Модули MySales

Вопросы/ОтветыВозможности

94%
Точность прогноза

Точность по устоявшимся товарам в Drogas

15-20%
Рост выручки

Рост товарооборота в Chudo Market после внедрения

40%
Сокращение списаний

Снижение списаний свежих товаров в Blyzenko

Платформа ИИ

Единая платформа ИИ объединяет прогнозирование, пополнение, ценообразование и промо — сигналы автоматически передаются между модулями, поэтому заказы, цены и кампании всегда синхронизированы.

Обзор модуля

Как понять, почему система спрогнозировала конкретное количество?

  • Для этого перейдите в форму «Анализ» и запустите расчёт прогноза для интересующей позиции. Основная и наиболее эффективная проверка прогноза — визуальная. Рекомендуется визуально оценить динамику продаж текущего и предыдущего года, сравнивая её с текущим прогнозом, чтобы определить использование сезонности в прогнозе. Также можно добавить цену на график для оценки влияния цены на прогноз и продажи. Можно также использовать визуальный анализ других факторов.
Обзор модуля

Почему прогноз отличался день назад?

  • Потому что система ежедневно пересчитывает прогнозы, чтобы учитывать последние данные о продажах.
Аналитика

Как узнать, каким был прогноз неделю назад?

  • В форме «Анализ» в области выбора параметров нажмите кнопку настроек, затем выберите необходимую последнюю неделю продаж в поле «неделя», которую система будет учитывать при построении прогноза.
Аналитика

Как система прогнозирует новые позиции?

  • Существует два метода: с использованием аналога или на основе продаж средней позиции в группе. Если у системы есть аналог, используется история продаж одного или нескольких аналогов, умноженная на коэффициент. Если прогноз строится на основе продаж средней позиции в группе, продажи группы делятся на количество позиций в ней, после чего корректируются с учётом ценовой эластичности группы и цены конкретной новой позиции.
Аналитика

Если позиция продавалась в некоторых магазинах и её дистрибуция расширяется, как система её спрогнозирует?

  • Прогноз для расширения дистрибуции строится на основе продаж на уровне группа-магазин, продаж на уровне группа-регион и продаж на уровне SKU-регион. Упрощённо берётся пропорция: [прогноз SKU-магазин] = [прогноз SKU-регион] * [продажи группы-магазин] / [продажи группы-регион]
Данные и интеграции

Сколько недель нужно использовать данные о продажах аналога для новой позиции? Сколько недель нужно системе, чтобы построить прогноз на основе данных о продажах новой позиции?

Рекомендуется использовать данные о продажах аналога от 6 до 13 недель в зависимости от настроек системы. Однако это не означает, что в течение 6–13 недель система не будет видеть данные о фактических продажах новой позиции. Как только появятся первые данные о продажах новых позиций, система уже будет использовать их в прогнозе, а данные о продажах аналога будут использоваться только для тех периодов, за которые не было продаж. Система может строить прогноз для нового товара без аналога даже при наличии всего нескольких недель продаж; однако для более точного определения зависимостей продаж от различных факторов (сезонность, цена, промо) рекомендуется позволить системе использовать данные о продажах аналога в течение более длительного периода.
Аналитика

Как система прогнозирует новые магазины?

  • Прогноз для новых магазинов строится только на основе одного или нескольких аналогов (похожих магазинов). Как и для новых позиций, для новых магазинов рекомендуется позволить системе использовать данные о продажах аналогичных магазинов в течение 9–13 недель, чтобы система могла более точно определить зависимость продаж от различных факторов. Однако после появления первых недель продаж система увидит данные о продажах нового магазина и использует их в прогнозе. Система будет использовать данные о продажах магазинов-аналогов только для тех периодов, за которые нет продаж / остатков нового магазина.
Аналитика

Что произойдёт, если не добавить аналог для нового магазина?

  • В первую неделю продаж система вообще не будет строить прогноз, но после первой недели продаж система построит прогноз без учёта зависимостей, основываясь только на продажах первых недель. По мере накопления истории для нового магазина прогноз будет становиться точнее. Тем не менее рекомендуется добавлять аналоги для новых магазинов.
Аналитика

Какова формула расчёта значения прогноза? Как проверить значение прогноза?

  • Общий прогноз на неделю равен сумме всех его компонентов. Компоненты прогноза можно просмотреть в форме «Анализ», выбрав их в меню «Компоненты — В штуках». Пример: прогноз построен на основе фактической цены, сезонности и базового уровня. Выбираем предикторы «A. Price», «Seasonality», «Base» из меню «Компоненты — В штуках»; их сумма за каждую неделю будет равна значению прогноза. Пример: значение «A. Price» = 20, «Seasonality» = 25, «Base» = 100. Значение прогноза составит 145.
Обзор модуля

Как понять, почему прогноз не совпадает с продажами?

  • Ситуация, когда прогноз равен продажам, практически невозможна. Однако если расхождения между прогнозом и продажами незначительны и покрываются небольшим страховым запасом, рассчитанным системой, ситуация является нормальной. Если расхождения значительны, необходимо попытаться определить, какой фактор не учитывается в прогнозе. Алгоритм действий следующий:
  • Проверить прогноз на уровне SKU-регион для региона 0 (вся сеть), либо на уровне конкретного региона или магазина
  • В окне «Модели» определить факторы с наибольшими коэффициентами корреляции
  • Проверить, учитываются ли эти факторы в прогнозе
  • Если все значимые факторы учтены, необходимо проанализировать и выяснить, о каком факторе система не знает
  • Если не все значимые факторы учтены, необходимо добавить эти факторы на график и визуально оценить, полностью ли их влияние учитывается
  • Если самостоятельно не удаётся понять, все ли значимые факторы учтены, обратитесь в MySales за аналитической поддержкой.
Обзор модуля

Почему ситуация нормальна, если расхождения между прогнозом и продажами незначительны? Мы потеряем продажи, если прогноз будет ниже.

  • Последнее утверждение неверно, поскольку потери продаж возникнут только в том случае, если продажи превысят прогноз и страховой запас в сумме. Если продажи превышают прогноз, но остаются в пределах страхового запаса, потерь продаж не будет.
Аналитика

Как рассчитывается страховой запас? До какого процента он достигает?

  • Страховой запас рассчитывается индивидуально для каждой позиции в каждом магазине. Страховой запас — это стандартное отклонение прошлых продаж от прогноза. Однако на практике система всегда старается сделать его более точным, рассчитывая для разных диапазонов прогноза. Для этого прогноз делится на 3 диапазона:
  • Высокий диапазон — промо-периоды и периоды высоких сезонных продаж
  • Низкий диапазон — периоды сезонного спада или периоды без промо, если позиция имеет слабо выраженную сезонность
  • Нормальный диапазон — остальные периоды
  • Далее стандартное отклонение рассчитывается отдельно для каждого из этих периодов. Таким образом, страховой запас, например, для мороженого или кваса зимой и летом будет разным. Страховой запас для промо-периодов и непромо-периодов также будет разным. Процент страхового запаса относительно прогноза также будет различаться для разных позиций, но общее правило таково:
  • Чем выше скорость продаж, тем больше масса спроса на неё, тем точнее прогноз и, соответственно, тем ниже процент страхового запаса
  • Чем медленнее продаётся позиция, тем выше её страховой запас в процентах, но при этом меньше в штуках. Для понимания представьте простой случай, когда прогноз равен средним продажам. Если в среднем позиция продаётся по 0,5 единицы в неделю (каждые 2 недели), то её страховой запас будет немного меньше 0,5 в штуках, но при этом составит почти 100% от прогноза.
Аналитика

Может ли страховой запас не покрывать 100% пиков продаж? Что делать в таком случае?

  • Это возможно. Однако это может быть проблемой только для топовых, наиболее продаваемых позиций. Для таких позиций рекомендуется увеличить страховой запас с помощью SS-коэффициентов. В этом случае страховой запас умножается на эти коэффициенты. Для нетоповых позиций рекомендуется оставить SS-коэффициент по умолчанию. Обычно он равен единице — это системная настройка, которую можно изменить.
Аналитика

Что если страховой запас слишком велик и может потенциально привести к списаниям скоропортящихся товаров?

  • Поскольку продажи конкретных позиций часто волатильны, а чем ниже скорость продаж, тем выше волатильность спроса, как правило, важно найти правильный баланс между наличием товара для покрытия экстремумов и уровнем списаний. Общая рекомендация — снизить SS-коэффициент для таких позиций и установить его ниже единицы. А для топовых позиций, где срок поставки существенно не превышает период продаж позиции, установить этот коэффициент близким к нулю.
Аналитика

Нужно ли регулярно пересматривать эти коэффициенты?

  • Этого как раз делать не нужно. Корректируя коэффициенты, вы накапливаете опыт, и не следует постоянно их изменять. Дополнительную информацию о применении SS-коэффициентов см. в разделе «Корректировки страхового запаса».
Аналитика

В каких случаях нужно вводить мастер-прогноз и как он работает?

  • Если модуль Промо не используется, рекомендуется вводить мастер-прогноз для промо-периодов. Также можно использовать мастер-прогноз для корректировки прогноза для новых товаров, если аналог не был задан. Мастер-прогноз вводится на общем уровне (SKU-все магазины) и распределяется пропорционально системному прогнозу на уровне конкретных магазинов, повышая или понижая общий прогноз всех магазинов до уровня мастер-прогноза.
Аналитика

Что такое регион 0?

  • Регион 0 представляет агрегированные данные о продажах по всем магазинам сети. Для региона 0 строится отдельный прогноз, который может отличаться от суммы прогнозов по всем магазинам. Уровень «регион 0» используется как наивысший уровень географической иерархии при построении прогнозов более низких уровней.
Аналитика

В чём разница между уровнями «Сумма магазинов — SKU» и «Все магазины — SKU» в форме «Прогнозы — Просмотр»?

  • Уровень «Сумма магазинов — SKU» — это прогноз, построенный на уровне каждого магазина и суммированный. Уровень «Все магазины — SKU» — это прогноз, построенный на уровне региона 0, который представляет агрегированные данные по всей сети.
Обзор модуля

Почему прогнозы, построенные для каждого магазина и суммированные, отличаются от прогноза на уровне региона 0?

  • Разница состоит в том, что при построении прогноза на уровне магазина система анализирует зависимости продаж от влияющих факторов на детальных уровнях, что в определённых случаях при наличии достаточного количества данных может дать более точный результат, а в некоторых случаях зависимости могут не определяться.
Аналитика

Какой прогноз точнее — на региональном уровне 0 или общий прогноз по всем магазинам?

  • Для разных позиций — по-разному; это зависит от того, достаточно ли истории продаж на детальных уровнях для построения прогноза. При недостаточной истории прогноз на уровне региона 0 может быть точнее. Ещё одно преимущество использования прогноза на уровне региона 0 состоит в том, что он позволяет определять зависимость продаж всей сети от влияющих факторов (цена, сезонность и т.д.) и использовать их на более детальных уровнях.
Аналитика

Нужно ли компании организовывать систематическую работу с функциональностью «Аномалии и Исключённые»?

  • Это необязательно. Функциональность «Аномалии и Исключённые» используется в исключительных случаях, когда в процессе анализа прогнозов выявляются аномальные продажи. Также, если в системе клиента выделены продажи по резервированию, рекомендуется загрузить их, чтобы движок учитывал их как аномалии. В некоторых случаях, если модуль промо не используется и есть требования к движку прогнозировать регулярные и сезонные продажи, те недели, для которых установлен мастер-прогноз с типом «Промо», автоматически попадают в исключения прогноза.
Аналитика

Для каких позиций стоит использовать прогнозы, построенные с помощью нейронной сети?

  • Перечень таких позиций настраивается в системе. Прежде чем использовать нейронную сеть для прогнозирования позиции, необходимо верифицировать прогноз, то есть проверить его визуально. Это можно сделать с помощью профиля прогноза «Brain».
Аналитика

В наших магазинах изменяются объёмы продаж, например, в связи с открытием или закрытием конкурирующего магазина. Как быстро MySales отреагирует на такие изменения?

  • Скорее всего, реакция системы не будет мгновенной. Это сделано для того, чтобы сгладить локальные экстремумы в продажах. Но через 1–3 недели система увидит эти изменения и начнёт учитывать их в будущем прогнозе. Это можно проверить на реальных, уже произошедших примерах, откатившись в прогнозе на 1–3 недели назад. Сделать это можно в форме «Анализ», нажав на ссылку «Настройки» и выбрав последнюю неделю продаж, которую система может видеть при построении прогноза. Также сразу после первой недели повышенных продаж система начнёт повышать страховой запас, делая это осторожно и не создавая повышенного запаса там, где такая неделя в истории всего одна.
Аналитика

Что делать, если после анализа прогноза я с ним не согласен?

  • В таком случае есть несколько вариантов:
  • Проверить другие модели прогноза, построенные системой, и выбрать наиболее подходящую. Проверить модели можно в форме «Анализ», выбрав их из меню «Компоненты — Анализ» и визуально проверив на графике. Рекомендуется начинать с более точных к менее точным. Далее желаемую модель можно зафиксировать для движка, нажав кнопку «Модели» и выбрав её там; однако рекомендуется делать это на конкретных уровнях (SKU-регион, SKU-магазин, группа-регион, группа-магазин).
  • Скорректировать прогноз системы с помощью функциональности «Мастер» на уровне SKU-все магазины
  • В исключительных случаях можно загрузить детальный прогноз на уровне SKU-магазин
  • Также можно запросить аналитическую поддержку у MySales.
Аналитика

Как автоматический прогноз MySales может быть полезен для заказа товаров fashion-группы (одежда, обувь)?

Модуль Промо

  • Одежда и обувь, заказываемые по регулярному расписанию, могут быть заказаны на основе прогноза системы. Если закупка одежды и обуви осуществляется на каждый сезон, организацию этого процесса следует выстраивать несколько иначе. Изначально стоит использовать прогноз для групп моделей (например, мужская спортивная обувь), чтобы определить потенциальный спрос на них. Затем необходимо экспертно отобрать модели под потенциальный спрос, а также экспертно выполнить декомпозицию прогноза с уровня групп моделей до конкретных моделей, а затем до размерной сетки, чтобы получить конкретные количества позиций для заказа.
Аналитика

Что такое промо-прирост продаж (uplift)?

  • Промо-прирост продаж — это дополнительный рост продаж в промо-период, возникающий благодаря коммуникациям, когда большее число покупателей узнаёт о том, что определённая позиция имеет промо-предложение на ограниченный период времени.
Обзор модуля

Почему ценовой эластичности недостаточно для прогнозирования промо?

  • Есть две причины. Во-первых, если просто снизить цену и никому об этом не сообщить, это не даст такого эффекта в росте продаж, как временное снижение цены с поддержкой дополнительных коммуникаций. Во-вторых, нередко акция проводится без замены ценников, когда скидка предоставляется на кассе, а покупатель узнаёт о ней из дополнительных материалов: листовки, электронного каталога, баннера и т.д.
Аналитика

Как система прогнозирует эффект коммуникации в промо?

  • Рост продаж за счёт коммуникационного эффекта является наиболее сложным компонентом в прогнозировании. Во-первых, этот эффект сильно варьируется для разных позиций. Во-вторых, для конкретных позиций нередко отсутствует история промо ввиду значительной ротации ассортимента в розничной торговле. Прогнозирование промо-роста в системе можно разделить на несколько основных этапов:
  • Анализ и выделение исторических промо для всех SKU
  • Обучение системы для подбора сопоставимых промо
  • Обучение нейронной сети для прогнозирования промо-прироста, если сопоставимые промо подобрать не удалось
  • Подбор сопоставимых промо для прогнозирования прироста для будущих промо на уровне SKU — все магазины
  • Прогнозирование коэффициента промо-прироста на уровне SKU — все магазины с помощью нейронной сети, если сопоставимые промо не найдены
  • Адаптация промо-прироста на уровне конкретных магазинов на основе истории промо для каждой позиции на уровне SKU-магазин
Аналитика

Есть ощущение, что мы даём скидку выше психологического уровня, при котором потребитель готов купить. Как это понять?

  • Для этого следует смоделировать несколько сценариев промо с разным уровнем скидки и различными коммуникациями. Для моделирования промо можно либо создать новое промо с теми условиями, которые вы хотите смоделировать, либо новый вариант существующего промо. Следует учитывать, что при создании нового варианта в существующем промо скидка, определённая индивидуально для позиций в акции, имеет приоритет над скидкой, определённой на уровне всей акции; поэтому, если для разных товаров в акции определены разные скидки, для моделирования нового сценария лучше создать отдельное промо без его утверждения.
Аналитика

В форме, где отображаются прогнозы промо, есть прогноз «Base» и «Promo». Что они означают и чем отличаются?

  • Base — базовый прогноз без учёта эффекта коммуникаций, но с учётом ценовой эластичности. Показывает, сколько вы продали бы, если бы просто снизили цену и поддержали это базовой коммуникацией в виде указания на ценнике. Promo — промо-прогноз с учётом промо-прироста за счёт всех дополнительных коммуникаций в промо, позволяющих большему числу покупателей узнать о выгодном предложении.
Аналитика

Как верифицировать промо-прогноз для SKU, чтобы убедиться в его корректности?

  • Прежде всего необходимо проверить сопоставимые промо, которые система подобрала. Для этого нажмите кнопку «C» рядом с SKU, чтобы увидеть сопоставимые промо SKU, продажи по ним, а также их коэффициенты прироста. Прогноз может отличаться от продаж по сопоставимым промо, так как условия меняются: цена, скидка, сезон, каннибализация. Для более детального анализа факторов, влияющих на прогноз, необходимо дважды щёлкнуть по SKU в промо, чтобы перейти в форму «Анализ» и подробнее рассмотреть все компоненты прогноза.
Аналитика

В форме, где отображаются сопоставимые промо, есть поля «Before,%» и «After,%». Что они означают и чем отличаются?

  • «Before, %» — коэффициент промо-прироста к прогнозу без учёта ценовой эластичности. «After, %» — коэффициент промо-прироста к прогнозу с учётом ценовой эластичности. Как правило, «After,%» ниже, чем «Before,%». Система использует эти базовые коэффициенты из сопоставимых промо, применяя их для прогнозируемых промо на уровне SKU — все магазины и адаптируя их на уровне каждого магазина.
Аналитика

Что делать, если система не смогла найти сопоставимое промо?

  • В таком случае коэффициент промо-прироста прогнозируется нейронной сетью. Нейронная сеть обучается на всех промо-позициях в истории, определяя зависимость прироста от каждого отдельного фактора в промо, а также от их синергии, и отдельно для каждой товарной группы при наличии достаточного количества данных для учёта индивидуальных характеристик прироста позиций в каждой группе.
Обзор модуля

Как понять, почему нейронная сеть спрогнозировала конкретный прирост?

  • В системе есть визуализация результатов обучения нейронной сети — что-то вроде томографии. Посмотреть её можно в меню «Ещё — Промо — Корреляция нейронной сети». Там по вертикали отображаются факторы, которые нейронная сеть учитывает при прогнозировании промо-прироста, а также корреляция в процентах изменения значений факторов с изменением значений коэффициента промо-прироста, спрогнозированного нейронной сетью, к прогнозу с учётом или без учёта ценовой эластичности.
Операционная модель

Как организовать процесс верификации промо-прогнозов и зачем это нужно?

  • Промо-продажи — наиболее сложная область прогнозирования, поскольку на них влияет множество факторов, часть из которых системе неизвестна. Например, в случае наличия или отсутствия реакции конкурентов акции на топовые товары, являющиеся генераторами трафика, могут давать разный прирост (в целом или в различных рыночных условиях). Поэтому верификация промо-прогнозов важна. При использовании MySales прогнозирование промо обычно осуществляется одним человеком или отдельной группой, которая создаёт промо в системе, строит автоматический промо-прогноз MySales и верифицирует его, сравнивая с сопоставимыми промо. А также выполняет более детальный анализ с помощью формы «Анализ». После такой верификации промо-прогнозов рекомендуется выгружать их в Excel для отправки категорийным менеджерам с целью проверки рыночных условий. При наличии обоснованных возражений от категорийных менеджеров рекомендуется создавать мастер-прогноз в системе.
Аналитика

Как учитывать промо-продажи в первые дни промо-кампании, чтобы влиять на заказы во время промо-кампании?

  • Мониторинг первых дней промо-продаж очень важен для промо, действующих в течение периода, превышающего цикл поставки, чтобы во время акции можно было отреагировать на продажи и заказать больше или меньше товара в ближайшую поставку. Однако на уровне конкретных позиций в конкретных магазинах могут наблюдаться локальные экстремумы или локальные события, которые вряд ли повторятся в последующие дни, если речь не идёт о топовых позициях. Поэтому в первые дни промо стоит анализировать продажи на более агрегированных уровнях (SKU-все магазины) и корректировать прогноз с помощью Мастера, чтобы отразить динамику промо для заказов в ходе его проведения.
Аналитика

Есть позиции, которые значительно растут в первые дни промо, после чего наблюдается эффект насыщения и продажи последующих дней падают. Как работать с этим в системе?

  • Если акция длится несколько недель и повышенный рост продаж наблюдается только в первую неделю, рекомендуется использовать либо функциональность «Дополнительная загрузка», либо функциональность автозаказа, чтобы сделать увеличенный заказ на первую неделю акции.
Аналитика

Как указать процент скидок для промо с типом MMK?

  • Скидку для таких акций следует указывать как средний процент выгоды для покупателя, предоставляемой для конкретной позиции. Это необходимо для корректной работы ценовой эластичности при прогнозировании промо.
  • Если, например, механика промо — 1 + 1 = 3, скидку следует указать как 33% (1 из 3 единиц бесплатно)
  • Для механики «купи 1 и получи скидку на второй товар» скидка должна указываться как средняя для обоих товаров. Например, если предлагается купить товар за 100 и получить скидку 50% на товар за 60, то общая выгода для покупателя составит 30 из 160, 30/160 * 100% = 19%
  • Для прогрессивной механики, когда чем больше единиц покупаешь, тем больше скидка, лучше указывать средний процент скидки, анализируя историю таких промо. В целом этот процент должен быть ближе к наименьшей скидке, предлагаемой в рамках акции.
Аналитика

Что делать, если покупателю не предусмотрена скидка на товар, а вместо этого начисляются бонусы?

  • В таком случае скидку также лучше указывать, анализируя историю, но в целом она должна находиться между 1% и процентом, рассчитанным как денежный эквивалент бонусов, делённый на цену товара, за который они начисляются.
Внедрение и данные

Как измерить, каким будет эффект от внедрения промо-модуля для нашей сети?

  • Существует показатель точности прогнозирования промо, измеряемый как процент промо-позиций, попадающих в допустимый диапазон погрешности. Этот показатель позволяет найти наилучший баланс между уровнем доступности товара в период промо и остатками на выходе из промо. Для объективной оценки этого показателя важно сравнивать не просто прогноз с продажами, но и прогноз системы с прогнозом, подготовленным менеджерами вручную. Если система прогнозирует лучше, чем сами менеджеры, для большинства позиций, то эффект будет либо в повышении доступности товара в промо-периоды, либо в оптимизации остатков на выходе из промо. Следует отметить, что внедрение процесса верификации прогнозов системы позволяет получить синергию от использования алгоритмов промо-прогнозирования и экспертизы менеджеров.
Аналитика

За какой период нужно подготовить и загрузить историю промо, чтобы обучить систему прогнозировать промо?

  • Для качественного прогнозирования промо необходима история промо как минимум за один год, но в некоторых случаях может потребоваться два или более лет. Чем больше история промо, тем более качественный промо-прогноз можно получить.
Аналитика

Что делать, если появляется новый тип промо впервые и истории по нему нет? Как система построит прогноз?

  • Скорее всего, в этом случае система спрогнозирует данный тип промо на основе усреднённого прогноза других типов промо. Система также учтёт характеристики товаров и их поведение в промо, адаптируя промо-прирост на уровне магазина на основе индивидуальной чувствительности. Однако по мере накопления истории промо-система начнёт учитывать её.
Аналитика

Как MySales разделяет ценовую эластичность и промо-прирост в прогнозе?

  • Ценовая эластичность и промо-прирост — это два отдельных, но взаимосвязанных компонента в прогнозе. Раздельных — потому что сначала ценовая эластичность рассматривается в базовом прогнозе для тех позиций, по которым истории достаточно. Затем к базовому прогнозу добавляется промо-коэффициент, который адаптируется на уровне магазина. Однако коэффициент промо-прироста может быть добавлен к прогнозу, в котором нет ценовой эластичности, для тех позиций, по которым истории недостаточно для её расчёта. Поэтому система использует два отдельных коэффициента промо-прироста, которые добавляются к прогнозу с учётом ценовой эластичности (как правило, этот коэффициент ниже) и без учёта (как правило, этот коэффициент выше). После расчёта промо-прироста в штуках движок перебалансирует эти 2 компонента вместе с остальными компонентами прогноза, чтобы они наилучшим образом описывали прошлые продажи.