Как Лента формирует эффективный ассортимент на основе данных
Привет, Habr! Меня зовут Катя, я продакт-менеджер BigData в Lenta Tech, отвечаю за развитие цифровых продуктов блоков «Ассортимент» и «Ценообразование». В этой статье расскажу про путь к управлению ассортиментом на основе данных и наш флагман — приложение Deli — рабочее место, в котором менеджер анализирует матрицу своих категорий и вносит в нее изменения на основе рекомендаций алгоритма.
Культура принятия решений на данных
Принятие управленческих решений на основе данных — тренд не новый, основы этого принципа были сформулированы еще в начале XX века. Терабайты данных, логи пользователей и любой цифровой след ежедневно становятся источником принятия решений для бизнеса. Поэтому игнорировать большие данные неразумно, но и обработать их одним условным менеджером со скоростью, которая диктуется рынком, не получится.
Подразделения BigData выводят компании на новый уровень, обогащая опыт и экспертизу своих сотрудников искусственным интеллектом, машинным обучением и алгоритмами обработки больших данных. Бизнес-процессы ускоряются, их автоматизация минимизирует количество ошибок, связанных с ручной обработкой данных.
В профсообществах все еще есть разногласия в определении методов data informed и data driven, тема не раз поднималась во многих статьях.
С нашей точки зрения, ключевое отличие, по которому компания может считаться data driven, — это максимальная чистота данных, высокий приоритет технологического развития компании, а также наличие бизнес-модели, в которой цифры имеют больший вес в принятии решений, чем интуиция менеджмента.
На этапе низкого или среднего уровня доверия результатам отработки машинных алгоритмов data-informed подход в принятии решений считается оптимальным (в сравнении с data-driven):
он достаточно гибкий, но основан на логике, закономерностях и статистическом анализе;
высвобождает ресурсы команд за счет автоматизированной агрегации данных и их первичного анализа;
практически не имеет слепых зон, оставляя место креативности, контексту, нюансам, опыту, аномалиям и исключениям из правил.
Deli — часть data-informed подхода «Ленты»
Фундамент ритейла — ассортимент товаров на полке в магазине. Если сильно упрощать, то ассортимент должен: закрывать потребности покупателя и приносить прибыль владельцу бизнеса.
Если ассортимент — не узкая ниша, а 99% товаров относятся к FMCG, как в «Ленте», то выполнение условий обязательно для каждой из сотен групп товаров. Это же условие соблюдается для бизнеса с широкой географией. В «Ленте» каждое SKU на полке в отдельной секции каждого магазина в каждом городе должно быть доходным, оборачиваемым, востребованным покупателем и желательно — дешевле, чем у конкурента.
Еще в 2019 году наша команда запустила первые пилоты по локализации ассортимента: пробовали наполнять полку, учитывая потребности покупателей конкретного магазина. Для управления матрицей товаров с такой гранулярностью требовалась прозрачная методология определения товаров-аутсайдеров и топовых позиций, агрегация огромного объема информации и, конечно, единое окно принятия решений.
Мы разработали логику рейтинга товаров Top-Flop и использовали ее в алгоритме рекомендаций для каждого магазина. Этот алгоритм вырос до первого MVP приложения и на А/В тестировании показал, что использование нового подхода дает существенный прирост товарооборота в пилотных магазинах.
Как только мы убедились в полезности и окупаемости решения, мы начали разработку Deli (de — delisting/вывод, li — listing/ввод) — аналитического инструмента и рекомендательной системы управления ассортиментом.
Это стало большим шагом к внедрению в «Ленте» data-informed подхода и движению к data-driven: предобработка и анализ больших данных, поиск решений и оценка их влияния на бизнес теперь не замыкаются на конкретном менеджере, а скорость принятия решений — увеличивается.
Главные пользователи Deli
Deli предназначен для сотрудников, ответственных за формирование ассортимента «Ленты»:
федеральных менеджеров категорий,
менеджеров категорий в дивизионах,
директоров по управлению категориями и коммерческих директоров,
аналитиков.
У нас более 120 сотрудников активно используют Deli ежемесячно, и мы ожидаем, что с развитием продукта это число будет только расти. Инструмент стал неотъемлемой частью многоступенчатого бизнес-процесса управления ассортиментом, что помогло нам существенно его оптимизировать
Многозадачный Deli: уровень его возможности
Deli собирает и обрабатывает данные из различных источников и дает рекомендации по изменению ассортиментной матрицы. На вход Deli поступает огромное количество информации:
матрица с данными по категориям продаж на различных уровнях географии (федерация, дивизион, город);
более 30 ключевых показателей за 12 месяцев из более чем 10 витрин данных (их мы обновляем ежедневно);
20 атрибутов для каждого товара;
аналитический прогноз продаж;
мерчструктура и матрешка;
рыночные данные Nielsen;
мониторинг цен и ассортимента конкурентов;
методология TOP-FLOP ранжирования товаров;
эффект от изменений.
В распоряжении пользователя основные KPI товаров и их динамика, ценовое позиционирование «Лента» vs Конкуренты с анализом GAP, рекомендации алгоритма по вводу/выводу/ротации товара, текущая и будущая структура ассортимента.
На основе этих данных пользователь оценивает выполнение целевых показателей и принимает обоснованное решение об оптимизации матрицы. Пользователь может использовать подсказки алгоритмов Deli или вносить изменения вручную на основе собственной экспертизы, а также оценивает будущий экономический эффект своих действий.
С начала 2024 года создано больше 10 000 сессий для анализа эффективности разных категорий товаров. Мы постепенно увеличиваем конверсию пользователей в инструмент за счет нового функционала, расширения покрытия ассортимента товаров, добавления новых показателей и атрибутов.
Кейс #1: даем прочное основание вывода неэффективных SKU
Причины вывода товара из ассортимента или его замены могут быть разными: от снятия товара с производства и несоблюдения требований по качеству до низкого рейтинга и превышения квот. За 8 месяцев 2024 года из ассортимента «Ленты» выведено или ротировано почти 7000 SKU — колоссальное количество, которое демонстрирует гибкость и скорость в изменении полки магазина.
30% этих товаров (более 2000) выведено на основании данных и рекомендаций Deli:
— низкий рейтинг FLOP — мы отказываемся от малоэффективных или убыточных SKU, напрямую влияя на величину оборота компании;
— переквот (т.е. превышение планового количества товара) — мы соблюдаем вместимость полки, поэтому у каждого товара есть место и возможность завоевать сердце покупателя и, может быть, стать локомотивом всей категории;
— низкий уровень перформанса — мы следим, достаточно ли быстро новинки набирают обороты и как зрелый ассортимент их сбавляет, реагируем раньше, чем это может повлиять на общие показатели категории.
Кейс #2: оперативно реагируем на KPI товаров в каждом городе
В дивизионе Волга с начала 2024 года внедрен регулярный анализ ассортимента колбасных изделий на базе Deli. Менеджер еженедельно создает более 100 сессий и анализирует матрицу товаров отдельно в каждом из 20 городов дивизиона, имея в распоряжении:
рассчитанный рейтинг для ~1200 SKU,
проверку правил наполнения матрицы и соблюдения квот,
рекомендации по изменениям и эффекты от них,
Цены конкурентов,
Перформанс топовых товаров рынка.
Менеджеры категории отмечают, что главное удобство — не нужно самостоятельно и через кучу отчетов ВПР-ить аналитику, подтягивать что выведено, а что находится в активной матрице.
Очень просто по итогам месяца смотреть, что «выстреливает» по продажам или, наоборот, списаниям. Flop-SKU видно сразу и можно их вывести из матрицы. Много полезных цифр в одном месте: и рынок, и цены конкурентов — можно оперативно среагировать.
Как планируем развивать инструмент
Мы продолжаем развивать продукт и обогащать его новыми фичами. Постепенно трансформируем Deli в Центр управления ассортиментом и планируем внедрять:
формирование артефактов и документов, обмена ими (например, карта ввода-вывода);
согласование решений по изменению ассортимента внутри приложения;
интеграцию с внутренними системами учета и другими продуктами «Ленты»;
отдельные модули для регулярных ревью категорий (с переносом функциональности из существующих дашбордов);
улучшенные алгоритмы и дополнительную логику для управления категориями, которые требуют особого подхода или правил.
Вместе с пользователями Deli мы уже прошли внушительную часть пути к data-driven: от идеи и тестирования до высокого уровня доверия к алгоритмам рекомендаций и внедрения инструмента в бизнес-процесс.
С Deli и мы, как команда, и «Лента» продолжим увеличивать скорость принятия решений в управлении ассортиментом, усиливать точность, будем опираться на данные и стройную логику алгоритмов, повышать эффективность бизнеса и его доходность.
Коллеги, поделитесь в комментариях вашим опытом автоматизации принятия решений на данных. Считаете свою компанию data-driven?
