Формализация методики управления ассортиментом в оптовой торговле

Процесс управления ассортиментом включает несколько этапов:

После первоначального задания ассортиментных групп и подгрупп предприятие ведет работу по корректировке номенклатуры на основе получаемой информации. Эта информация делится на две составляющие:

  • ? внешняя (конъюнктура рынка, условия работы конкурентов, их ассортимент, предложения поставщиков и т.д.);
  • ? внутренняя (показатели эффективности работы предприятия - уровень продаж, рентабельность, оборачиваемость и т.д.).

Работу по управлению ассортиментом можно разделить на четыре шага:

  • 1) анализ существующего положения;
  • 2) анализ поступающих предложений поставщиков;
  • 3) корректировка ассортимента;
  • 4) анализ результатов корректировки.

Анализ существующего положения в первом шаге подразумевает изучение ассортимента с разных точек зрения, применение различных методик его оценки с учетом предложений, конкурентов и т.д.

Второй шаг проводится в случае поступления предложения от поставщиков, но его можно исключать в случае проведения сезонной корректировки ассортимента или в случае непредсказуемого изменения спроса.

Корректировка ассортимента по третьему шагу включает управленческие решения по:

  • ? выведению номенклатурных позиций из ассортимента исследуемой фирмы;
  • ? добавлению номенклатурных позиций;
  • ? замене одних товаров другими.

Анализ результатов корректировки в четвертом шаге представляется сравнением ситуации до изменения ассортимента и после. Анализ корректировки проводится спустя заданный промежуток времени. Понятно, что анализируемый временной интервал до проведения корректировки должен быть таким же, как и после проведения, чтобы полученные данные были сопоставимы.

Процесс анализа и корректировки ассортимента нужно рассматривать как итерационный, т.е. после корректировки снова проводится анализ имеющегося ассортимента и т.д. Несмотря на то, что критерием оценки ассортимента могут быть разные показатели, в рамках данной монографии ограничимся критерием уровня продаж в натуральном выражении (далее по тексту уровень продаж везде будет подразумеваться как уровень продаж в натуральном выражении, если не оговорено другого).

На уровень продаж товаров влияет очень много несопоставимых факторов, таких как уровень цен, наличие рекламы на телевидении, внешний вид и пр. Д.Ф. Энджел, А. Дейан, П. Друкер, В.П. Федько [76, 30,32,70] проводят тщательный разбор поведения покупателей во время покупок, а В.П. Федько рассматривает последовательность от возникновения потребности до покупки конкретного товара [70, с. 116].

Таблица 2.1

Таблица значений параметров товаров, влияющих на уровень продаж [авт.]

Товары

Параметр 1

Параметр 2

Параметр N

Товар 1 Товар 2

Товар М

Рп

Рг

Рт

Р2

Р22

РМ2

Рт

P?ti

Рмн

Каждой подгруппе товаров будет соответствовать свой набор параметров. Наиболее полный список параметров товаров заданной подгруппы или группы должен включать все свойства товаров, которые каким- либо образом влияют на уровень продаж (например, у В. Шкардун все параметры разделяются на информационные, продуктовые и сервисные) [74]. Учесть все эти факторы аналитически можно, лишь введя шкалу оценки каждого параметра (например, трехбалльную или пятибалльную). Первым шагом формализации процесса формирования ассортимента, как уже отмечалось, является анализ имеющегося номенклатурного списка, поэтому применим балльную систему к нему. Оценив каждый параметр всех имеющихся товаров, получаем таблицу значений параметров товаров по всему ассортименту (табл. 2.1).

В рамках анализируемой методики авторы предлагают выставлять более высокий балл тому пункту, который способствует более высоким продажам.

По трехбалльной шкале, например, уровень цен можно оценивать так: высокий уровень цен - 1; средний - 2; низкий - 3. Или рекламу на телевидении: рекламы нет - 1; реклама на региональных каналах - 2; реклама в каналах центрального телевидения - 3.

Подобное разложение товаров по их параметрам можно найти у А.А. Чеботаева, но там таблица параметров (табл. 2.1) рассматривается как таблица товарного потока и применяется в качестве инструмента «для систематизации, группирования и предъявления требований к товарным потокам с целью оптимизации их движения от товаропроизводителя до потребителя» [72, с. 142]. В случае когда товар один, получаем вектор оценок заданных параметров это товара.

Понятно, что какие-то свойства товаров влияют на уровень продаж сильнее, какие-то слабее, поэтому предложено введение весовых коэффициентов для каждого параметра (табл. 2.2):

Таблица 2.2

Весовые коэффициенты параметров товаров [авт.]

Параметры

Параметр 1

Параметр 2

Параметр N

Весовой

коэффициент

к

к2

&N

Весовой коэффициент - это доля влияния конкретного параметра товара из всех предлагаемых на уровень продаж. На данном этапе весовые коэффициенты определяются пока экспертно.

Сумма всех весовых коэффициентов должна быть равна единице:

После внесения данных значений параметров товаров и весовых коэффициентов существует возможность сопоставления каждому товару числа, его итоговой оценки, его рейтинга, рассчитанного по классической схеме:

Для упорядочения ассортимента необходимо проранжировать (отсортировать) получившийся список товаров по убыванию рейтингов Rj. В верхних строчках списка окажутся самые важные, ценные и продаваемые для фирмы товары, а в конце списка - менее продаваемые.

Если параметры товаров на данном этапе можно оценить объективно, то весовые коэффициенты - лишь интуитивно, или экспертно, что привносит в использование методики субъективность, от которой можно избавиться следующим образом.

Проранжировав имеющийся ассортимент и получив рейтинги Rj, можно оценить точность задания весовых коэффициентов с помощью расчета коэффициента корреляции C(R, S) между получившимися рейтингами и уровнем продаж товаров (обозначим Sj, R соответственно, вектор рейтингов товаров, S - вектор уровня продаж (единица измерения, например, штук в день или тонн в день). Согласно В.А. Колемаеву, «коэффициент корреляции можно рассматривать как характеристику степени линейности взаимосвязи случайных величин...коэффициент корреляции можно считать «измерителем» степени линейности взаимосвязи двух случайных величин» [39, с. 795].

Чем ближе коэффициент корреляции C(R, S) к единице, тем точность задания весовых коэффициентов выше, и зависимость Rj от S, будет более линейной, т.е. чем больше рейтинг, тем выше уровень продаж и, наоборот, с уменьшением рейтинга уменьшается и уровень продаж.

Решая задачу поиска максимума корреляции рейтингов с уровнями продаж

находим весовые коэффициенты кь при которых коэффициент корреляции будет максимальным и, соответственно, такие весовые коэффициенты будут наиболее точно описывать распределение долей влияния каждого параметра на уровень продаж. Но этот набор весовых коэффициентов оптимально подходит для конкретной таблицы параметров товаров (табл. 2.1). Изменив хотя бы один из параметров Pij в таблице параметров, задачу оптимизации (2.3) необходимо будет решать снова.

Подставляя полученные в результате решения задачи (2.3) оптимальные весовые коэффициенты, получаем максимальный коэффициент корреляции Cmax(/?, S). По нему определяем полноту учета всех параметров табл. 2.1. Чем ближе C(R, S) к единице, тем полнее список параметров, влияющих на продажи. Тесноту связи рейтингов и уровней продаж можно также оценивать по шкале Чеддока (табл. 2.3).

Решить задачу оптимизации (2.3) на практике можно, применяя программу Microsoft Excel, опцию «Поиск решения». Например, исследуем список из семи товаров. Выделим пять показателей, которые могут влиять на продажи. Каждый из параметров отдельного товара оценен по трехбалльной системе.

Имеется также статистика продаж данных товаров. На данном этапе весовые коэффициенты заданы экспертом. Таблица параметров товаров имеет следующий вид (табл. 2.4).

Следующий этап расчета - вычисление рейтингов товаров. Например, для Товара 1: /^=0.2x1+0.3x2+0.15x2+0.25x3+0.1x2=2,050.

Таблица 2.3

Шкала Чеддока

Величина коэффициента корреляции

0,1-0,3

0,3-0,5

0,5-0,7

0,7-0,9

0,9-1,0

Характеристика силы связи

Слабая

Умеренная

Заметная

Высокая

Весьма

высокая

Средняя

Сильная

Таблица 2.4

Пример задании таблиц расчета оптимальных весовых коэффициентов [авт.]

Товары

Параметр 1

Параметр 2

Параметр 3

Параметр 4

Параметр 5

Уровень

продаж

Товар 1

1

2

2

3

2

150

Товар 2

1

3

2

2

2

120

Товар 3

1

1

2

2

2

100

Товар 4

2

2

2

2

3

150

Товар 5

3

3

1

1

1

80

Товар 6

2

3

1

1

1

50

Товар 7

2

3

2

3

2

150

Весовой

коэффи

0,20

0,30

0,15

0,25

0,1

циент

Аналогичным образом i?2=2.100, i?3=1.500, 7?4=2.100, Z?5=2.000, Л6=1.800, /?7=2.550

Далее вычисляется коэффициент корреляции между рейтингами товаров и уровнем продаж. При первоначально заданных весовых коэффициентах в примере, С(Л,5)=0,601.

Задачу максимизации корреляции по весовым коэффициентам решаем с помощью программы Microsoft Excel, опции «Поиск решения», как показано на рис. 2.1.

В результате поиска решения при заданных параметрах получаем оптимальные весовые коэффициенты (табл. 2.5).

Из полученных значений весовых коэффициентов выделим самые значимые для продаж - параметр 4 и параметр 5 (свершение покупки более, чем на 30 %, зависит от значения каждого из этих параметров), а параметр 2 практически никак не влияет на продажи анализируемых товаров.

Таблица 2.5

Оптимальные весовые коэффициенты для примера [авг.]

Параметры

Параметр

1

Параметр

2

Параметр

3

Параметр

4

Параметр

5

Весовые

коэффициенты

0,141

0,064

0,115

0,359

0,321

В результате решения задачи может возникнуть ситуация, когда один или несколько из полученных весовых коэффициентов будут иметь отрицательные значения, что свидетельствует о том, что при задании соответствующих параметров рц товаров более высокий балл ставился пункту, который способствует более низкому уровню продаж.

При подстановке оптимальных весовых коэффициентов в приведенном выше примере получаем коэффициент корреляции C(R, 5')=0,981, свидетельствующий о достаточно полном задании таблицы параметров товаров и соответствующий весьма высокой зависимости, по шкале Чеддока.

Итак, в случае весьма высокого значения коэффициента корреляции при подстановке оптимальных весовых коэффициентов можно с достаточно большой долей уверенности говорить о влиянии того или иного параметра товара на уровень продаж. Такая информация полезна для того, чтобы определять приоритеты при инвестировании денежных ресурсов в улучшение какого-либо параметра товара, что наиболее актуально на уровне производителей. В частности, после проведения предлагаемого анализа на кондитерской фабрике можно однозначно сказать, что будет влиять на повышение уровня продаж конфет сильнее: замена этикетки конфеты на более качественную, дорогую или проведение рекламной кампании, и, более того, как будет показано далее, можно оценить эффект от проделанной работы еще на стадии планирования.

Понятно, что уровень продаж товаров меняется со временем (например, вследствие сезонности), что будет соответственно сказываться на оптимальных весовых коэффициентах. В таком случае необходимо периодически решать оптимизационную задачу (2.3), получая новые оптимальные весовые коэффициенты. Анализ динамики изменения весовых коэффициентов позволяет делать выводы о причинах выбора покупателем тех или иных товаров и тенденциях изменения его потребностей.

Задание таблиц и нахождение оптимальных весовых коэффициентов с помощью Microsoft Excel [авт.]

Рис. 2.1. Задание таблиц и нахождение оптимальных весовых коэффициентов с помощью Microsoft Excel [авт.]

Предлагаемый алгоритм решения поставленной задачи очень похож на решение подобных проблем с применение нейросетей. Оптимизация по весовым коэффициентам в предлагаемой методике аналогична обучению нейросети. А определение менее влияющих на уровень продаж параметров аналогично отсеиванию малозначимых в нейросети. Разница состоит лишь в том, что предлагаемый механизм расчета полностью прозрачен по сравнению с решением задачи с применением нейросети.

 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ     След >