Вопросы/ответы

Как понять, почему система столько спрогнозировала?

Для этого нужно перейти в форму Анализ и запустить расчет прогноза по интересующей позиции. Главная и самая эффективная проверка прогноза - визуальная. Рекомендуется визуально оценить динамику продаж этого и прошлого года, сопоставив ее с прогнозом, чтобы определить использование сезонности в прогнозе. На график можно добавить также цену, чтобы оценить влияние цены на прогноз и на продажи. Также можно использовать визуальный анализ других факторов.

Почему неделю назад прогноз отличался?

Потому что система пересчитывает прогнозы каждую неделю, чтобы учесть самые последние данные о продажах

Как понять сейчас, какой прогноз был неделю назад?

Нужно в форме Анализ, в зоне выбора параметров запроса, нажать кнопку настройки, после чего в поле неделя выбрать необходимую последнюю неделю продаж, которую система будет видеть при построении прогноза.

Как система прогнозирует новые позиции?

Есть два метода: с аналогом, либо на основании продаж средней позиции в группе. Если с аналогом, то используется история продаж одного или нескольких аналогов, умноженная на коэффициент. Если на основании продаж средней позиции в группе, то продажи группы делятся на количество позиций в ней, после чего корректируются на ценовую эластичность группы с ценой конкретной новинки.

Если позиция продавалась в части магазинов, и ее дистрибуция расширяется, как система будет ее прогнозировать?

Прогноз при расширении дистрибуции строится на основании продаж на уровне группа-магазин, продаж на уровне группе-регион и продаж на уровне SKU регион. Если упростить, берется пропорция: [прогноз SKU-магазин] = [прогноз SKU-регион] * [продажи группа-магазин] / [продажи группа-регион]

Сколько недель требуется использовать данные о продажах аналога для новой позиции? Сколько нужно недель системе, чтобы она могла строить прогноз, основываясь на данных о продажах уже по новой позиции?

Рекомендуется использовать данные о продажах аналога от 6-ти до 13-ти недель, в зависимости от настроек системы. Однако, это не значит, что все 6-13 недель система не будет видеть данные о фактических продажах новой позиции. Как только появятся первые данные о продажах новинки, система уже будет их использовать в прогнозе, а данные о продажах аналога будет использовать только для тех периодов, где не было продаж новинки. Система может строить прогноз по новинке без аналога даже когда есть всего несколько недель продаж, однако, для более точного определения зависимостей продаж от различных факторов (сезонность, цена, промо), рекомендуется позволять системе использовать данные о продажах аналога более длительный период времени

Как система строит прогноз по новым магазинам?

Прогноз по новым магазинам строится только на основании одного или нескольких аналогов. Как и с новыми позициями, для новых магазинов рекомендуется позволять системе использовать данные о продажах магазинов-аналогов также за 9-13 недель, чтобы система могла более точно определить зависимости продаж от различных факторов. Однако, уже после появления первых недель продаж система будет видеть данные о продажах нового магазина и использовать их в прогнозе. Данные о продажах магазинов-аналогов система будет использовать только для тех периодов, где нет продаж/остатков нового магазина.

Что будет если не завести аналог по новому магазину?

На первую неделю продаж система не построит прогноз вообще, однако уже после первой недели продаж система будет строить прогноз без учета зависимостей, базируясь на продажах первых недель. С накоплением истории по новому магазину, прогноз будет становится более точным. Однако, рекомендуется все-же проставлять аналоги по новым магазинам.

Какая формула расчета значения прогноза? Как проверить значение прогноза?

Суммарный прогноз на неделю равен сумме всех его компонент. Компоненты прогноза можно посмотреть в форме Анализ, выбрав их в меню "Компоненты - В штуках". Пример: прогноз построен на базе фактической цены, сезонности и базового уровня. Выбираем из меню "Компоненты - В штуках" предикторы "Ф. Цена", "Сезонность", "База", суммируем, их сумма за каждую неделю будет равна значению прогноза. Пример: значение "Ф. Цена" = 20, "Сезонность" = 25, "База" = 100. Значение прогноза будет равно 145.

Как понять почему прогноз не равен продажам?

Ситуация, когда прогноз равен продажам - практически не встречается. Однако, если различия прогноза и продаж не существенны и покрываются небольшим страховым запасом, рассчитанным системой, то такая ситуация - нормальная. Если же различия существенны, то необходимо постараться определить какой фактор не учтен в прогнозе. Алгоритм действий следующий:

• Смотрите прогноз на уровне SKU-регион для региона 0 (вся сеть), либо на уровне конкретного региона, либо на уровне магазина

• В окне "Модели" определяете факторы, имеющие наибольшие коэффициенты корреляции

• Проверяете, учтены ли эти факторы в прогнозе

• Если все существенные факторы учтены, необходимо проанализировать и выяснить, о каком факторе система не знает

• Если не все существенные факторы учтены, то необходимо на графике добавить эти факторы, и оценить визуально, полностью ли учтено их влияние

• Если самостоятельно понять не удается, все ли существенные факторы учтены или нет, обращайтесь за аналитической поддержкой MySales

Почему, если различия прогноза и продаж несущественны, то ситуация - в норме? Мы ведь будем терять продажи, если прогноз ниже.

Последнее утверждение не верно, так как потери продаж будут только в том случае, если продажи превысят прогноз и страховой запас суммарно. Если же продажи превысят прогноз, но останутся в пределах страхового запаса, никаких потерь продаж не будет.

Как рассчитывается страховой запас? Сколько процентов он составляет?

Страховой запас рассчитывается для каждой позиции в каждом магазине индивидуально. Упрощенно, страховой запас - это среднеквадратичное отклонение прошлых продаж от прогноза. Однако, на практике, система всегда пытается сделать его более точным, рассчитывая на разных диапазонах прогноза. Для этого прогноз делится на 3 диапазона:

• Высокий диапазон, куда попадают промо-периоды и периоды высоких сезонных продаж

• Низкий диапазон, куда попадают периоды сезонного спада либо периоды без промо, если позиция имеет слабо выраженную сезонность

• Средний диапазон, куда попадают остальные периоды

Далее, среднеквадратичное отклонение считается отдельно на каждом из этих периодов. Таким образом, страховой запас, например, по мороженному или по квасу зимой и летом будут разными. Страховой запас на промо периоды и на не промо периоды также будет отличаться.

Процент страхового запаса по отношению к прогнозу также будет разным по разным позициям, но общее правило следующее:

• Чем выше скорость продаж позиции, а соответственно и выше массовость спроса на нее, тем более точный прогноз, соответственно, тем ниже в процентах страховой запас

• Чем медленнее продается позиция, тем больше ее страховой запас в процентах, но в тоже время меньше в штуках. Чтобы понять это, представьте простой случай, когда прогноз равен средним продажам. Если в среднем, позиция продается 0.5 штук в неделю (раз в 2 недели), то ее страховой запас будет равен чуть менее, чем 0.5 в штуках, но в тоже время, он будет составлять почти 100% от прогноза.

Страховой запас может не покрывать все 100% пиков продаж? Что в этом случае делать?

Такое может быть. Однако, это может представлять проблемы только по топовым, наиболее хорошо продающимся позициям. Для таких позиций мы рекомендуем увеличивать страховой запас с помощью коэффициентов СЗ. В этом случае, страховой запас будет умножаться на этот коэффициент. Для не топовых позиций, рекомендуется оставлять коэффициент СЗ по-умолчанию. Обычно он равен единице, однако это - системная настройка.

Что если страховой запас слишком велик и может потенциально привести к списаниям скоропортящегося товара?

Поскольку продажи конкретных позиций часто бывают волатильными, и чем ниже скорость продаж, тем, как правило, выше волатильность спроса, то здесь важно найти правильный баланс между доступностью товара для покрытия экстремумов и уровнем его списаний. Общая рекомендация - снижать для таких позиций коэффициент СЗ и ставить его меньше единицы. А для топовых позиций, где срок поставки несущественно превышает срок реализации товара, ставить этот коэффициент близким к нулю.

Нужно ли регулярно пересматривать эти коэффициенты?

Этого как раз делать не нужно. Настраивая коэффициенты, вы накапливаете опыт, и не стоит их постоянно менять. Подробнее, о применении коэффициентов СЗ смотрите в разделе "Регулировка страхового запаса".

В каких случаях нужно вводить мастер-прогноз и как он работает?

Если Промо-модуль не используется, то для промо-периодов рекомендуется вводить мастер-прогноз. Также мастер-прогноз можно использовать, чтобы корректировать прогноз по новинкам, если вы не проставили аналог. Мастер-прогноз вводится на общем уровне (SKU-вся сеть) и распределяется пропорционально прогнозу системы на уровне конкретных магазинов, поднимая или понижая суммарный прогноз всех магазинов до уровня мастер-прогноза.

Что такое регион 0?

Регион 0 представляет агрегированные данные продаж всех магазинов сети. По региону 0 строится отдельный прогноз, который может отличаться от суммы прогнозов по всем магазинам. Уровень "регион 0" используется как самый верхний уровень географической иерархии при построении прогнозов более низких уровней.

Чем отличаются в форме "Прогнозы - Просмотр" уровень "Сумма магазинов - SKU" от "Вся сеть - SKU"?

Уровень "Сумма магазинов - SKU" - это прогноз, построенный на уровне каждого магазина и просуммированный. Уровень "Вся сеть - SKU" - это прогноз, построенный на уровне региона 0, который представляет агрегированные данные всей сети.

Почему прогнозы, построенные по каждому магазину и просуммированные, отличаются от прогноза на уровне региона 0?

Разница в том, что при построении прогноза на уровне магазина, система анализирует зависимости продаж от воздействующих факторов на детальных уровнях, что в определенных случаях, когда данных достаточно, может давать более точный результат, а в некоторых случаях зависимости могут не определяться.

Какой прогноз более точный, на уровне региона 0 или суммарный прогноз по всем магазинам?

Для разных позиций - по разному, зависит от того, насколько достаточно истории продаж на детальных уровнях, чтобы построить прогноз. При недостаточной истории, прогноз на уровне региона 0 может быть более точным. Еще одно преимущество использования прогноза на уровне региона 0 в том, что он позволяет определить общесетевые зависимости продаж от воздействующих факторов (цена, сезонность и др.) и использовать их на более детальных уровнях.

Какой прогноз более точный, на уровне региона 0 или суммарный прогноз по всем магазинам?

Для разных позиций - по разному, зависит от того, насколько достаточна истории продаж на детальных уровнях, чтобы построить прогноз. При недостаточной истории, прогноз на уровне региона 0 может быть более точным. Еще одно преимущество использования прогноза на уровне региона 0 в том, что он позволяет определить общесетевые зависимости продаж от воздействующих факторов (цена, сезонность и др.) и использовать их на более детальных уровнях.

Нужно ли в компании организовывать системную работу с функционалом "Аномалии и исключения"?

Этого делать не нужно. Функционал "Аномалии и исключения" используется в исключительных случаях, если в процессе анализа прогнозов выявлены аномальные продажи. Также, если в системе заказчика имеются выделенные продажи по предварительному заказу, рекомендуется загружать их, чтобы движок учитывал их как аномалии. В некоторых случаях, если не используется промо-модуль и есть требования чтобы движок прогнозировал регулярные и сезонные продажи, в исключения прогноза автоматически подтягиваются те недели, на которые заведен мастер-прогноз с типом Промо.

Для каких позиций стоит использовать прогнозы, построенные с использованием нейронной сети?

Список таких позиций настраивается в системе. Прежде чем включить использование нейронной сети для прогноза по позиции, нужно такой прогноз верифицировать, т.е. проверить визуально. Это можно сделать с использованием профиля прогноза "Brain".

В наших магазинах меняются объемы продаж, например, в связи с открытием или закрытием конкурирующего магазина. Как быстро MySales отреагирует на такие изменения?

Скорее всего, реакция системы не будет моментальной. Так сделано для того, чтобы сгладить локальные экстремумы в продажах. Но спустя уже 1-3 недели система увидит эти изменения и начнет их учитывать в будущем прогнозе. Это можно проверить на реальных, уже случившихся примерах, откатившись в прогнозе на 1-3 недели назад. Сделать это можно в форме "Анализ", нажав ссылку "Настройки", и выбрав последнюю неделю продаж, которую может видеть система при построении прогноза. Также сразу после первой недели повышенных продаж, система сразу начнет поднимать страховой запас, делая это аккуратно и не создавая повышенного запаса там, где такая неделя всего одна в истории.

Что делать, если проанализировав прогноз системы, я с ним не согласен?

В этом случае есть несколько вариантов:

• Посмотреть другие модели прогноза, которые построила система и выбрать наиболее подходящую. Посмотреть модели можно в форме "Анализ", выбрав их из меню "Компоненты - Анализ" и проверив на графике визуально. Рекомендуется начинать от более точных к менее точным. Далее, нужную модель можно закрепить для движка как фиксированную, нажав кнопку "Модели" и выбрав ее там, однако, делать это рекомендуется на конкретных уровнях (SKU-регион, SKU-магазин, группа-регион, группа-магазин).

• Откорректировать прогноз системы с помощью функционала "Мастер" на уровне SKU-вся сеть

• В исключительных случаях допускается загрузка детального прогноза на уровне SKU-магазин

• Можно также обратиться за аналитической поддержкой MySales

Как автоматический прогноз MySales может быть полезным для заказа товаров группы фешн (одежда, обувь)?

Одежда и обувь, которая заказывается по графику регулярно, может заказываться на основании прогноза системы. Если же закупка одежды и обуви делается под каждый сезон, то организация этого процесса должна быть построена немного по другому. Первоначально, стоит использовать прогноз по группам моделей (например, обувь мужская спортивная), для того, чтобы определить потенциальный спрос на них. Далее нужно экспертным путем подобрать модели под потенциальный спрос и также экспертным путем сделать декомпозицию прогноза на уровне групп моделей до конкретных моделей, и далее - до размерной сетки, чтобы получить конкретные количества позиций для заказа.

Что такое промо-прирост?

Промо-прирост - это дополнительный прирост к продажам во время промо-периода, который возникает за счет коммуникаций, когда больше покупателей узнают о том, что на определенный товар предоставляется выгодное предложение в ограниченный период времени.

Почему недостаточно ценовой эластичности для прогнозирования промо?

Есть две причины. Во-первых, если просто молча снизить цену, это не даст такого эффекта в приросте продаж, как снижение временное цены с подкреплением дополнительной коммуникацией. Во-вторых, часто промо проводится вообще без замены ценников, когда скидка предоставляется на кассе, а покупатель о ней узнает из дополнительных материалов: листовка, электронный каталог, баннер, и др.

Как система прогнозирует эффект коммуникации в промо?

Прирост продаж за счет эффекта от коммуникации - самая сложная составляющая в прогнозировании. Во-первых, этот эффект сильно отличается по разным позициям. Во-вторых, по конкретным позициям часто недостаточно истории промо, так как в рознице есть существенная ротация ассортимента. Прогнозирование промо-прироста в системе можно разбить на несколько основных этапов:

• Анализ и выделение исторических промо-приростов по всем SKU

• Обучение системы для подбора сопоставимых промо

• Обучение нейронной сети (Дуси) для прогнозирования промо-прироста, если похожие промо подобрать не удалось

• Подбор сопоставимых промо для прогнозирования прироста будущего промо на уровне SKU-вся сеть

• Прогнозирование коэффициента прироста промо на уровне SKU-вся сеть с помощью нейронной сети (Дуся), если сопоставимые промо подобрать не удалось

• Адаптация промо-прироста на уровне конкретных магазинов, на основании истории промо по каждой позиции на уровне SKU-магазин

Есть ощущение, что мы даем скидку выше того психологического уровня, когда потребитель готов покупать. Как это понять?

Для этого возможно промоделировать несколько сценариев проведения промо в системе, с различным уровнем скидки, различными коммуникациями. Для того, чтобы промоделировать промо, вы можете либо создать новое промо, с теми условиями, которые вы хотите промоделировать, либо новый вариант в существующем промо. Однако стоит учитывать, что при создании нового варианта в существующем промо, скидка, которая определена индивидуально для товаров в промо имеет приоритет над скидкой, которая определяется на уровне всего промо-варианта, поэтому, если в промо определены разные скидки для каждого товара, лучше для моделирования нового сценария заводить отдельное промо, не утверждая его.

В форме, где отображаются промо-прогнозы, есть прогноз под названием "База" и "Промо". Что это такое и чем они отличаются?

База - это базовый прогноз без учета эффекта коммуникаций, но с учетом ценовой эластичности. Т.е. это сколько вы бы продали, если бы просто снизили цену и подкрепили бы это базовой коммуникацией в виде индикации на ценнике. Промо - это промо-прогноз с учетом промо-прироста за счет всех дополнительных коммуникаций в промо, позволяющих большему числу покупателей узнать о выгодном предложении.

Как верифицировать промо-прогноз по позиции, чтобы убедиться в том, что прогноз системы корректный?

Во-первых, нужно проверить сопоставимые промо, которые система подобрала для позиции. Для этого нужно нажать кнопку "C" на позиции, чтобы увидеть сопоставимые промо-позиции, продажи по ним, а также их коэффициенты прироста. Прогноз может отличаться от продаж сопоставимых промо, так как меняются условия: цена, скидка, сезон, каннибализация. Чтобы проанализировать факторы, влияющие на прогноз, более детально нужно сделать двойной клик на позиции в промо, чтобы перейти в форму "Анализ" и посмотреть более детально все составляющие прогноза.

В форме, где отображаются сопоставимые промо, есть поля в табличке: "До, %" и "После, %". Что это такое и чем они отличаются?

"До, %" - это коэффициент промо-прироста к прогнозу, который не учитывает ценовую эластичность. "После, %" - это коэффициент промо-прироста к прогнозу, учитывающему ценовую эластичность. Как правило, "После, %" ниже чем "До, %". Эти базовые коэффициенты система использует из сопоставимых промо, применяя их для прогнозируемых промо на уровне SKU-вся сеть и адаптируя на уровне каждого магазина.

Что если системе не удалось найти сопоставимое промо?

В этом случае коэффициент промо-прироста прогнозируется нейронной сетью (Дуся). Нейросеть обучается как на всех промо-позициях в истории, определяя зависимости прироста от каждого из факторов в промо, а также от их синергии, так и по каждой группе товаров в отдельности, если достаточно данных, чтобы учесть индивидуальные особенности прироста позиций в каждой группе.

Как понять почему нейросеть Дуся прогнозирует такой прирост?

В системе есть визуализация результатов обучения нейросети, что-то вроде томографии. Ее посмотреть можно в меню "Еще - Промо - Корреляция нейронной сети". Там по вертикали вы увидите факторы, который учитывает Дуся при прогнозировании промо-прироста, а также увидите процент корреляции изменения значений фактора с изменением значений результата, прогнозируемого Дусей в виде коэффициента промо-прироста к прогнозу, учитывающему или не учитывающему ценовую эластичность.

Как организовать в компании процесс верификации промо-прогнозов и зачем он нужен?

Промо-продажи - самая сложная область в прогнозировании, так как на них влияют много факторов, некоторые из которых не известны системе. Например, при наличии или отсутствии ответных действий конкурентов, промо на топовые товары, являющиеся генераторами трафика, может давать разный прирост (в общем в разных рыночных условиях). Поэтому, промо прогнозы важно верифицировать. С использованием MySales, прогнозированием промо в сети, обычно, занимается один человек, либо отдельная группа, которая заводит промо в системе, строит автоматический промо-прогноз MySales и верифицирует его, путем сравнения с сопоставимыми промо, а также более детального анализа с помощью формы "Анализ". После такой верификации промо-прогнозов, рекомендуется выгружать их в Excel, чтобы отправить категорийным менеджерам для проверки на предмет рыночных условий. В случае наличия аргументированных возражений у категорийных менеджеров, рекомендуется создавать в системе Мастер-прогноз.

Как учитывать промо-продажи в первые дни промо, чтобы влиять на заказы во время промо?

Мониторинг первых дней промо-продаж очень важен для промо, действующих в течении периода времени, превышающего цикл доставки, чтобы во время проведения промо можно было отреагировать на факт продаж и заказать больше или меньше товара в ближайшую поставку. Однако, если смотреть на уровне конкретных позиций в конкретных магазинах, там могут быть локальные экстремумы или локальные события, которые маловероятно повторятся в следующие дни, если речь не идет о топовых позициях. Поэтому, в первые дни промо стоит анализировать продажи на более укрупненных уровнях (SKU-вся сеть) и корректировать Мастер-прогнозом, чтобы отразить динамику промо для заказов во время его проведения.

Есть позиции, которые существенно растут в первые дни промо, после чего наблюдается эффект насыщения и продажи последующих дней падают. Как с этим работать в системе?

Если промо длится несколько недель и повышенный рост продаж наблюдается только первую неделю, рекомендуется использовать либо функционал "Дополнительная загрузка", либо функционал автозаказа, чтобы делать повышенный заказ на первую неделю промо.

Как указывать процент скидки для промо с типом ММК?

Скидку для таких промо нужно указывать как средний процент выгоды для покупателя, который предоставляется по конкретной позиции. Это необходимо, чтобы корректно работала ценовая эластичность при прогнозировании промо.

• Если, к примеру, у промо механика - 1+1=3, то скидку нужно указать как 33% (1 из 3х единиц - бесплатно)

• Для механики "купи 1 и получи скидку на второй товар", скидку нужно указывать усредненную на оба товара. Например, если предлагается купить товар за 100 и получить скидку 50% на товар за 60, тогда общая выгода для покупателя будет 30 из 160, 30/160*100% = 19%

• Для прогрессивной механики, когда чем больше единиц товара покупаешь, тем больше скидка, средний процент скидки лучше указывать, проанализировав его в истории таких промо. В общем случае, этот процент должен быть ближе к наименьшей предоставляемой скидке в рамках промо.

Что если скидка на товар для покупателя не предоставляется, а вместо нее начисляются бонусы?

В этом случае скидку также лучше указывать проанализировав историю, но в общем случае, она должна быть между 1% и процентом, рассчитаны как денежный эквивалент бонусов, деленный на цену товара, за который они начисляются.

Как измерить, какой будет эффект от внедрения промо-модуля для нашей сети?

Для этого есть показатель точности прогнозирования промо, который измеряется как процент промо-позиций, которые попадают в допустимый диапазон ошибки. Именно этот показатель позволяет найти наилучший баланс между уровнем доступности товара в рамках промо и остатками на выходе из промо. Для того, чтобы объективно оценить этот показатель, важно сравнивать не просто прогноз с продажами, а автоматический прогноз системы с прогнозом, который подготавливают менеджеры самостоятельно. Если по большинству позиций система прогнозирует лучше, чем менеджеры самостоятельно, значит будет эффект либо в увеличении доступности товара в промо-периоды, либо в оптимизации остатков на выходе из промо. Стоит отметить, что внедрение процесса верификации прогнозов системы позволяет получить синергию от использования алгоритмов прогнозирования промо и экспертизы менеджеров.

За какой период нужно подготовить и загрузить в систему историю промо, чтобы обучить систему прогнозировать промо?

Для качественного прогноза промо нужен как минимум один год истории промо, однако в ряде случаев может быть необходимо два и более лет. Чем больше история промо - тем более качественный прогноз можно получить по промо.

Что если у меня появляется новый вид промо впервые, и по нему нет истории? Как система будет строить прогноз?

Скорее всего, в этом случае, система будет прогнозировать этот вид промо на основании других видов промо усредняя прогноз. Также система будет учитывать характеристики товаров и то как они ведут себя в промо, адаптируя прирост промо на уровне магазина на основании индивидуальной чувствительности. Однако, с накоплением истории по новому виду промо система уже будет начинать ее учитывать.

Как MySales разделяет в прогнозе ценовую эластичность и промо-прирост?

Ценовая эластичность и промо-прирост - два отдельных, но взаимосвязанных компонента в прогнозе. Отдельных потому, что сначала считается ценовая эластичность в базовом прогнозе по тем позициям, где достаточно истории. Затем к базовому прогнозу добавляется коэффициент промо-прироста, который адаптируется на уровне магазина. Однако, коэффициент промо прироста может добавляться и к прогнозу, в котором отсутствует ценовая эластичность по тем позициям, где истории недостаточно, чтобы ее рассчитать. Поэтому система использует два отдельных коэффициента промо-прироста, которые добавляются к прогнозу включающему ценовую эластичность (как правило, коэффициент - ниже), и не включающему (как правило, коэффициент выше). После расчета промо-прироста в штуках, движок перебалансирует эти 2 компонента вместе с другими компонентами прогноза так, чтобы они наилучшим образом описывали прошлые продажи.