Оптимизация ассортимента для вендинговой компании с помощью Loginom. Кейс Венда Групп

В рамках доклада описано решение по прогнозированию спроса и оптимизации ассортимента для вендингового бизнеса с помощью low-code платформы Loginom.

Вендинговый бизнес — это торговля с помощью аппаратов или микромаркетов самообслуживания.

Задача управления ассортиментом в вендинговом бизнесе имеет ряд особенностей из-за специфики спроса:

1. Потребность в оперативном пополнении товаров.
2. Необходимость в управлении ассортиментом.
3. Наличие ограничений товаров: тип упаковки, срок годности.
4. Наличие ограничений торговых аппаратов: количество полок, ячеек, их габаритные размеры.
5. Потребность в постоянной ротации ассортимента.

Эволюции вендинга направлена в сторону микромаркетов — небольших магазинов самообслуживания, которые позволяют предоставлять покупателям более широкий ассортимент, размещать скоропортящуюся продукцию и готовые блюда. В этом случае вендинговая торговля начинает конкурировать с организациями сферы HoReCa.

С появлением в концепции микромаркетов продуктов категорий «фреш» и «ультра-фреш» чувствительность к ошибкам прогнозирования ассортимента становится значительно выше. Некорректный прогноз для товаров этих групп влечет существенные финансовые потери.

Для решения задачи по оптимизации ассортимента была внедрена аналитическая low-code платформа Loginom. Критерии выбора:

1. Автоматизированный инструмент — позволяет проводить сложные вычисления больших наборов данных, исключая случайные ошибки.
2. Low-code архитектура — обеспечивает низкий порог входа для пользователей без специальных знаний.
3. Визуальный конструктор — дает возможность самостоятельно проектировать логику расчетов из уже готовых компонентов.
4. Простота настройки — позволяет оперативно менять компоненты сценария исходя из быстро меняющихся потребностей бизнеса.

На базе аналитической low-code платформы Loginom планировалось разработать решение не только для управления ассортиментом, но и для прогнозирования спроса.

Потребность в этом была сформирована благодаря нескольким факторам: необходимости быстро реагировать на входящие сигналы, требованию по корректировке поставок с учетом аномалий, необходимости восстановить упущенный спрос.

В итоге были сформулированы бизнес-требования к проекту:

1. Учет нескольких типов точек продаж, разнообразия ассортимента, сезонности и других паттернов спроса.
2. Частая ротация ассортимента и ассортиментных групп.
3. Большое количество точек продаж (1200) и постоянный рост их числа.
4. Прозрачность и понятность вычислений.
5. Автоматизация.

На основе бизнес- были сформулированы функциональные требования к проекту:

1. Использование прогнозов и предобработанных исторических данных.
2. Анализ на уровне ассортиментных групп и позиций.
3. Кластеризация точек продаж по профилю потребления и по их параметрам.
4. Использование в основе решения ABC-анализа.
5. Формирование готовых рекомендаций: ввод и вывод позиций, изменение цен, проведение промо.

Принцип функционирования готового решения в Loginom следующий: для начала работы достаточно установить минимальное количество входных параметров: период исследования (глубина истории, горизонт прогноза) и период для группировки. На первом шаге производится подготовка данных – обогащение восстановленного спроса и прогноза выручкой и маржей, группировка периодов.

На втором этапе для каждого сгруппированного периода и точки продаж выполняется динамическая АВС-классификация по выручке, по марже, по количеству, по количеству в группе, по частотности продаж.

Третий этап работы решения — это проведение двухшаговой кластеризации точек продаж по профилю потребления. Первый шаг — кластеризация транзакций с АВС-классами и входящим в них ассортиментом. Второй шаг — кластеризация методом k-means результатов предыдущего шага.

На четвертом этапе работы решения происходит расчет рейтингов. Рейтинг — это формула, которая анализирует попадание товарных позиций в различные АВС-классы, и на основании приоритетов компании выдает какое-либо конечное значение.

Завершающий этап — формирование рекомендаций. Выполняется ранжирование по рейтингам в пределах торговых точек и кластеров, фильтрация рекомендаций по пороговым значениям.