Представьте себе, что вы производите сок. Этот самый сок вы развозите по крупным розничным сетям и ставите на полку рядом с ещё десятком похожих. Вы хотите продавать его больше, и решаете для этого сделать акцию. Например:

1. Снизить цену на 25%. Понятно, что прибыль с единицы сока упадёт, но получится ли продать его настолько больше, что в целом прибыль вырастет?
2. Или, может, сделать «купи три – четвёртый бесплатно»? Технически, почти то же самое, но в деньгах может оказаться совсем иначе.
3. Или, может, лучше заплатить те же деньги сети, чтобы они поставили его прямо по центру полки?
4. Хотя нет, давайте наймём промо-девочек в миниюбках, да?

Как принять решение?

Теперь ещё пример. У вас в магазине есть тонна йогуртов, у которых срок хранения истекает через месяц. Когда и какие акции надо делать? Когда снижать цену, когда включать бонус продавцам, когда просто сливать их по себестоимости?

Существуют экспертные системы принятия таких решений. Про них я и расскажу.

В общем случае задача сводится к трём подзадачам:

1. Определить все возможные каналы и способы проведения акции.
2. Собрать данные об эффективности каждого или наложить профиль похожих акций от аналогичных товаров.
3. Посчитать такой комплекс мер, который даст наибольшую прибыль (или решит другую задачу вроде оптимальной продажи товара до завершения срока годности).

Самый частый пример, конечно же – это оценка эффективности маркетинговой акции до её начала. Вам точно нужно знать, сколько денег и как вы заработаете, сколько товара уйдёт и так далее. Это можно считать руками, а можно – с помощью экспертных систем решения именно таких задач.

У нас в России своя особая атмосфера. Поэтому довольно часто такое решение нужно как поставщикам товара (они проводят акции в магазинах), так и самим ритейлерам. Оценить прямой экономический эффект от действий маркетинга на практике очень сложно, а в условиях ограниченности бюджета, распылять деньги просто так никому не хочется тем более. Но есть инструмент, который позволяет оценить эффект от любой маркетинговой акции, спрогнозировать этот эффект (на основании нескольких факторов), сказать — стоит проводить ее или нет и так далее. И в результате мы как минимум, повышаем эффект от наших акций, как максимум – сильно экономим на отсечении убыточных.

Как это выглядит? Сначала в систему грузятся данные о продажах и параметрах акции. Нужно определить, какие маркетинговые кампании были проведены, какой был лифт-эффект по продажам во время акций. Дальше пройдёт достаточно простой анализ данных, и система выдаст список параметров для новых акций. С рекомендациями.

Зачем это нужно делать автоматом? Потому что в реальности никогда нельзя посчитать только один канал. Например, у вас могла быть реклама на двух ТВ-каналах, на трёх радиостанциях, висели плакаты на точках, плюс около метро раздавались флаеры, а когда-то вы еще давали скидку 10% на товар. Понять какой из этих каналов использовать в следующий раз без какого-либо инструмента практически нереально, а надо принимать решения о следующих и следующих акциях.

Теперь вы продаёте шоколадку

Есть история базовых продаж в конкретном регионе. До этого вы там ставили промо-стенды (специальные яркие полки) в торговых залах, за что заплатили ритейлеру, но в разных местах магазинов, например, на входе, рядом с остальными шоколадками или возле касс. Вы выгружаете данные, например, в Oracle Demantra и просчитываете, как в том или ином случае пойдут продажи. И видите, что остались в плюсе только в отдельных случаях, например, в гипермаркетах когда стенды стояли рядом с остальными шоколадками, а в небольших супермаркетах – около касс.

Теперь вы хотите поставить такой промо-стенд еще в нескольких магазинах в этом регионе, но не знаете конкретно, где это сработает, а где нет. Опять заглядываете в Demantra и, исходя из результатов анализа там, принимаете решение.

Теперь вы торгуете колбасой

В одной сети вы в некоторых магазинах попробовали промо-стенды, в других приоритетное размещение, в третьих запускали сэмплинг — дегустационные стенды в торговых залах, в четвертых сделали скидку, в пятых установили бонус персоналу, а в двух последних магазинах попробовали загружать колбасу в новой яркой упаковке. При этом все делалось в одном регионе, скажем, в Волгоградской области.

А теперь вы ставитесь в новую сеть в этом же самом регионе, и вам бы было здорово узнать, как максимально эффективно распределить бюджет. Какие каналы лучше всего использовать, сколько тратить на каждый из них, как долго каждый будет эффективен? Система может использовать накопленную статистику проведения разных акций и предложить лучшие варианты мероприятий для нового (схожего по формату магазинов, типу клентов и пр.) ритейлера.

Другие факторы

Понятно, что у вас есть при этом параллельные для прогноза продаж факторы – сезонность, активность конкурентов, наличие товара на точках и так далее. Система управления маркетинговыми кампаниями позволяет вычленить все эти факторы и посчитать недостижимое – эффект именно маркетинговых акций.

Подробнее про отдельные модули уже было раз, два и три топика.

Как происходит распределение бюджета в реальности?

Я не раз сталкивался с тем, что те, кто понимает как считать – так или иначе пытаются считать сами (хоть на бумаге, хоть в XLS). И с определённого объёма начинают понимать необходимость наличия экспертной системы. Но есть и другие производители, где либо маркетинг не столь силен, либо задействованных каналов продвижения очень много. Часто в таких в сложных ситуациях давят на уже проверенный канал (обычно один, и по-максимуму), а дальше начинают шаманить. По факту – тратят деньги впустую. Очень важно понимать, что если у маркетологов нет четкой обратной связи, в виде прибыльности именно маркетинговых акций, то им крайне сложно выстроить оптимальные каналы продвижения с точки зрения ROI. А ведь сейчас каналов продвижения все больше и на все может попросту не хватить бюджета. В результате половина бюджета маркетинга уходит в никуда, и самое неприятное, что ты не знаешь какая. Системы, о которых я тут говорю, помогают очень точно понимать, какое действие ведет к прибыли, а какое – нет.

Что делать, когда данных нет?

Был пример с одной компанией, производящей известную одежду и обувь. Истории промо-акций не было. Когда мы пришли, первое время тратилось на то, чтобы поднять переписку в почте на тему планируемых акций, сопоставить с реальным данными истории продаж и наличия товара, найти старые рекламные материалы, понять какие и когда давали скидки, куда давали рекламу и так далее. После этого мы формализовали параметры каждой акции, убрали выбросы и начали превращать хаос неструктурированных данных в систему. В итоге, когда мы дособрали всё, получилось, что в календаре акций половину можно было просто не проводить, а иногда даже получалось, что скидкой компания играла себе в минус без ощутимого лифта. То есть товар продавался бы одинаково, что со скидкой, что без.

Руководство, видя нашу работу, начало не просто оценивать эффективность каждой акции, а ставить подразделениям задачу, например, повысить продажи за период на 50% — и мы считали сборку из методов, позволяющих так сделать, благо при комбинации акций возможности были.

Когда имеет смысл переходить на такую систему?

Когда вы точно знаете, зачем это надо. Например, поняли, что по прошлому году 50-80% маркетинговых акций прошло с неудовлетворительным ROI. Или если вы хотите точно и конкретно обосновывать маркетинговый бюджет не по личным ощущениям, а по расчётам на основе анализа и экстраполяции истории.

Если вы считаете в табличке руками и всё работает – не трогайте. Но когда факторов для учёта будет слишком много, объёмы будут всероссийского масштаба и потребуется убрать влияние человеческого фактора – переходите на системы прогнозирования спроса и расчёта эффективности маркетинговых акций. Один из самых сложных моментов – это гладкость перехода. Там куча подводных камней, и все разные. Поэтому если есть вопросы конкретно по вам, задавайте в комментариях или пишите мне на AlIsaev@croc.ru, постараюсь помочь.

Автор: AIsaev

Источник