor i staden har konsumenten som regel en god förståelse för försäljningspriserna. Följaktligen sätts påslaget på dessa varor till nivån "genomsnitt" eller "något under genomsnittet" för marknaden. Flödesgeneratorernas huvuduppgift är att generera ett flöde av kunder till butiker. Handelsomsättningen för flödesgeneratorer är hög och över genomsnittet i kategorin.

Kontantgeneratorer är mindre kända, kanske omärkta, produkter som är analoga med flödesgeneratorer.

Detaljhandelspriserna för kontantgeneratorn är något lägre än för flödesgeneratorn; men påslaget är mycket högre. Chefens uppgift är att höja försäljningen av kontantgeneratorn till flödesgeneratorns nivå och högre.

Inköpsgeneratorer - hela utbudet av varor med impuls och passiv efterfrågan; Relaterade produkter.

Inköpsgeneratorer har en "över genomsnittet" markering för produktkategorin och arbetar för att öka den totala lönsamheten och öka antalet köp i ett kvitto.

Vinstgenererande produkter är produkter med höga påslag och en betydande andel av försäljningen i produktkategorin. De flesta generatorer i kategorin arbetar för att stödja dem.

Bildgenerator(er) - produkter som låter dig positionera kategoriutbudet på marknaden och i konsumenternas medvetande. Kan ha följande egenskaper:

• maximal påslag, obetydlig försäljningsvolym (sällsynta, exklusiva varor); finns i stormarknadssortimentet;
• minimipåslag, betydande försäljningsvolym (konsumtionsvaror, "förlustledare"); finns i lågprisbutikens sortiment.

Defender är en produkt som endast säljs av en återförsäljare i regionen (exklusivt avtal, kedjans egna märke) eller på unika villkor. Gör att du kan behålla den största poolen av konsumenter även med konkurrenternas aggressiva sortimentspolicy. Det kan ha fundamentalt olika egenskaper när det gäller påslag och försäljningsvolym.

I det andra steget av analysen uppskattas figurens yta med hjälp av rollanalys. En ökning av ytan kan indikera:

• förändringar i försäljningsvolym för generatorer i kategorin;
• ändra varumärket för kategorigeneratorer;
• uppkomsten av nya generatorer, det vill säga rotationen av sortimentet.

De flesta förändringar i området för en figur enligt rollanalys är förknippade med uppkomsten av nya (ytterligare) generatorer i kategorin. Chefen introducerar antingen omedelbart den ledande produkten med maximal omsättning och (eller) påslag i kategorin; eller introducerar en ny produkt i sortimentet, planerar att den en dag flyttas till den övre högra delen av matrisen.

Men eftersom butikshyllor "inte är gummi" är det bara möjligt att introducera nya produkter i sortimentet om olämpliga produktartiklar tas bort från sortimentsmatrisen (nedre vänstra hörnet enligt rollanalys).

Således garanterar en ökning av figurområdet konstant rotation av sortimentet och bekräftar att ökningen i omsättning och vinster inte bara uppstod på grund av marknadsföring, konsumentmarknadstillväxt eller inflation, utan också på grund av optimering av sortimentsstrukturen.

strukturanalys av sortimentet. optimalt djup

Hur beräknar man antalet nödvändiga produktartiklar (SKU-Stock Keeping Unit) som ingår i den kategori där apoteket kommer att få maximal omsättning eller maximal omsättning? Förutom ABC-analys kan detta göras med hjälp av strukturanalys, vilket utbildningsdeltagarna också utfört i praktiken. Strukturanalys låter dig beräkna den optimala strukturen för sortimentet, det vill säga antalet grupper, undergrupper, varumärken, artiklar; deras förnyelse och förhållande, vid vilken maximal omsättning och vinst uppnås.

Strukturanalys baseras på beräkningen av följande sortimentsindikatorer:

• kategoribredd - antalet grupper som ingår i kategorin (undergrupper, arter, sorter);
• kategorins fullständighet - antalet varumärken som ingår i kategorin (grupp, undergrupp);
• kategoridjup - det totala antalet produktartiklar (artiklar, SKU);
• kategoriharmoni - graden av likhet mellan produktartiklar i prisklassen;
• kategoristabilitet - fluktuationer i huvudindikatorerna för kategorisortimentet för den analyserade perioden;
• kategoriförnyelse - antalet nya produktartiklar i sortimentsstrukturen (för den analyserade perioden).

I det första steget av analysen beräknas de optimala värdena för indikatorerna. För att göra detta jämförs de veckovisa omsättningsvärdena (eller någon annan indikator, till exempel vinst, omsättning) med motsvarande värde för sortimentsindikatorn. Djupdata (antal SKU:er) ger information om de produkter som fanns i lager under en viss vecka. Jämförelsen görs minst 12 veckor i förväg (tabell 2). Baserat på resultaten av datajämförelse konstrueras ett punktdiagram (fig. 3). En trendlinje (polynomtrend) läggs till i grafen. Övergångspunkten bestäms av trenden (varefter tillväxten i handelns omsättning avtar). Övergångspunkten är det optimala värdet för indikatorn för en given säsong.

En vecka	Djup, antal sku	Veckoomsättning, tusen rubel.
1:a	102	5300
2:a	80	3500
3:a	110	4800
4:a	90	4500
5:a	75	3750
6:a	85	4250
7:a	100	5400
8:e	142	5100
9:e	125	4700
10:e	80	4000
11:e	135	5000
12:e	85	4250
13:e	135	4400
14:e	110	4870
15:e	130	4800
16:e	140	5050
16:e	118	4100

I det här fallet är det optimala kategoridjupet i intervallet från 110 till 120 SKU (för en viss säsong).

Strukturanalys bör beräknas en gång per säsong. Efter att ha beräknat de optimala sortimentsindikatorerna rapporterar kategorichefen varje vecka till den kommersiella direktören för avvikelser av de aktuella indikatorerna från de optimala. Det rekommenderas att använda analysen för en homogen produktgrupp.

harmoni i prisnivå

Hur avgör man hur många SKU:er som ska finnas i låg-, mellan- och högprissegmenten i en produktkategori? Den traditionella metoden för bestämning är efter efterfrågan. Och under vilken struktur får vi maximal omsättning eller inkomst för en specifik produktkategori? Analys av harmonin i sortimentet efter prisnivå (analys av prislinjen) efter kategori och undergrupp gör att vi kan avgöra om kostnaden för varumärken i kategorin är harmonisk.

Resultatet av beräkningen är värdet av harmoni i 1 vecka för specifika produkter. Som ett exempel valdes ölproduktlinjen (tabell 3). I det första steget är det nödvändigt att lista alla produktartiklar som ingår i en specifik produktgrupp. Därefter bör du välja en produkt med minimipriset - i det här fallet är det Stary Melnik-ölet till en kostnad av 18 rubel. Och beräkna sedan förhållandet mellan kostnaden för varje produkt och minimipriset och bestäm det aritmetiska genomsnittet. För att analysera harmoni efter pris måste du alltså veta:

Nej.	Namn, "öl, glas, 0,5"	Kostnad, gnugga.
1	Baltika nr 3	20
2	Baltika nr 5	25
3	Baltika nr 5	28
4	Gamle Miller	30
5	Klinskoe ljus	24
6	Klinskoe mörk	27
7	Staropramen	32
8	Zhigulevskoe	34
9	Gamle Miller	18
10	Heineken	38

• optimalt värde för egenskapen (tecken);
• förhållandet mellan varje egenskap och den optimala egenskapen;
• det aritmetiska medelvärdet över alla kvoter (över alla divisionsresultat).

Således härleddes en formel för prisharmoni med exemplet med ölprodukter: Gm (Ai) = (20 / 18 + 25 / 18 + 28 / 18 + 30 / 18 + 24 / 18 + 27 / 18 + 32 / 18 + 34/18 + 18/18 + 38/18)/10.

I det här fallet var prisharmonin 1,5. Om harmoni är ungefär 1 betyder det att alla varor säljs till samma pris och att behoven hos ett prissegment av konsumenter tillgodoses. Ju större harmoni - 2, 10, 15 eller högre, desto större är skillnaden i priser, vilket innebär att det är möjligt att tillfredsställa konsumenter i olika prissegment. Optimal harmoni är den där du kan få maximal omsättning eller vinst. En indikator på harmoni i 1 vecka (1,5) är inte tillräckligt. På samma sätt är det nödvändigt att beräkna harmonin för 2:a, 3:e, 4:e veckan, etc. Baserat på erhållna resultat bör en strukturanalys utföras för att på grafen se den punkt vid vilken maximal omsättning eller inkomst kan erhållas för en given sort.

Antalet veckor bör vara cirka 16 (lika många veckor som det finns på säsongen), sedan måste du räkna ut det aritmetiska medelvärdet. Till exempel, om det optimala värdet - topppunkten på grafen - är 5, och under den aktuella perioden är harmonin 4,5, så inkluderar eller visar kategorihanteraren manuellt, enligt rollanalys, några produktartiklar för att "dra upp” harmoniindikatorn till 5. Harmony är nödvändigt för att i framtiden, när man introducerar eller introducerar några produktkategorier, produkterna inte kommer att positioneras.

ABC-analys

"Om du vill döda sortimentet, gör ABC-analys", sa V. Snegireva till sina elever. Men detta uttalande chockade dem inte. ABC-analys är en statistisk analysmetod baserad på Paretos lag – ett mindre antal orsaker står för de flesta av resultaten. ABC-analys låter dig förstå vilka produkter som är säljledare och vilka som tvärtom är outsiders. Men ABC-analys kommer aldrig att visa varför vissa produktartiklar flyttade upp i rankingen, medan andra flyttade ner. Kanske gjorde kategoricheferna detta på egen hand, flyttade sina positioneringsområden, eller så berodde det på en säsongsmässig nedgång (eller om det var en ny produkt, etc.). Och viktigast av allt, målet med ABC-analys är att optimera produktutbudet. Det är logiskt att de positioner som ligger längst ner på listan vad gäller andel i kategorin ska uteslutas. Sådana elimineringar kan utföras varje vecka, men som ett resultat kan de optimeras ytterligare tills endast en produkt finns kvar. V. Snegireva visade fotografier tagna i en stormarknad, där sortimentet av kategorin "solrosolja" uteslutande bestod av "Oleina"-olja. ABC-analys är endast nödvändig för att fastställa och kontrollera lager, men inte för att hantera försäljning. ABC-analys bör endast användas i samband med XYZ-analys.

ABC-analys med merchandisingindex

Hur förstår man vad som påverkade ökningen av försäljningen av receptfria produkter eller deras minskning? Detta kräver ABC-analys med merchandising index - ABCi, som låter dig ta hänsyn till faktorer som numret på hyllan där varumärket finns och andelen hyllutrymme som upptas av varumärket i gruppen. Det låter dig se hur varumärken skulle kunna sälja om de visades på samma höjd över golvet och hade samma position på hyllan.

Varuhandelsindexet hjälper till att utjämna försäljningen från olika hyllor. Det visar hur varor skulle sälja om de fanns på samma hylla. Som regel är bottenhyllan lika med 1,4, nästa upp är 1,0, i ögonhöjd 0,8 eller 0,6, toppen - 1,2. Om utrustningen är trehyllad och 40 artiklar såldes från 1:a hyllan, 100 från 2:a och 80 från 3:a. Totalt är 220 artiklar, vilket motsvarar 100 %. Därefter bör du beräkna andelen av varje hylla, som kommer att vara varuindexet. ABC-analysformel med merchandisingindex:

АВСм=Т · Jag är · 1 / TILL, Var

T- aktuell handelsomsättning;

Jag är- Varuhandelsindex;

TILL- andelen utställningsyta som upptas av en produkt (varumärke) på utrustning.

Märke, SKU	Märkesomsättning, tusen rubel.	Varumärkes andel av koncernens omsättning	Andel från ackumulerade som ett resultat	ABC analysgrupp	ABCi analysgrupp
Märke A	420,00	0,14	0,14	A	C
Märke B	380,00	0,12	0,26	A	B
Märke C	340,00	0,11	0,37	A	B
Märke D	290,00	0,09	0,47	A	C
Märke E	270,00	0,09	0,55	B	C
Märke F	250,00	0,08	0,63	B	B
Märke G	230,00	0,07	0,71	B	A
Märke H	220,00	0,07	0,78	B	C
Märke I	180,00	0,06	0,84	C	A
Märke J	165,00	0,05	0,89	C	C
Märke K	130,00	0,04	0,93	C	B
Märke L	120,00	0,04	0,97	C	A
Märke M	80,00	0,03	1,00	C	C
Total	3 075,00	1,00

Märke, SKU	Märkesomsättning, tusen rubel.	Layout, linjär. meter	Hyllnummer	Merchandising Index, Im	Andel av utrymme på hyllan, K	Jämförbara värden	Andel i jämförbara belopp	Dela med ackumulerad summa	Grupp, enligt resultaten av ABCi-analys
Märke L	120,00	0,50	1	1,4	0,02	8 400	0,162129745	0,162129745	A
Märke G	230,00	1,00	5	1,2	0,04	6 900	0,133178005	0,29530775	A
Märke I	180,00	1,00	1	1,4	0,04	6 300	0,121597309	0,416905059	A
Märke F	250,00	1,00	2	1	0,04	6 250	0,120632251	0,53753731	B
Märke K	130,00	1,00	1	1,4	0,04	4 550	0,087820279	0,625357588	B
Märke B	380,00	2,00	4	0,8	0,08	3 800	0,073344409	0,698701997	B
Märke C	340,00	1,50	3	0,6	0,06	3 400	0,065623944	0,764325941	B
Märke H	220,00	2,50	1	1,4	0,10	3 080	0,059447573	0,823773515	C
Märke A	420,00	3,00	4	0,8	0,12	2 800	0,054043248	0,877816763	C
Märke J	165,00	2,00	2	1	0,08	2 063	0,039808643	0,917625406	C
Märke E	270,00	4,00	5	1,2	0,16	2 025	0,039084849	0,956710255	C
Märke D	290,00	3,50	3	0,6	0,14	1 243	0,023988585	0,98069884	C
Märke M	80,00	2,00	2	1	0,08	1 000	0,01930116	1	C
Total	3 075,00	25,00			1,0	51 810	1

Seminariedeltagarna genomförde först en klassisk ABC-analys med ett merchandisingindex (tabell 4). Efter det fyller du i tabellen. 5, där vi lagt till omsättning, linjärmätare och hyllnummer för produktartikeln. Varuhandelsindexet beräknades med formeln ovan, med hänsyn till 5 hyllutrymmen. Kolumnen för jämförbara värden beräknades enligt följande:

handelns omsättning · merchandising index: procentandel av hyllutrymmet.

Baserat på erhållen data genomfördes sedan en klassisk ABC-analys, där andelen sedan beräknades i jämförbara värden och med en ackumulerad summa, och utifrån dess resultat tilldelades varje varumärke en grupp. Deltagarna jämförde sedan resultaten av den klassiska ABC-analysen med ABC-analysen med merchandisingindex. Om en produktartikel fick en annan grupp enligt resultaten av två analyser (till exempel i en A och i den andra - B), betyder det att den tar för mycket plats på hyllan. Denna diskrepans måste användas i förhandlingar med distributörer, minska visningen av varor och ändra numret på dess hylla.

varumärke	Märkesomsättning, gnugga.	Märkesdisplay, cm	EPP, gnugga.	<ЕПП	>EPP	Tillräcklighet, cm	Extra, se	Fördelning, cm	Märkesdisplay 2, cm	EPP 2, gnugga.	Handelsomsättning av märke 2, rub.
Märke A	7 800	260	30,0	26,3	0,0	139	121	0	139	56,3	7 800
Märke B	4 600	100	46,0	10,3	0,0	82	18	0	82	56,3	4 600
Märke C	12 000	160	75,0	0,0	18,7	0	0	37	197	75,0	14 812
Märke D	5 400	120	45,0	11,3	0,0	96	24	0	96	56,3	5 400
Märke E	16 000	200	80,0	0,0	23,7	0	0	48	248	80,0	19 801
Märke F	6 000	200	30,0	26,3	0,0	107	93	0	107	56,3	6 000
Märke G	12 000	160	75,0	0,0	18,7	0	0	37	197	75,0	14 812
Märke H	9 600	160	60,0	0,0	3,7	0	0	7	167	60,0	10 048
Märke I	6 600	100	66,0	0,0	9,7	0	0	19	119	66,0	7 886
Märke J	4 400	40	110,0	0,0	53,7	0	0	108	148	110,0	16 231
Total	84 400	1 500	56,3		128		257	257	1 500		107 391

Matrisanalys

Matrisanalys låter dig fatta ett beslut om att utesluta en position från sortimentet, samt om omfördelning av resurser (hylla och butiksyta) mellan produktartiklar som ingår i samma kategori. Matrisanalys utförs både per kategori och efter grupper av homogena varor (typer, varumärken etc.) I det första steget av analysen jämförs alla produktartiklar enligt två egenskaper:

• Y-axeln visar den veckovisa (månatliga) tillväxttakten för omsättningen för en specifik SKU;
• X-axeln visar SKU:ns relativa andel av omsättningen (RPT) (förhållandet mellan SKU:ns omsättning och omsättningen för säljledaren i gruppen).

ODT-andelen beräknas enligt följande: försäljningsvolymen för produkten som studeras divideras med försäljningsvolymen för ledaren i ett visst segment.

Som ett resultat faller varje produktartikel (SKU) in i en av fyra sektorer (Fig. 4):

Sektor A - hög CCT och tillväxttakt för handelsomsättning (ökning i handelsomsättning - över 1/4 i handelsnätverket; CCT - över 0,6).

Sektor B - stor marknadsandel och relativt stabila tillväxttakt (tillväxt i handeln - under 1/4 av detaljhandelsnätet; CCT - över 0,6). Kassaflödet de genererar överstiger avsevärt investeringsbehoven. Men eftersom de flesta av dem har flyttat ner från sektor A upprätthåller de en nedåtgående trend i tillväxttakten för handelns omsättning. Därför är chefens primära uppgift att jämna ut denna trend så länge som möjligt.

Sektor D - utomstående varor (ökning av handelns omsättning - under 1/1 i handelsnätet; CCT - under 0,6). Stödet för dessa produkter är motiverat i den mån deras existens överensstämmer med konceptet med handelssortimentet (specialisering av företaget, image, önskan att ge sortimentet speciella egenskaper). Men eftersom dessa element befinner sig i slutskedet av livscykeln är det de som är föremål för uteslutning i händelse av underfinansiering av någon av matrisanalysens sektorer.

Sektor C - hög tillväxttakt och obetydlig handelsomsättning (ökning av handelsomsättning - över 1/4 i detaljhandelsnätet; CCT - under 0,6). Dessa produkter har höga finansieringsbehov och låga inkomstnivåer (på grund av en outvecklad försäljningsmarknad). Eftersom inte alla element som presenteras i fält B kommer att kunna flytta in i sektor A, uppstår frågan om hur motiverad finansieringen av ett visst element är.

Beroende på hur varorna beter sig i matrisen (koordinater längs matrisaxlarna ökar eller minskar; CCT och handelsomsättningen ökar eller minskar etc.) jämfört med föregående period tilldelas alla element en av finansieringslinjerna:

1:a raden - finansieringsprioritet. Att ta emot den första raden av finansiering innebär en ökning av detaljhandels- och utställningsutrymmet som tilldelas för produkten (minst, med en koefficient på 1,7); öka antalet ansikten i en display; duplicering av varor på ytterligare försäljningsställen m.m.

2:a raden - finansieringen av produktposten förblir oförändrad. Mängden resurser som produkten fick under föregående period, fortsätter den att ta emot under den planerade perioden.

3:e raden - finansiering av varor reduceras till den initiala nivån (till nivån före uppkomsten av den första raden av finansiering). Utställningsytan och antalet ytskikt minskas och produkten tas bort från ytterligare försäljningsställen.

4:e raden - produkten förbereds för borttagning från matrisen (eventuellt tillfälligt). Chefen slutar lägga beställningar för denna produkt, resterande saldon säljs online.

5:e raden - produkten ska uteslutas från sortimentsmatrisen (innan säsongen börjar), såvida det inte är en bildprodukt.

6:e raden - visas för produkten endast om produkten inte var till rea av någon anledning. Uppkomsten av den 6:e raden kräver ytterligare undersökning.

Beslutet att utesluta en produktartikel kan inte tas när endast en "5" visas. Chefen fattar ett beslut om att öka finansieringen eller utesluta en produkt baserat på resultaten från 4–6 veckor, och analyserar den aktuella trenden.

Seminariedeltagarna beräknade också nätverkets ungefärliga omsättning för den framtida perioden, baserat på dess format och område. Dess beräkningsformel är:

T 2008 = (((Tm2 2007 * Sm2 2007 + Tm2 2007 * Sm2 2008 * (b-n)/12) + Inf. (%)) + RPR (%)) + Int. (%), Var, b- månader kvar till slutet av året från öppnandet av butiken; n- månader avsatta för butikskampanjer; Inf.. - Inflationsprocent (ungefär). RPR- Tillväxt på konsumentmarknaden. Int. - Intensiv ökning av handelns omsättning.

Möjligheter och framtidsutsikter

Utbildningsdeltagarna lärde sig hur man genomför olika typer av heltäckande analyser av sortimentet, fick rekommendationer för att optimera kategoristrukturen och studerade moderna metoder för sortimentshantering, metoder för dess analys och optimering.

Det är omöjligt att prata om ett så omfattande ämne som produktsortimentshantering i en publikation. Du kan få praktiska lektioner om CM på den här typen av utbildning. För att vara rättvis ska det sägas att det idag finns väldigt lite heltäckande information i det offentliga området om CM i apoteksbranschen. Detta förklaras lätt av konkurrensen inom detta segment. En sak är dock klar - självständigt och noggrant arbete med att studera krångligheterna i CM kommer att bli ett ovärderligt verktyg för apoteksspecialister inom försäljningsledning.

Oksana Sergienko

Facebook

Twitter

I kontakt med

Klasskamrater

Google+