Расходы на стимулирование продаж являются одной из основных статей расходов для ритейлеров и производителей потребительских товаров. Возврат вложенных средств (или “недополученной” маржи) во многом зависит от точности прогнозирования промо-акции и оценки ее влияния на будущие продажи. Построение таких прогнозов предполагает предварительный расчет базового уровня спроса (как бы товар продавался, если бы не планировалась промо-активность) и оценку эффекта акции. Согласно исследованию Aberdeen Group, прибыль, полученная в результате промо-акций, напрямую зависит от того, насколько точно был составлен прогноз.
Промо-прогнозирование – аналитический процесс выявления корреляций между характеристиками прошедших промо-акций (атрибуты товара, особенности торговой точки, сезонность и др.) и соответствующей истории спроса с целью максимально точного прогнозирования спроса в рамках будущих кампаний. Ключевой составляющей в определении величины будущего эффекта воздействия на потребителя является оценка изменения объема продаж, вызванного промо-акцией, по отношению к базовому уровню, т.е. уровню продаж в отсутствие акции. На основании данной оценки и анализа «что-если» формируются различные сценарии кампании с целью повышения эффективности продвижения и роста ROI (показателей окупаемости инвестиций).
Многие компании осуществляют прогнозирование эффектов промо на основе экспертного анализа. К недостаткам данного подхода можно отнести невозможность вручную обработать весь массив данных по всем SKU и торговым точкам, а также субъективность и человеческую склонность делать оптимистические предположения при построении прогнозов. Использование в качестве основного инструмента промо-прогнозирования Excel либо построение прогнозов на базе действующей в компании ERP-системы так же имеют ограниченный потенциал. Промо-акции зачастую рассматриваются в отрыве от общей статистики продаж, а анализу корреляций между различными параметрами акции и динамикой спроса уделяется недостаточное внимание, что в конечном итоге отражается на точности прогнозов.
Прогнозирование эффектов промо осложняется тем, что маркетинговые кампании представляют собой не просто конечный набор количественных параметров, включающий товарные группы, торговые точки, цены, размер скидок и др. Важную роль здесь играет учет динамики показателей, а также причинно-следственных связей между ним. Так, например, планируемый эффект промо-акции может отличаться для отдельных сочетаний локация/товар. Кроме того, акции, как правило, имеют характерную динамику продаж, а также недельную сезонность. К факторам, напрямую влияющим на эффективность промо-акций в сфере FMCG, относится и учет маркетинговых активностей конкурентов.
Традиционных методов зачастую недостаточно для обработки и анализа такого большого объема неструктурированных данных. Поэтому сегодня ритейлеры и производители все чаще используют в работе сложные алгоритмы и методы моделирования для построения максимально точных прогнозов. Они позволяет распознавать общие характеристики маркетинговых кампаний, классифицировать их и оценить их влияние на базовые продажи.
Решение GoodsForecast.Promo позволяет анализировать эффективность прошедших ранее промо-акций и формировать оценку эффекта для планируемых маркетинговых активностей. Система оценивает эффект акции (изменение объема продаж в рамках акции по отношению к тому, какие были бы продажи, если бы акции не было) путем выявления корреляций между различными параметрами акции и динамикой спроса. Для учета влияния промо-активностей конкурентов в системе реализован модуль сбора данных из открытых источников в интернете и алгоритмы анализа собранной информации.
Математический аппарат системы GoodsForecast производит расчет прогнозирования эффектов промо с учетом большого количества параметров акции, включая товарные группы, торговые точки, цены, размер скидок и др. Алгоритм системы работает в различных разрезах (SKU, клиент, география, формат), а входными параметрами являются история продаж, период отгрузок для расчёта базового уровня, история всех прошедших акций, разметка исключения дней отгрузок пользователем, сезонные коэффициенты для пары SKU/география. На выходе система предоставляет пользователю данные о фактическом/планируемом изменении спроса в период проведения промо-акции.