[Из песочницы] Модификация ABC-анализа, или как сделать плохо работающее чуть лучше
ABC анализ настолько же древний инструмент маркетологов, насколько и топорный. С точки зрения реального анализа данных он вряд ли будет представлять интерес. Однако, многие экономящие время, а порой и просто не обладающие иными методами изучения ассортиментной матрицы, прибегают к такому простому и на деле неуклюжему «АБЦ» анализу.
Простота использования и понимания — вот что цепляет обывателя. В этой статье я расскажу о том, как модифицировал ABC анализ для тех, кому в рабочем процессе не нужно было постигать тонкости и особенности статистики и анализа данных. Работаю я аналитиком в ресторанном холдинге и специализируюсь на мультиформатных заведениях, поэтому примеры будут соответствующими.
Так организационно сложилось, что шеф повара разных заведений давно использовали ABC как инструмент отбора блюд при формировании меню. При этом абсолютно не уделялось внимания тому, какой период выбирается (от нескольких недель до полугода).
В итоге, некоторые блюда вводившиеся в меню в качестве спецпредложений на короткий срок просто не могли конкурировать с блюдами, продающимися регулярно. Случалось это по той причине, что если выбран период в 3 месяца и салат X продается все 3 месяца, а новый салат Y всего 1, то у салата X намного больше шансов попасть в группу A или B, чем у салата Y.
Идея модификации ABC (назовем его «ABC+») заключается в том, чтобы для каждой позиции рассчитать к какой группе она принадлежит, с учетом только того периода, когда она продавалась. Т.е., если это новый продукт, или его наоборот, вывели из меню не так давно, а также, если были перебои с поставкой ингредиентов, такой анализ выдаст более корректную оценку для продаж данного продукта.
Чтобы показать отличия ABC и его модификации, для примера в пакете Excel создадим 1500 продуктов, продажа которых в месяц составляет от 1 до 20 тыс. руб. При этом каждый продукт появляется с 1-го по 12-й месяц. Т.е. будет задана ситуация, когда различные позиции появляются в меню в разное время и не выводятся из продаж.
Применим к данным ABC и ABC+ анализ с границами A до 50% кумулятивного (накопительного) итога, B до 80% (всё что выше — группа C). Могут быть применены и другие градации. При этом, рассчитывая в ABC+ массив для каждого продукта включая сумму его оборота и сумму оборота для всех других продуктов продававшихся в одни и те же с ним периоды. Из этого массива и рассчитывается, к какой группе принадлежит продукт. Всего создается 1500 массивов (т.е. матрица 1500×1500). Сравним результаты полученные при помощи ABC и ABC+. Сперва рассчитаем, как часто продукты оказываются в одних и тех же группах в разных моделях, в зависимости от выбираемого количества месяцев (с самого последнего).
Как можно увидеть из графика, выбирая один последний месяц, ABC+ полностью дублирует ABC. Но рассматривая более широкие временные интервалы сходство между двумя инструментами постепенно пропадает. Причина различия заключается в том, что ABC с увеличением периодов все больше дифференцирует группу продуктов, продающуюся на регулярной основе с высокими оборотами. В то же время, ABC+, напротив, максимизирует потенциал блюд, вне зависимости числа периодов. Для примера отобразим, как изменяется % продуктов в группе С в разных моделях с изменением взятых периодов.
В данном примере на упрощенной модели было продемонстрировано, как с помощью модификации инструмента ABC можно «сгладить» проблему, возникающую при включении в анализ позиций, продаваемых на протяжении не всего выбранного интервала. Такой инструмент в большей степени подходит для работников, в чьи обязанности напрямую не входит знание статистики, но которые включены в процесс принятия решений о вводе или выводе продуктов из продажи.
Конечно, ABC является инструментом, который может работать с любыми типами метрических данных. Не так важно, идет ли речь о разбивке товаров, клиентов, расходов. Однако, как и обычный ABC, модификация также обладает рядом недостатков, а именно: не работает с сезонностью, чувствителен к малому числу наблюдений, да и не избавляет в полной мере от принципа «богатый становится богаче», т.е. когда продукт настолько любим клиентом, что его популярность обеспечивает ещё большую популярность в дальнейшем. Кроме того, как и ABC, ABC+ лучше использовать на большом числе данных и с большой ассортиментной матрицей, дополнительно рассчитывая XYZ анализ.
В заключении, хочется добавить, что после интеграции ABC+ в меню нескольких кафе снова были добавлены блюда, считавшиеся не перспективными по результатам ABC анализа.
© Megamozg
