Нем 10 лет
Организаторам мероприятий
Регистрация прошла успешно

Регистрация прошла успешно

На ваш e-mail пришло письмо с подтверждением

На вашу почту отправлена ссылка для восстановления пароля

Восстановление пароля
Все новости
18:44, 07 Августа
Cтоличный суд приостановил работу сервиса Wheely на 90 дней
18:35, 07 Августа
Почта России назначила Владимира Савина и.о.гендиректора по информационным технологиям
16:43, 07 Августа
Бренд, заслуживающий доверия: лучшие практики цифровой CX-трансформации
16:32, 07 Августа
Четыре концепта торговых точек МЕГИ получили награду Visual Victories Awards 2020
15:03, 07 Августа
Какому бизнесу нужна программа распознавания лиц?
14:55, 07 Августа
Минпромторг утвердил рекомендации по цифровой маркировке упакованной воды
14:30, 07 Августа
М.Видео- Эльдорадо: магазины остаются важным источником роста
14:14, 07 Августа
Henkel: финансовое положение улучшилось вопреки пандемии COVID-19
14:06, 07 Августа
R_keeper и МОБИ.Деньги запустили сервис оплаты СБП для кафе и ресторанов
13:54, 07 Августа
Retail&Loyalty поздравляет всех строителей с профессиональным праздником!
09 Июня 2020, 14:58
1395

В торговле в fashion-сегменте применимы те же принципы, что и в торговле колбасой?

Ткачев Олег.png

Олег Ткачёв, генеральный директор и соучредитель компании Sputnik, разработчик систем управления товарными запасами

Работая с разными сегментами потребительского рынка, от пищевой продукции до непродовольственных товаров, мы пришли к выводу, что проблемы реализации товара в fashion-индустрии во многом схожи с проблемами реализации скоропортящейся пищевой продукции, такой, как колбаса, сыр, мясо, как бы парадоксально это ни звучало. Основной проблемой магазинов, торгующих одеждой, всегда был большой объем товарных остатков. У некоторых сетевых брендов совокупный объем стока составляет в среднем три месяца. В период самоизоляции рынок fashion почти полностью замер. По разным подсчетам, в стране было закрыто до 90% магазинов. Оборот же сократился на примерно 94%. Оставшиеся 8-10% реализовывались за счет интернет-продаж.

Сейчас сложно точно оценить объемы нераспроданных товаров, но уже ясно, что большая доля весенней коллекции осталась нереализованной, и этот факт на фоне стоков зимних коллекций кратно увеличивает излишки на складах и в магазинах. Также сложно определить, когда восстановятся прежние объемы продаж, и восстановятся ли вообще. Безусловно, это кризисная ситуация.

Тем не менее, повторюсь, срок жизни fashion-товара в целом сопоставим со сроком годности некоторых пищевых продуктов. С одной стороны, ничто не мешает fashion-продукции храниться сколько угодно, с другой стороны, с течением сезона она быстро устаревает и теряет в цене. Именно поэтому ее и можно отнести в разряд скоропортящихся товаров. Между тем, в пищевой индустрии существуют и успешно применяются решения, позволяющие эффективно управлять товарными запасами и не допускать скапливания нереализованного товара. Можно ли данные алгоритмы адаптировать для рынка fashion? Да, можно и нужно.

Оговоримся сразу. Речь не идет об одномоментном смягчении текущей кризисной ситуации в сегменте, и не о тех инструментах стимулирования продаж, которые традиционно для этого применяются. Речь идет об изменении самого принципа управления товародвижением в fashion в целом.

Приведем пример товародвижения в сетевых магазинах одежды. Например, сеть магазинов Х ежемесячно реализовывает товаров на 6-7 млн рублей в Москве, и, скажем, на 500 тыс. рублей в регионах. Средняя стоимость единицы товара у них составляет 3,5 тыс. руб., количество SKU – 200. Минимальная выкладка каждой SKU – по две единицы наименований. Перемножая эти величины, получаем 1,5 млн рублей. Таким образом, стоимость содержания ассортиментной матрицы, которая отправляется по сети, составляет 1,5 млн рублей. Но зачем магазину, реализация которого не превышает 500 тысяч, тройной запас ассортиментной матрицы? Формирование «плоских» неадаптивных ассортиментных матриц, влечет за собой формирование гигантских излишков. Такие магазины переполнены остатками коллекций. Создание гибкой ассортиментной матрицы позволяет решить эту проблему.

Но гибкой ассортиментной матрицей так или иначе надо управлять. В свое время мы разработали и реализовали специфический инструмент пополнения для fashion-индустрии, взяв за основу наши инструменты для food-ритейла. Он состоял из нескольких блоков. Во-первых, это «умная система прогнозирования», задача которой создать и постоянно уточнять прогноз опираясь на первоначальный заказ на производство, уровень продаж в магазинах с одинаковой степенью реализации, продажи и остатки по каждому конкретному магазину. Это дополнялось системой управления избыточным товарным запасом и системой отчетности, показывающей, что получилось по факту. Получался замкнутый цикл.

Когда мы его разрабатывали, то обратили внимание, что многие сети, торгующие fashion, во время формирования заказа на производство упускают около 30% объема, который они могли бы продать, потому что, при планировании своих закупок они используют инструменты, которые не оценивают уровень обнуления товара в магазине. Поэтому планирование происходит с учетом данных о реализованном объеме, а не на основе того, сколько сеть могла бы продать. Это довольно дорогая ошибка, повторюсь, объем упущенных продаж может иногда достигать 30%.

Если обобщить проблемы управления запасами fashion-ритейла, то можно выделить три группы.

· Формирование заниженных прогнозов на производство, из-за отсутствия подходящих инструментов расчета, что влечет за собой недопродажи до 30%.

· Формирование плоских ассортиментных матриц, что приводит к перетарке региональной сети, что влечет за собой распродажи, с влиянием на валовую маржу до 10%.

· Отсутствие четкой системы управления излишками, что заставляет магазины торговать «залежалым» товаром, вместо того чтобы подавать своевременно «нужные снаряды».

Эти проблемы усугубляются слабыми системами управления и отсутствием достоверной истории продаж на уровне SKU, так как большая часть позиций являются позициями in-out: товар пришел, его продали, пришел следующий.

Так что же отличает успешных fashion-ритейлеров? Это четкое управление жизненным циклом товаров, умение быстро распространять новую коллекцию по сети, эффективно избавляться от старой коллекции и при необходимости быстро перегруппировывать товары между магазинами.

С разной степенью отклонений жизненный цикл коллекций делится на несколько отрезков. Самый активный отрезок, когда товар продается наилучшем образом, это первые 30 дней после поступления его на полки. Создавая свою программную разработку, мы включили этот отрезок в наш понятийный аппарат. Всего в нем было несколько групп товаров по срокам реализации: «свежим товаром» считались коллекции, поступившие в продажу менее 30 дней назад, товарами прошлой коллекции – те, которым от 30 до 90 дней; товары сроком более 90 дней считались «мертвым стоком». Затем мы разделили весь процесс на этапы, создав под каждый из них свой определенный блок. Первый из них, это система прогнозирования, где производился расчет заказа на производство для каждой категории с учетом его обнуления в магазинах, так, чтобы товара хватало по сети. Система прогнозирования принимала решения о наиболее вероятных продажах в магазине, опираясь на первоначальные прогнозы, затем сравнивала их с реальными продажами и предлагала решение.

После отправки товара в магазины (так называемое «первоначальное пуширование» без истории продаж), система начинала получать оперативные данные о продажах, на основе которых включался алгоритм поставки, распределяя товары в соответствии с активностью продаж в каждом конкретном магазине и создавая оптимальный запас в торговых точках.

Система отчетности собирала данные по каждому товару: упущенные продажи, лишний товарный запас, жизненный цикл. Цифры в системе отчетности группировались таким образом, что глядя на них, можно было принять однозначное решение по каждому конкретному товару, какой сток является залежалым, сколько инвестиций потребуется на его возврат и распродажи через другие каналы, в том числе онлайн.

Первый же после внедрения программы корпоративный финансовый отчет сети показал рост прибыли на те самые 30%, о которых мы говорили выше. Алгоритм показал свою жизнеспособность, как универсальное решение для fashion-сети, которое можно с успехом применять в этом сегменте рынка. Но наиболее ценным для нас оказался тот факт, что, проанализировав основные «боли» fashion-игрока и в целом понимая пути, как эти «боли» можно полечить, мы не стали заново изобретать велосипед, а обратились к другому рынку, который на первый взгляд, мало сравним с fashion, но базово имеет одни и те же компоненты, которые регулируются одними и теми же методами. Взяв наши ранние разработки, успешно функционирующие для food, мы развернули их в non-food, сохранив нашу прежнюю упаковку – понятную, легкую в использовании и хорошо оттестированную программную оболочку.

Разумеется, для выхода fashion-сегмента из кризиса нет и не может быть единой панацеи, и не один алгоритм с этим не справится, если к нему не подключатся стимулирующие меры и различные корпоративные оптимизирующие решения. Но все-таки базовым компонентом является прочистка и перенастройка артерий, по которым движется товар. Только он может заложить долгосрочную основу для выхода для стабильного существования товарной сети.

Подписывайтесь на наши группы,
чтобы быть в курсе событий отрасли.
Понравился материал? Поделись.


ЖУРНАЛ RETAIL&LOYALTY №4 (91) 2020


будь в курсе
новостей индустрии