ANALÝZA NÁKUPNÍHO ANALÝZA NÁKUPNÍHO KOŠÍKU JAKO ZÁKLAD KOŠÍKU JAKO ZÁKLAD

PRO OPTIMALIZACI PRO OPTIMALIZACI PROMOCÍPROMOCÍ

INCOMA CONSULT

1) Linie: Hypermarkety (x filiálek, 50 000 položek, z toho 15 000 potravinářský sortiment)

2) Letákové akce: celkové roční náklady 50 mil. Kč, cca 100 položek v akci, pokles průměrné marže o 4%, marketingový efekt a vliv na loajalitu nezměřen

3) Realizovány 4 projekty CM, z toho 3 neúspěšné (nedotažené), za příčinu neúspěchu je považován nedostatek informací

4) Informace o prodejích položek jsou k dispozici pouze na úrovni účetního systému, běží pilotní projekt budování datového skladu na jedné filiálce s úrovní agregace „položka - den“

5) Ve firmě běží série projektů se zaměřením na zvýšení produktivity vybraných činností

STORY

INCOMA CONSULT

Cíle:

1) minimalizovat negativní vliv prodeje položek v akci na průměrnou marži (nesmí dojít k úbytku krycího příspěvku )

2) výrazně snížit vyprodanost položek v akci a zamezit tvorbě nadbytečných zásob

3) nastavit nejvyšší možné ceny položek na letáku při zachování „marketingového“ efektu

4) zvýšit podíl tržeb realizovaných naší cílovou skupinou

• SUB - PROJEKT: EFEKTIVITA LETÁKŮ

PROJEKT: Zvýšení produktivity marketingových aktivit

INCOMA CONSULT

1) letáky plní marketingovou funkci cyklického stimulování poptávky (přitáhnout nakupující do prodejny)

2) nemáme a v dohledné době nebudeme mít silnou diferencovanou pozici, která by tuto funkci nahradila (zákazníkům nedáváme ve srovnání s přímou konkurencí jiný důvod, aby k nám přišli nakupovat)

3) realizace letákových akcí zvyšuje výrazně náklady v distribučním řetězci (dodavatelé + obchod) a snižuje realizované marže

VÝCHODISKA SUB -PROJEKTU:

optimalizace musí přinést snížení celkových nákladů v optimalizace musí přinést snížení celkových nákladů v distribučním řetězci při zachování marketingového efektu a distribučním řetězci při zachování marketingového efektu a

zvýšení realizovaných maržízvýšení realizovaných marží

INCOMA CONSULT

REALIZAČNÍ PODMÍNKY A POSTUP PROJEKTU

výrazně snížit vyprodanost položek v akci a zamezit tvorbě nadbytečných zásob

minimalizovat negativní vliv prodeje položek v akci na průměrnou marži (nesmí dojít k úbytku krycího příspěvku)

zvýšit podíl tržeb realizovaných naší cílovou skupinou

vytvořit spolehlivý prediktivní model

Snížit počet položek v akci v nákupním košíku najít nejefektivnější kombinace položek

identifikovat položky/ kategorie s vysokou a naopak nízkou afinitou k cílové skupině

„čím více, tím lépe“

- data z pokladních systémů agregovaná na úrovni nákupního košíku

- data z pokladních systémů agregovaná na úrovni nákupního košíku s identifikací nakupujícího

Cíl úkol Potřebná data

nastavit optimální ceny položek na letáku při zachování „marketingového“ efektu

stanovení „marketingové“ elasticity letákových položek

Viz předchozí + testování na vzorcích prodejen

INCOMA CONSULT

VSTUPNÍ ANALÝZA

Analýza nákupních košíků ve za jeden měsíc ze všech našich prodejen

náhodný výběr 50 000 košíků

údaje o nákupním košíku: jednotlivé položky, marže na položku, cena položky, sleva v % na akční položku oproti běžné ceně, datum a čas nákupu

ANALÝZA A JEJÍ VÝSLEDKY JSOU FIKTIVNÍ!

úkol: najít „kategorie“, které je možné vyřadit z akcí, aniž by snížily „marketingový“ efekt (krycí příspěvek)

INCOMA CONSULT

SHROMÁŽDĚNÍ DAT Z INFORMAČNÍHO SYSTÉMU

POS Prodej, Ceníkagregace

id NKid

položkypočetbalení

datum čascena

položkymarže položky

akce

A/N

sleva na a.p.

skupinapoložek

INCOMA CONSULT

SEGMENTACE NÁKUPNÍCH KOŠÍKŮ

Kritéria Počet položek v NK Průměrná marže v % na NK

Odvození ukazatelů za NK

Použita metoda automatického shlukování

Nalezeny 4 významné clustery (segmenty), cca 20% NK nejsou jednoznačně zařaditelné

početpoložek

NK

průměrnámarže

NK v % id NK datum čas segment

1

2

3

4

0

id NKid

položkypočetbalení

datum čascena

položkyakce

marže položky

A/N

sleva na a.p.

skupinapoložek

INCOMA CONSULT

DALŠÍ ZJIŠTĚNÍ O SEGMENTECH

% NK v segmentu Podíl segmentu na celkové marži % NK bez SKU v akci % NK jen s SKU v akci

Typický počet SKU v akci v NK Typický počet balení v akci v NK

id NKid

položkypočetbalení

datum čascena

položkyakce

marže položky

A/N

sleva na a.p.

skupinapoložek

id NK datum časpočet

položekNK

průměrnámarže

NK v % segment

NK bez SKU

v akciA/N

početbalení v akci

V NK

NKjen s SKU

v akciA/N

početSKU v akci

V NK

Odvození ukazatelů za NK

% NK% marže(podíl)

početNK

maržesegmentpočet NKbez SKU

v akci

počet NKjen s SKU

v akci

% NKbez SKU

v akci

% NKjen s SKU

v akci

typickýpočet SKUv akci v NK

typickýpočet balenív akci v NK

Odvození ukazatelů za segment

počet NK maržecelkem

INCOMA CONSULT

DALŠÍ ZJIŠTĚNÍ O SEGMENTECH

Skupiny zboží, jejichž SKU v akci jsou často segmentem nakupovány (TOP podle zastoupení v NK segmentu)

id NKid

položkypočetbalení

datum čascena

položkyakce

marže položky

A/N

sleva na a.p.

skupinapoložek

Odvození ukazatelů za skupinu položek

počet NK s SKU v akci ze skupiny položekskupinapoložek

segment

INCOMA CONSULT

Počet položekPočet položek

Průměrná marže v %Průměrná marže v %0 %0 % 40 %40 %

11

100100

STRUKTURA NÁKUPNÍCH KOŠÍKŮ

10/30

29/5 44/38

3/12

Procento košíků

Podíl na celkové marži

INCOMA CONSULT

Počet položekPočet položek

Průměrná marže v %Průměrná marže v %0 %0 % 40 %40 %

11

100100

38/0

0/15 8/0

85/0

Procento košíků bez SKU v akci

Procento košíků jen s SKU v akci

STRUKTURA NÁKUPNÍCH KOŠÍKŮ

INCOMA CONSULT

Počet položekPočet položek

Průměrná marže v %Průměrná marže v %0 %0 % 40 %40 %

11

100100

3/3

12/27 7/15

0/0

Typický počet SKU v akci

v košíku

Typický počet balení v akci

v košíku

STRUKTURA NÁKUPNÍCH KOŠÍKŮ

INCOMA CONSULT

Počet položekPočet položek

Průměrná marže v %Průměrná marže v %0 %0 % 40 %40 %

11

100100

STRUKTURA NÁKUPNÍCH KOŠÍKŮSkupiny zboží,

jejichž SKU v akci jsou často segmentem

nakupovány

Jogurty, ovoce, cukrovinky, prací prášky

Víno, tvrdý alkohol, keksy

Prací prášky, cukr, tvrdý alkohol, víno, minerálky

Mouka, pivo, uzeniny, maso, prací prášky, keksy, CSD

Tyto skupiny zboží budeme v dalším textu

nazývat „kategorie“

INCOMA CONSULT

Počet položekPočet položek

Průměrná marže v %Průměrná marže v %0 %0 % 40 %40 %

11

100100

ŘEŠENÍ

• najít skupiny „kategorií“, jejichž položky v akci jsou často kupovány společně

• z každé skupiny vybrat reprezentanta či reprezentanty, kteří jsou kupováni v menším finančním objemu a často se vyskytují i v košících s nadprůměrnou marží

• do akcí dávat místo celé skupiny jen tyto reprezentanty

PŘÍMÉ EFEKTY:

více klidu při nákupu přiláká nové nadprůměrné košíky

u nových i stávajících košíků prodlouží dobu pobytu v prodejně

Zvýšit průměrnou marži nákupního košíku, přestat být atraktivní pro

nejtvrdší jádro

Zvýšit počet košíků a zachovat jejich marži, zvýšit počet nakupovaných položek

X(řešení je především mimo

rámec „letáků“)

INCOMA CONSULT

ANALÝZA NÁKUPNÍHO KOŠÍKU

Příprava souboru dat

Asociace kategorií

Výběr reprezentantů

Modelování výsledků promocí

INCOMA CONSULT

ASOCIACE KATEGORIÍ (SKUPIN POLOŽEK)

Asociační analýza

Použita metoda data miningu

- analýza asociací

Nalezeno několik významných asociací podle % výskytu v NK (podle segmentů)

% výskytu

20%

35%

16%

22%

28%

id asociace

a1

a2

a3

a4

a5

asociace

A, B, D

C, E

F, G, I, J

A, C, E, J, K

K, L

segment

1

1

1

2

2

id NKid

položkypočetbalení

datum čascena

položkyakce

marže položky

A/N

sleva na a.p.

skupinapoložek

segment

INCOMA CONSULT

VÝBĚR REPREZENTANTŮ

% výskytu

20%

35%

16%

22%

28%

id

a1

a2

a3

a4

a5

asociace

A, B, D

C, E

F, G, I, J

A, C, E, J, K

K, L

segment

1

1

1

2

2

id NKid

položkypočetbalení

datum čascena

položkyakce

marže položky

A/N

sleva na a.p.

skupinapoložek

segment

finanční objem

11 524

56 867

54 800

124 566

% výskytu v NK s nadprůměrnou marží

32%

14%

6%

33%

a3

F

G

I

J

INCOMA CONSULT

pivo, uzeniny, maso, jedlé oleje, mouka, vejce, instantní polévky

cukr, tvrdý alkohol, minerálky, jogurty, ovoce, pochutiny

cukr, tvrdý alkohol, minerálky, jogurty, ovoce, pochutiny

pivo, uzeniny, maso, jedlé oleje, mouka, vejce, instantní polévky

KONKRÉTNĚ:

Počet položekPočet položek

Průměrná marže v %Průměrná marže v %0 %0 % 40 %40 %

11

100100

vysoce asociované skupiny kategorií

v košíku

reprezentanti skupiny nejvíce vyhovující zadaným kritériím

INCOMA CONSULT

VÝSLEDKY • Růst průměrné marže o 6 %• Pokles počtu košíků: 10 %

Počet položekPočet položek

Průměrná marže v %Průměrná marže v %0 %0 % 40 %40 %

11

100100

• Růst průměrné marže o 0 %• Nárůst počtu košíků: 5 %

Tržby: +3 %Tržby: +3 %

Marže:+1,2%Marže:+1,2%

INCOMA CONSULT

PŘÍNOSY OTIMALIZACE POLOŽEK V PROMOCI

Firma Obrat (mil. Kč)

Čistý přírůstek z marže (mil Kč)

Tesco Stores ČR 18 500 222

Globus ČR 14 600 175

Delvita 11 500 138

Carrefour ČR 10 500 126

Ahold 29 600 355

Julius Meinl 7 300 87

Billa 9 000 108

Celkový efekt* (mil. Kč)

229

180

142

130

366

90

111

* započítání nárůstu obratu 3% (neuvažuje přírůstek obratu daný expanzí)

INCOMA CONSULT

Důležité nevyřešené otázky:

Ovlivní snížení počtu položek v letácích obsah nákupních košíků v podprůměrných segmentech ?

Hypotéza: ANO

Ovlivní variování skupin kategorií v jednotlivých letácích obsah nákupních košíků v podprůměrných segmentech?

Hypotéza: ANO

Ovlivňují další faktory nezařazené do analýzy (chování a aktivity konkurence, aktivity dodavatelů, vývoj makroprostředí, lokální vlivy…) obsah nákupních košíků v podprůměrných segmentech?

Hypotéza: ANO

na základě této ad hoc analýzy není možné udělat žádná strategická rozhodnutí

je třeba provádět postupné kroky v omezování rozsahu letáku a průběžně analyzovat změny různého typu

je potřeba vytvořit systém pro periodické „on-line“ analýzy

INCOMA CONSULT

AnalytickýDatový sklad

data datadata

Příprava skórovacích procedur pro hromadné

nasazení

data

Příprava dat

Běh modelu (Skórování)

Datový sklad

Skórovánískóre

Databáze

Rozsáhlé vzorky dat

ModelováníAdastra

ModelováníInterní pracovníci

IT pracovníci

modelmodel

Koncoví uživatelé• Management• Analytici

Akceschopné znalosti

SYSTÉM PRO PERIODICKÉ ON-LINE ANALÝZY

INCOMA CONSULT

SYSTÉM PRO PERIODICKÉ ON-LINE ANALÝZY

Příklad: Prezentace výsledků analýzy nákupního košíku

Vícerozměrnost problému segment asociace kategorie čas akce …….

% výskytu

20%35%16%22%28%

id

a1a2a3a4a5

asociace

A, B, DC, E

F, G, I, JA, C, E, J, K

K, L

segment

11122

finanční objem

11 52456 86754 800124 566

% výskytu v NK s nadprůměrnou marží

32%14%6%33%

a3

FGIJ

Datový sklad

Skórování

skóre

Databáze

Koncoví uživatelé• Management• Analytici

Akceschopné znalosti