Питання/ВідповідіМожливості

Загальний прогноз за тиждень дорівнює сумі всіх його компонентів.

Компоненти прогнозу можна переглянути у формі "Аналіз", вибравши їх у меню "Компоненти — В штуках".

Приклад: прогноз будується на основі фактичної ціни, сезонності та базового рівня. Вибираємо предиктори "А.

Ціна", "Сезонність", "База" з меню "Компоненти — В штуках", підсумовуємо — їхня сума за кожен тиждень дорівнюватиме значенню прогнозу.

Приклад: значення "А. Ціна" = 20, "Сезонність" = 25, "База" = 100. Значення прогнозу дорівнюватиме 145.

Ситуація, коли прогноз дорівнює продажам — майже неможлива.

Однак якщо відмінності між прогнозом і продажами незначні та перекриваються невеликим страховим запасом, який розраховує система, то ця ситуація є нормальною.

Якщо відмінності суттєві, необхідно спробувати визначити, який фактор не враховується в прогнозі.

Алгоритм дій такий: Останнє твердження невірне, оскільки втрати продажів відбудуться лише тоді, коли продажі перевищують прогноз і страховий запас у сумі.

Якщо продажі перевищують прогноз, але залишаються в межах страхового запасу, втрат продажів не буде.

Страховий запас розраховується індивідуально для кожного товару в кожному магазині.

Страховий запас — це стандартне відхилення минулих продажів від прогнозу.

Однак на практиці система завжди намагається зробити його точнішим, розраховуючи для різних діапазонів прогнозу.

Для цього прогноз ділиться на 3 діапазони: Далі стандартне відхилення розраховується окремо для кожного з цих періодів.

Таким чином, страховий запас, наприклад, для морозива або квасу взимку та влітку буде різним.

Страховий запас для промо-періодів та непромо-періодів також буде різним.

Відсоток страхового запасу відносно прогнозу також буде різним для різних позицій, але загальне правило таке: Таке може бути.

Однак це може бути проблемою лише для топ-позицій, що продаються найкраще.

Для таких позицій рекомендується збільшувати страховий запас за допомогою коефіцієнтів SS.

У такому разі страховий запас множитиметься на ці коефіцієнти.

Для позицій, що не є топовими, рекомендується залишати коефіцієнт SS за замовчуванням.

Зазвичай він дорівнює одиниці; це системне налаштування, яке можна змінити.

Оскільки продажі конкретних позицій часто мають волатильний характер, і чим нижча швидкість продажів, тим вища волатильність попиту, як правило, важливо знайти правильний баланс між наявністю товарів для покриття екстремумів та рівнем списань.

Загальна рекомендація — знижувати коефіцієнт SS для таких позицій і встановлювати його меншим за одиницю.

А для топ-позицій, де час доставки суттєво не перевищує період продажів позиції, встановлювати цей коефіцієнт близьким до нуля.

Цього робити не потрібно. Коригуючи коефіцієнти, ви накопичуєте досвід, і не слід постійно їх змінювати.

Докладніше про застосування коефіцієнтів SS дивіться в розділі "Коригування страхового запасу".

Якщо модуль Промо не використовується, рекомендується вводити мастер-прогноз для промо-періодів.

Також можна використовувати мастер-прогноз для коригування прогнозу для нових товарів, якщо аналог не встановлено.

Мастер-прогноз вводиться на загальному рівні (SKU–всі магазини) та розподіляється пропорційно до системного прогнозу на рівні конкретних магазинів, підвищуючи або знижуючи загальний прогноз усіх магазинів до рівня мастер-прогнозу.

Регіон 0 представляє агреговані дані про продажі по всіх магазинах мережі.

Для регіону 0 будується окремий прогноз, який може відрізнятися від суми прогнозів для всіх магазинів.

Рівень "регіон 0" використовується як найвищий рівень географічної ієрархії при побудові прогнозів нижчих рівнів.

Рівень "Сума магазинів — SKU" — це прогноз, побудований на рівні кожного магазину та підсумований.

Рівень "Всі магазини — SKU" — це прогноз, побудований на рівні регіону 0, який представляє агреговані дані для всієї мережі.

Різниця полягає в тому, що при побудові прогнозу на рівні магазину система аналізує залежності продажів від впливових факторів на детальних рівнях, що в певних випадках, за наявності достатньої кількості даних, може давати точніший результат, а в деяких випадках залежності можуть не визначатися.

Для різних позицій — по-різному; це залежить від того, чи достатньо на детальних рівнях історії продажів для побудови прогнозу.

За недостатньої кількості даних прогноз на рівні регіону 0 може бути точнішим.

Ще одна перевага використання прогнозу на рівні регіону 0 полягає в тому, що він дозволяє визначити залежність продажів по всій мережі від впливових факторів (ціна, сезонність тощо) та використовувати їх на більш детальних рівнях.

Це не є обов'язковим.

Функціональність "Аномалії та Виключення" використовується у виняткових випадках, якщо в процесі аналізу прогнозів виявляються аномальні продажі.

Також, якщо в системі клієнта є виділені продажі за бронюванням, рекомендується їх завантажити, щоб рушій враховував їх як аномалії.

У деяких випадках, якщо модуль промо не використовується та є вимоги до рушія щодо прогнозування регулярних і сезонних продажів, ті тижні, для яких встановлено мастер-прогноз типу Промо, автоматично потрапляють до виключень прогнозу.

Перелік таких позицій налаштовується в системі.

Перш ніж використовувати нейронну мережу для прогнозування позиції, необхідно перевірити прогноз, тобто перевірити його візуально.

Це можна зробити за допомогою профілю прогнозу "Brain". Швидше за все, реакція системи не буде миттєвою.

Це робиться для згладжування локальних екстремумів у продажах.

Але через 1–3 тижні система побачить ці зміни та почне враховувати їх у майбутньому прогнозі.

Це можна перевірити на реальних прикладах, що вже відбулися, відкотившись у прогнозі на 1–3 тижні тому.

Це можна зробити у формі "Аналіз", натиснувши посилання "Налаштування" та вибравши останній тиждень продажів, який система може бачити при побудові прогнозу.

Також відразу після першого тижня зростання продажів система почне підвищувати страховий запас, роблячи це поступово та не створюючи підвищеного запасу там, де такий тиждень є лише одним в усій історії.

У такому разі є кілька варіантів: Одяг і взуття, що замовляються за регулярним розкладом, можна замовляти на основі прогнозу системи.

Якщо закупівля одягу та взуття здійснюється для кожного сезону, то організацію цього процесу слід будувати трохи інакше.

Спочатку варто використовувати прогноз для груп моделей (наприклад, чоловіче спортивне взуття), щоб визначити потенційний попит на них.

Далі необхідно експертно вибрати моделі для потенційного попиту та також експертно зробити декомпозицію прогнозу з рівня груп моделей до конкретних моделей, а потім до розмірної сітки, щоб отримати конкретні кількості позицій для замовлення.

Промо-зростання — це додаткове збільшення продажів у промо-період, яке відбувається завдяки комунікаціям, коли більша кількість покупців дізнається про те, що певна позиція має промо-пропозицію на обмежений час.

Є дві причини.

По-перше, якщо просто знизити ціну і нікому про це не розповісти, це не дасть такого ефекту зростання продажів, як тимчасове зниження ціни з підтримкою додаткової комунікації.

По-друге, часто акція проводиться без заміни цінників, коли знижка доступна на касі, а покупець дізнається про неї з додаткових матеріалів: листівки, електронного каталогу, банера тощо.

Зростання продажів завдяки комунікаційному ефекту — найскладніший компонент у прогнозуванні.

По-перше, цей ефект дуже різний для різних позицій.

По-друге, для конкретних позицій часто бракує промо-історії, оскільки в ритейлі відбувається значна ротація асортименту.

Прогнозування промо-зростання в системі можна розділити на кілька основних етапів: Щоб зрозуміти це, слід змоделювати кілька промо-сценаріїв з різним рівнем знижки та різними комунікаціями.

Щоб змоделювати промо, можна або створити нове промо з умовами, які ви хочете змоделювати, або новий варіант існуючого промо.

Слід враховувати, що при створенні нового варіанту в існуючому промо знижка, визначена індивідуально для позицій промо, має пріоритет над знижкою, визначеною на рівні всього промо; тому, якщо в промо визначені різні знижки для кожного товару, для моделювання нового сценарію краще створити окреме промо без його затвердження.

Базовий — базовий прогноз без урахування ефекту комунікацій, але з урахуванням цінової еластичності.

Він показує, скільки ви продали б, якби просто знизили ціну та підтримали базовою комунікацією у вигляді вказівки на цінниках.

Промо — промо-прогноз з урахуванням промо-зростання завдяки всім додатковим комунікаціям у промо, що дозволяють більшій кількості клієнтів дізнатися про вигідну пропозицію.

Спочатку необхідно перевірити порівнянні промо, які підібрала система.

Для цього натисніть кнопку "С" поруч із SKU, щоб побачити порівнянні промо-SKU, продажі по них, а також їхні коефіцієнти зростання.

Прогноз може відрізнятися від продажів порівнянних промо, оскільки умови змінюються: ціна, знижка, сезон, канібалізація.

Щоб детальніше проаналізувати фактори, що впливають на прогноз, потрібно двічі натиснути на SKU в промо, щоб перейти до форми "Аналіз" та детальніше переглянути всі компоненти прогнозу.

"До, %" — коефіцієнт промо-зростання до прогнозу, який не враховує цінову еластичність.

"Після, %" — коефіцієнт промо-зростання до прогнозу з урахуванням цінової еластичності. Як правило, "Після, %" нижчий за "До, %".

Система використовує ці базові коефіцієнти з порівнянних промо, застосовуючи їх для прогнозованих промо на рівні SKU — всі магазини та адаптуючи їх на рівні кожного магазину.

У такому разі коефіцієнт промо-зростання прогнозується нейронною мережею.

Нейронна мережа навчається на всіх промо-позиціях в історії, визначаючи залежність зростання від кожного окремого фактора в промо, а також від їхньої синергії, та для кожної товарної групи окремо, якщо даних достатньо, щоб врахувати індивідуальні характеристики зростання позицій у кожній групі.

У системі є візуалізація результатів навчання нейронної мережі, схожа на томографію.

Її можна переглянути в меню "Більше — Промо — Кореляція нейронної мережі".

Там вертикально відображаються фактори, які NN враховує при прогнозуванні промо-зростання, а також кореляція у відсотках між зміною значень факторів та зміною значень коефіцієнта промо-зростання, спрогнозованого NN, відносно прогнозу з урахуванням або без урахування цінової еластичності.

Промо-продажі — найскладніша область у прогнозуванні, оскільки на них впливає безліч факторів, деякі з яких невідомі системі.

Наприклад, у разі наявності або відсутності реакції конкурентів промо для топ-товарів, що є генераторами трафіку, можуть давати різне зростання (загалом або в різних ринкових умовах).

Тому важливо перевіряти промо-прогнози.

При використанні MySales прогнозування промо зазвичай здійснюється однією особою або окремою групою, яка створює промо в системі, будує автоматичний промо-прогноз MySales та перевіряє його, порівнюючи з порівнянними промо.

А також проводить детальніший аналіз за допомогою форми "Аналіз".

Після такої перевірки промо-прогнозів рекомендується вивантажувати їх до Excel для відправки категорійним менеджерам на перевірку ринкових умов.

Якщо є обґрунтовані заперечення від категорійних менеджерів, рекомендується створити мастер-прогноз у системі.

Моніторинг перших днів промо-продажів дуже важливий для акцій, що діють довше, ніж цикл доставки, щоб під час промо можна було відреагувати на продажі та замовити більше або менше товарів у найближчій поставці.

Однак якщо дивитися на рівень конкретних позицій у конкретних магазинах, можуть бути локальні екстремуми або локальні події, що навряд чи повторяться наступними днями, якщо ми не говоримо про топ-позиції.

Тому в перші дні промо варто аналізувати продажі на більш інтегрованих рівнях (SKU–всі магазини) та коригувати прогноз Мастером, щоб відобразити динаміку промо для замовлень під час його проведення.

Якщо промо триває кілька тижнів і підвищене зростання продажів спостерігається лише в перший тиждень, рекомендується використовувати або функціональність "Додаткове завантаження", або функціональність авто-замовлення для оформлення підвищеного замовлення на перший тиждень промо.

Знижка для таких акцій повинна вказуватися як середній відсоток вигоди для покупця, що надається для конкретної позиції.

Це необхідно для коректної роботи цінової еластичності при прогнозуванні промо.

У такому разі знижку також краще вказувати, аналізуючи історію, але загалом вона повинна бути між 1% та відсотком, розрахованим як грошовий еквівалент бонусів, поділений на ціну товарів, за які вони нараховуються.

Існує показник точності прогнозування промо, що вимірюється як відсоток промо-позицій, що потрапляють у допустимий діапазон помилки.

Цей показник дозволяє знайти найкращий баланс між рівнем доступності в рамках промо та залишками на виході з промо.

Щоб об'єктивно оцінити цей показник, важливо порівнювати не просто прогноз з продажами, а також прогноз, розрахований системою, з прогнозом, підготовленим менеджерами вручну.

Якщо система прогнозує краще для більшості позицій, ніж самі менеджери, то буде ефект або в підвищенні доступності товарів у промо-періоди, або в оптимізації залишків на виході з промо.

Варто зазначити, що впровадження процесу перевірки системних прогнозів дозволяє отримати синергію від використання алгоритмів промо-прогнозування та експертизи менеджерів.

Для якісного прогнозу промо необхідна промо-історія щонайменше за один рік, але в деяких випадках може знадобитися два або більше років.

Що більша промо-історія, то якісніший промо-прогноз можна отримати.

Швидше за все, у такому разі система прогнозуватиме цей тип промо на основі усереднення прогнозу інших типів промо.

Система також враховуватиме характеристики товарів та те, як вони поводяться в промо, адаптуючи промо-зростання на рівні магазину на основі індивідуальної чутливості.

Однак з накопиченням історії промо-система вже почне її враховувати.

Цінова еластичність і промо-зростання — два окремих, але взаємопов'язаних компоненти прогнозу.

Окремих тому, що спочатку цінова еластичність розраховується в базовому прогнозі для тих позицій, де достатньо історії.

Далі до базового прогнозу додається коефіцієнт промо, який адаптується на рівні магазину.

Однак коефіцієнт промо-зростання може бути доданий до прогнозу, в якому немає цінової еластичності, для тих позицій, де недостатньо даних для її розрахунку.

Тому система використовує два окремих коефіцієнти промо-зростання, що додаються до прогнозу з урахуванням цінової еластичності (як правило, цей коефіцієнт нижчий) та без неї (як правило, цей коефіцієнт вищий).

Після розрахунку промо-зростання в штуках рушій ребалансує ці 2 компоненти разом з іншими компонентами прогнозу, щоб вони найкраще описували минулі продажі.