Дерево прийняття рішень або як знаходити сегменти, здатні розширюватись у 2 рази
Дерево прийняття рішень або як знаходити сегменти, здатні розширюватись у 2 рази
Як розвивати категорію, які товари у ній пріоритетні, а які мають залишити поличний простір?
Будь-які зміни в асортименті та викладці повинні бути вивірені, засновані на математичних обчисленнях та моделях. Сьогодні розглянемо дерево прийняття рішень (ДПР), як ефективний інструмент у категорійному менеджменті. Хочете знати, як правильно використовувати дерево рішень та побачити приклади кейсів упровадження ДПР на практиці? Все найцікавіше в одній статті. Поїхали!
Вивчення та побудова ДПР дає розуміння, які сегменти категорії слід розвивати, і за яким принципом клієнт робить вибір.
Дерево рішень у категорійному менеджменті
Насправді вибір товару – це складний процес, який відбувається вже біля полиці магазину. Ми розглядаємо дерево прийняття рішень покупцем, як потужний інструмент аналітики, що дозволяє отримати несподівані інсайти для розробки стратегії як окремо в категорійному менеджменті, так і для всієї торговельної мережі.
Завдання вивчення дерева прийняття рішень у категорійному менеджменті – розвинути вузькі сегменти товарів, за якими приходить наш специфічний покупець. Як це працює? Є покупці, які заходять до магазину за товарами певної категорії та цінового діапазону. Доцільно такі SKU при викладці розмістити поряд, щоб покупець не шукав та зміг з комфортом зробити свій вибір. Таке об'єднання SKU часто позитивно впливає на розвиток категорії.
По суті формуються кошики переключення попиту, тобто продукти, між якими відбувається вибір. Саме тому аналіз дерева рішень важливий при складанні планограм та оптимізації викладки. Які вигоди дають математичні алгоритми та методи роботи з деревом рішень, читайте далі.
7 причин використовувати дерево прийняття рішень у ритейлі
До магазинів різних ритейлерів ходять свої відвідувачі, тому кожна роздрібна мережа має своє дерево прийняття рішень. Аналіз великих даних допомагає ритейлеру зрозуміти та оцифрувати дерево прийняття рішень про покупку. У своїй практиці спеціалісти Consulting for Retail (C4R) часто використовують ДПР. Причому для побудови дерева рішень експерти використовують не опитування та спостереження, а процес вивчення історії покупок через карти лояльності, а також аналіз, між якими товарами всередині категорії покупець робить вибір і чому.
Фахівці команди C4R максимально формують ДПР під покупця певної мережі. Це дозволяє ритейлеру створити таргетовану пропозицію для свого цільового покупця і задовольнити попит.
Хочете дізнатися, як аналітичні інструменти Num8erz працюють на прикладах кейсів великих ритейлерів та виробників? Подивіться презентацію, як Num8erz.InsightsPanel допомагає проаналізувати переключення попиту з відоимого бренду соків та вихід новинки напоїв на ринок. Тисніть, щоб скачати презентацію! При появі питань, пишіть на [email protected] чи заповнюйте форму замовлення консультації.
7 основних переваг від аналізу та застосування ДПР:
- Спростити вибір покупця – групувати товари так, як їх шукає відвідувач.
- Підвищити попит і зрозуміти, який із підсегментів варто розвивати завдяки визначенню кошиків переключення попиту з трендовим зростанням.
- Цільові маркетингові пропозиції клієнтам: дає відповідь, як підібрати асортимент під ці акції.
- Дає розуміння, які товари між собою конкурують та як посилити позиції тієї чи іншої продукції відносно конкурентів – важлива інформація як для ритейлера, так і для постачальника.
- Допомагає зробити аналіз переключення попиту, що своєю чергою пояснює процеси канібалізації.
- Дозволяє визначити межі попиту, насиченість категорії та кошиків переключення попиту. І ось чому це важливо. Наприклад, сама категорія вин може бути великою, а в чеках видно, що вибір покупця зводиться до трьох-п'яти стійких найменувань. Посилюючи ці кошики переключення попиту, можемо отримати гарний показник зростання продажів. Хоча при поверхневій оцінці могла виникнути думка, що всю категорію вин слід скорочувати.
- Допомагає зрозуміти одиниці потреби покупців: буває так, що сегмент категорії продається погано, але вилучивши його з асортименту, є ризик втратити покупців, які закривали свою потребу купівлею цих товарів.
Команда C4R використовує спеціалізований сервіс для глибокого аналізу історії покупок за картами лояльності в торговельній мережі. Досвід команди в аудиті та консалтингу бізнес-процесів роздробу, а також у реалізації IT-проєктів дозволяє отримати максимальну вигоду з інструменту. Для розуміння розглянемо процес роботи із ДПР.
Як з аналізу ДПР отримують цінні інсайти?
Покупці повертаються до магазину і здійснюють покупки за картами лояльності, щоразу обираючи ті чи інші товари. Переглядаючи історію покупок, наше завдання – знайти якісь закономірності. У методі роботи з деревом прийняття рішень можна виділити три основні етапи.
- Знайти схожість/закономірність. Відстежуємо, за яким товаром покупець приходить до магазину, який продукт він обирає. Аналіз дозволяє визначити, у яких покупців у кошиках зустрічаються одні й ті самі групи товарів. Вся інформація є у чеках, головне – з нею працювати. Наше завдання – визначити групи товарів, між якими покупець робить вибір.
- Інтерпретація даних. На цьому етапі важливо правильно пояснити, чому між цими товарами відбувається вибір. Це може бути просто група товарів, які мають гарну етикетку, або товари з одного цінового сегмента. Або це вина певного сорту, марки, або їх поєднує те, що вони входять до топпереліку «винного» додатка в смартфоні.
- Підтвердження припущень. На цьому етапі важлива співпраця з категорійними менеджерами, оскільки вони найкраще знають підгрупи товарів та допомагають пояснити їхню подібність.
На підставі даних, отриманих під час аналізу, будується ієрархічна кластеризація. Які результати аналіз дерева рішень дає на практиці? Про це у наступному пункті!
Бажаєте розрахувати дерево прийняття рішень (ДПР) або дізнатися про послуги аудиту та консалтингу для ритейлу? Наші консультанти із задоволенням вам допоможуть. Заповнюйте форму і ми вам передзвонимо.
Практичний кейс – яскравий приклад, як працює аналіз дерева прийняття рішень
Дерево прийняття рішень широко застосовується в ритейлі, тому успішних кейсів чимало. І ось пара з них!
Кейс №1: Як знаходити сегменти, здатні розширюватись у 2 рази
У магазинах великої торговельної мережі, що розташовані в центрі міста, було визначено закономірність у продажу кави. Група «кава» не була схожа між собою, її об’єднувало тільки те, що кава мала італійську назву. Розглядаючи детальніше категорію, визначили, що вона має неабиякий потенціал для розширення. Виявилося, що в мікрорайоні було багато офісних будівель і офіс-менеджери купували каву з назвою, яка асоціювалася у них із країною походження смачного якісного напою. Шляхом додавання напоїв з італійською назвою розширили категорію «кава». Такий підхід подвоїв продаж у цьому кошику переключення попиту.
Кейс №2: Як ми збільшили зростання категорії «пиво» до 27%
Кейс команди C4R у великій роздрібній мережі Середньої Азії. В окремих магазинах, розташованих у дорогих районах проживання, ми знайшли стійку прихильність групи відвідувачів до імпортного пива. Розвиток вузьких сегментів в імпортному пиві призвів до зростання категорії на 27%.
Коли відвідувач приходить до магазину, торговельна мережа повинна запропонувати те, що йому потрібно, і не витрачати свої ресурси на зберігання, замовлення та обслуговування незатребуваних товарів. Які категорії мають перспективи? Визначити це допомагає аналіз дерева рішень від спеціалістів C4R.
Бажаєте більше дізнатися про послуги аудиту та консалтингу для роздрібної торгівлі, а також про системи для автоматизації процесів категорійного менеджменту, ціноутворення, про рішення для автозамовлення та про впровадження ERP у торгівлі? Пишіть на [email protected] або заповнюйте форму зворотного зв'язку. Наші експерти зв'яжуться з вами.
Автор статті Андрій Шевчук,
Керівник напряму бізнес-консалтингу C4R
