Несетевая торговля – «серая зона» для производителей: какие задачи здесь можно решать с помощью Big Data

Полина Величкина, руководитель направления big data Эвотора.

Российские производители по итогам года смогли в разы нарастить долю на рынке с уходом зарубежных компаний и существенным изменением ассортимента почти во всех категориях FMCG. Даже небольшие компании получили огромный импульс. Но смогут ли они эффективно воспользоваться трендом на импортозамещение, удержать своего потребителя ― будет ясно в среднесрочной перспективе. Конкурентное преимущество будет у тех, кто будет строить свои стратегии развития на основе объективных и оперативных данных. 

В рыночной аналитике тон всегда задавали крупные мировые производители, которые по собственному опыту знают, как сильно влияют местные особенности рынков, на которых они работают. 

По данным ESOMAR, некоммерческой организации, которая ежегодно проводит исследования рынка аналитики в мире, есть прямая зависимость бюджетов на исследования и анализ рынков, конкурентов и потребителей и степенью конкурентоспособности компаний во всем мире. Сейчас, по опыту Эвотора, отечественные производители проявляют интерес к аналитике данных, многие начинают закупать исследования в небольших объемах и периодах, а затем, спустя некоторое время- возвращаются и работают с нами на регулярной основе. 

Мы рассмотрим несколько ключевых бизнес-задач для производителей сферы FMCG, в которых можно достичь значимых результатов с использованием цифровых данных продаж. Сделаем акцент на несетевых точках ― традиционной торговле, ведь многие из них до сих пор остаются непрозрачной областью для компании-производителя. 

Поставщики данных

Для понимания трендов рынка и позиций конкурентов, компании обычно используют как собственные данные, так и аналитику сторонних исследовательских компаний. Слабым местом такой аналитики является то, что она изображает общую картину очень широкими мазками: приходится мириться с рядом допущений, которые делают отображение рынка довольно поверхностным.
 
Из аналитики часто выпадают маленькие населённые пункты, куда сложно и нерентабельно добираться аудиторам. Например, в сельской местности живёт порядка 25% населения России – это весьма значимая цифра. Их поведение и потребительские привычки довольно сильно отличаются от жителей больших городов, при этом «дотянуться» до них производителям бывает чрезвычайно сложно (и дорого). 

Применяется экстраполяция, с помощью которой данные тех точек, куда реально «дойти ногами», растягиваются на весь рынок ― словом, сова «натягивается на глобус». Сейчас, затратные методы с привлечением людей для аудита торговых точек постепенно уходят в прошлое. 

При использовании компанией собственных данных часто принимается, что количество отгруженных дистрибьютору товаров равно количеству проданных, т.к. невозможно отследить «уходимость» товара непосредственно из точек продаж. Тем временем, как показывает практика, здесь могут обнаружиться различные сюрпризы: товар залёживается на полке или на складе, или же, наоборот, точки ощущают его нехватку, SKU довольно сильно отличаются по «уходимости» и т.п.
 
В доисторические времена производители собирали данные только «ногами» ―  торговый представитель объезжал точки. Сейчас оперативные данные продаж можно закупать у крупных сетей, операторов фискальных данных и операторов ККТ. Источники данных могут отличаться глубиной детализации. Так, у сетевых ритейлеров есть вся информация о товаре вплоть до баркода SKU: литраж, форм-фактор и т.д., но только по своей сети. Операторы ККТ, такие как Эвотор, также получают информацию вплоть до баркода, в то время как операторы фискальных данных «видят» только наименование товара в чеке. При оплате картой банк из чека видят только MCC ― код категории продавца, но не знает, какой товар или услугу оплатил покупатель. 

ОФД и операторы ККТ видят данные по разным продавцам, среди них могут быть как крупные сетевики, так и традиционная торговля. За счет внутренней аналитики они могут распределять точки продаж по разным сегментам. Например, производитель мороженого может анализировать данные продаж своей продукции и конкурентов в сетевой торговле и в «магазинах у дома», в киосках мороженого и в кафе. Можно также делать географическую разбивку (по регионам, городам, стратам) или задавать различные эконометрические параметры - например, выделить точки с определенным оборотом. 

При этом big data использует обезличенные агрегированные данные, персональные данные не используются.

Мониторинг цен в рознице

Знание ценового уровня своих и ряда конкурентных продуктов – базовая потребность любого бизнеса. И если мониторинг цен в современной рознице уже не представляет сложности в силу их унификации и всеобщей цифровизации больших компаний, то в «традишке» это может стать настоящим вызовом. 

Как проконтролировать, что скидки, которые вы дали дистрибьютору, реально дошли до конечного покупателя? Как отследить, что цены на ваши товары соответствуют МРЦ (сигареты, крепкий алкоголь и др.)? Если продавцы будут делать большую накрутку, то товар может просесть в продажах, а если сделают скидку, то могут быть оштрафованы. В обоих случаях такие действия могут повлиять на долю производителя на рынке.  

Данные позволяют обобщать информацию о ценах: анализировать средние, средневзвешенные цены, сравнивать их с конкурентами, понять, какая цена является самой распространенной в том или ином регионе, видеть экстремумы.

Мониторинг продаж в товарной категории

Ещё одна базовая задача аналитики в FMCG – это отслеживать тренды товарных категорий, в которых работает производитель, сравнивать свои показатели продаж с показателями конкурентов в рамках всей категории, чтобы вовремя отреагировать на изменения. Здесь нужно получить данные, чтобы оценить продажи «с высоты птичьего полёта»: важна детализация по регионам присутствия, каналам продаж. Сюда же можно отнести и динамику нумерической и взвешенной дистрибуции, т.е. ответ на вопросы:

● присутствуем ли мы в тех точках, где продаются наши категории? Если нет, то можем ли «встать на полку» в этих точках и каков их потенциал продаж?

● в тех точках, где мы уже продаёмся, какова наша доля продаж в категориях? А у конкурентов? Совпадают ли эти показатели с нашими целями и какой эффект дадут усилия по их улучшению?

---

Читайте также: Индекс Эвотора: в марте рост цен в несетевой рознице уменьшился

---

Зависимость продаж от цены / Ценовая эластичность

Практически во всех категориях товаров массового спроса объём продаж напрямую зависит от уровня цен. Но эта зависимость не прямая, поэтому важно найти ту точку, где понижение цены уже не даёт значимого повышения спроса. Особенно это актуально сейчас, когда многие давно устоявшиеся рынки претерпели огромные изменения, и компаниям приходится менять позиционирование.

Для построения модели ценовой эластичности необходимы очень детализированные данные до конкретного SKU. Например, у бутылок лимонада/воды объёмом 0,5 и 2 литра может быть абсолютно разная эластичность по цене. Это связано с разными ситуациями потребления: маленькую бутылку покупают, чтобы утолить жажду здесь и сейчас, а большую чаще покупают домой. Более того, данные должны быть за период не меньше года, а лучше двух, чтобы они отражали сезонные изменения спроса. И если компания может собрать такую информацию о своих продажах, то с продажами целого ряда конкурентов уже возникают вопросы. 

Цифровая панель

Производитель может заказывать регулярные отчеты и выгрузки данных под конкретную цель или смотреть интересующие данные в режиме онлайн ― сформировав под свои цели панель или Digital Dashboard.

Цифровая панель данных - это инструмент, который используется для визуализации и мониторинга ключевых показателей производительности (KPI) и других бизнес-метрик. В панели Эвотор по определенной методологии отбираются репрезентативные торговые точки (* требуется согласие ТТ на передачу информации), данные по ним агрегируются, и в режиме онлайн идёт сбор данных по продажам определённых SKU производителя.  

Преимущество такого подхода в том, что производитель получает реальные данные без экстраполяции, при этом они оперативно отражают изменения на рынке: перераспределение долей, рост или сокращение категории, или отдельных товарных позиций.

Несколько рекомендаций производителям в заключение:

1. Первый шаг - постановка целей и задач, для решения которых вы хотите собрать данные. Например, вы хотите понять, насколько цена на ваш товар в рознице конкурентоспособна, или вы планируете выход в новые регионы и хотите понять, как продается эта категория в целом. 

2. Начните работу с малых объемов данных, чтобы изучить инструменты и технологии, а также определить потенциальные проблемы и сложности. Например, выберите конкретный регион и небольшой период ―  от месяца.  Это поможет избежать больших потерь времени и ресурсов на неправильный подход.

3. Сбор данных должен осуществляться регулярно и систематически для более точной аналитики.

4. Анализ прошлых данных позволяет предсказывать будущие события и тренды, что помогает компании оптимизировать бизнес-процессы и увеличить прибыльность. 

5. Big data ― это не консалтинг, она не может учесть всю специфику вашего бизнеса и давать какие-либо советы. У производителя должны быть специалисты по аналитике/отделы по стратегическому маркетингу, которые умеют работать с этими данными.  

Полина Величкина, 
руководитель направления big data Эвотора. 

Для NEW RETAIL