Страница:
Отслеживание ключевых слов происходит аналогичным образом: вводим интересующее нас слово или словосочетание и адрес сайта. В столбце «место» мы увидим то место, на котором в результатах запроса к Google по данному ключевому слову окажется наш сайт. Если мы очень далеко от первой страницы, то в этом столбце будет написано «N/A», поскольку нумерация ведется только для какого-то количества сайтов из начала списка. Так же можно отслеживать перемещения в базах Yahoo! и MSN.
Теперь, когда у нас есть инструмент для мониторинга и мы умеем им пользоваться, поговорим о более серьезном способе поднятия поискового рейтинга. На том же сайте www.digitalpoint.com работает Co-op advertising Network — система обмена текстовыми и графическими ссылками. На первый взгляд это обычная баннерообменная сеть для привлечения посетителей. Однако на самом деле все гораздо глубже.
Сеть работает следующим образом. После регистрации вы размещаете на своем сайте скрипт, который подставляет в код страниц текстовую или графическую ссылку на файл другого участника обмена. Для клиента, запрашивающего страницу с вашего сайта, ссылка выглядит не как внешняя, а как реально встроенная и постоянно присутствующая в коде. То есть как <img src=””> или некий текст в теге <anchor>, без ссылок на счетчик показов баннерообменной сети и т. п. Это происходит потому, что скрипт запрашивает, что именно необходимо отобразить еще до отправки страницы клиенту, и подставляет рекламный линк и текст прямо в HTML-код. Таким образом, для поискового робота или обычного посетителя, запрашивающего страницу, все будет выглядеть так, будто вы сами поставили прямую ссылку на рекламируемый сайт и «голосуете» за него, добавляя ему поисковый вес. Причем число показов этого баннера на вашем сайте роли не играет. Главное, что, когда заходит не человек, а робот, он засчитывает вашу ссылку на сайт участника обмена. Соответственно, самым значимым параметром становится число страниц вашего сайта, поскольку чем больше страниц с прямыми ссылками на различные сайты проиндексируется, тем больше сайтов получат прибавку к PR. В связи с этим вес вашего сайта в Co-op Ad Network (и число показов ссылок на вас) зависит не от посещаемости, а от количества страниц в нем. Число страниц в сайте берется из базы Google (в Keyword ranking monitor на странице обратных ссылок вы можете его посмотреть). Таким образом, сайт с десятком тысяч редко посещаемых страниц будет иметь в сто раз больший вес в системе обмена, чем очень посещаемый сайт с сотней страниц. И ссылки на первый другие участники обмена станут показывать в сто раз чаще. Поэтому вероятность того, что поисковик засчитает ссылку сайту с большим числом страниц, пропорционально выше.
Как уже было сказано, Ad Network распределяет показы соответственно весу сайта в системе, и 100% показов распределяются между всеми участниками системы, маржа не берется. Достаточно того, что если участники системы по какой-либо причине не задали или отключили свои баннеры, то вместо них подставляются ссылки на Digitalpoint Solutions. Вдобавок у сайта digitalpoint.com очень большой вес внутри обменной системы — Google говорит о 28000 проиндексированных страниц. К примеру, у «Яндекса», по мнению Google, их «всего» 12300. Тем не менее выгода велика для всех участников обмена — рейтинг сайта в поисковых системах, использующих аналогичный Google PR-механизм, взлетает за очень короткое время (если, конечно, при разработке вы позаботились о том, чтобы индексируемое число страниц было достаточно большим). Правда, если ваш домен был создан недавно, то существуют некоторые ограничения. Пожалуй, самой серьезной мерой, предпринятой Google против мгновенной раскрутки, является так называемый sandbox. Суть его в том, что примерно полгода с момента первого индексирования сайта Google-ботом PR этого сайта не растет. Таким образом, резкий подъем в рейтинге новоявленного ресурса становится невозможным. Информация о sandbox получена путем многократных экспериментов (выполненных не мною); Google нигде официально об этом не пишет, но в среде SEO это общеизвестно.
Конечно, Co-op Network имеет и серьезные недостатки. Например, не реализовано распределение по типам сайтов — развлекательный, деловой и пр. Однако модерирование работает, и откровенно неприличное объявление в обмене не появится. С другой стороны, это противоречит самой идеологии деления суммарного числа показов пропорционально на всех. Ведь если мы отделим одни сайты от других, а, к примеру, деловые или новостные ресурсы выделим в особую категорию, то в общем случае у них окажется более высокий PR, чем у какого-нибудь блога. А как вы помните, ссылки тем весомее, чем выше PR ссылающегося сайта. Поэтому сайты бизнес-тематики будут раскручивать себя сильнее, чем малоизвестные, но очень интересные ресурсы…
В целом это похоже на поисковый спам: помните курьезную историю про поиск выражения «miserable failure» (можно перевести как «жалкий неудачник») в Google? Некоторое время назад блоггеры сговорились и сообща поставили ссылки вида <a l:href=www.whitehouse.gov/president/gwbbio.html">miserable failure</a> на страницах своих онлайновых дневников, что привело к резкому повышению рейтинга биографии Дж. Буша-мл. на сайте Белого дома при указанном запросе. Co-op ad Network дает еще большие возможности для подобного рода фокусов, не означающие, однако, что этим стоит злоупотреблять. Самое интересное, что Google знает о существовании этой системы, но не считает ее поисковым спамом по многим причинам. Например, Co-op ad Network в первую очередь — это обмен рекламными объявлениями с достаточно большим CTR (www.digitalpoint.com/tools/ad-network/history.html), что не нарушает нетикета и других писаных и неписаных правил. Рост поискового рейтинга — это «побочный» эффект рекламной сети. Поэтому Google почти не предпринимает ответных шагов: sandbox можно считать просто-напросто дальнейшим развитием этой отличной поисковой машины.
Продвижение своего сайта — процесс творческий, требующий постоянных усилий, времени и/или денег. Надеюсь, статья поможет вам сэкономить часть этих драгоценных ресурсов. И, конечно же, не стоит зацикливаться только на поисковой оптимизации, хотя это и немаловажно. Возможно, ваш сайт сможет успешно продвинуться за счет офлайна; главное, чтобы вам было о чем поведать миру.
АНАЛИЗЫ: Предсказания оптом и в розницу. Как прогнозируют ваше поведение известные розничные сети
Теперь, когда у нас есть инструмент для мониторинга и мы умеем им пользоваться, поговорим о более серьезном способе поднятия поискового рейтинга. На том же сайте www.digitalpoint.com работает Co-op advertising Network — система обмена текстовыми и графическими ссылками. На первый взгляд это обычная баннерообменная сеть для привлечения посетителей. Однако на самом деле все гораздо глубже.
Сеть работает следующим образом. После регистрации вы размещаете на своем сайте скрипт, который подставляет в код страниц текстовую или графическую ссылку на файл другого участника обмена. Для клиента, запрашивающего страницу с вашего сайта, ссылка выглядит не как внешняя, а как реально встроенная и постоянно присутствующая в коде. То есть как <img src=””> или некий текст в теге <anchor>, без ссылок на счетчик показов баннерообменной сети и т. п. Это происходит потому, что скрипт запрашивает, что именно необходимо отобразить еще до отправки страницы клиенту, и подставляет рекламный линк и текст прямо в HTML-код. Таким образом, для поискового робота или обычного посетителя, запрашивающего страницу, все будет выглядеть так, будто вы сами поставили прямую ссылку на рекламируемый сайт и «голосуете» за него, добавляя ему поисковый вес. Причем число показов этого баннера на вашем сайте роли не играет. Главное, что, когда заходит не человек, а робот, он засчитывает вашу ссылку на сайт участника обмена. Соответственно, самым значимым параметром становится число страниц вашего сайта, поскольку чем больше страниц с прямыми ссылками на различные сайты проиндексируется, тем больше сайтов получат прибавку к PR. В связи с этим вес вашего сайта в Co-op Ad Network (и число показов ссылок на вас) зависит не от посещаемости, а от количества страниц в нем. Число страниц в сайте берется из базы Google (в Keyword ranking monitor на странице обратных ссылок вы можете его посмотреть). Таким образом, сайт с десятком тысяч редко посещаемых страниц будет иметь в сто раз больший вес в системе обмена, чем очень посещаемый сайт с сотней страниц. И ссылки на первый другие участники обмена станут показывать в сто раз чаще. Поэтому вероятность того, что поисковик засчитает ссылку сайту с большим числом страниц, пропорционально выше.
Как уже было сказано, Ad Network распределяет показы соответственно весу сайта в системе, и 100% показов распределяются между всеми участниками системы, маржа не берется. Достаточно того, что если участники системы по какой-либо причине не задали или отключили свои баннеры, то вместо них подставляются ссылки на Digitalpoint Solutions. Вдобавок у сайта digitalpoint.com очень большой вес внутри обменной системы — Google говорит о 28000 проиндексированных страниц. К примеру, у «Яндекса», по мнению Google, их «всего» 12300. Тем не менее выгода велика для всех участников обмена — рейтинг сайта в поисковых системах, использующих аналогичный Google PR-механизм, взлетает за очень короткое время (если, конечно, при разработке вы позаботились о том, чтобы индексируемое число страниц было достаточно большим). Правда, если ваш домен был создан недавно, то существуют некоторые ограничения. Пожалуй, самой серьезной мерой, предпринятой Google против мгновенной раскрутки, является так называемый sandbox. Суть его в том, что примерно полгода с момента первого индексирования сайта Google-ботом PR этого сайта не растет. Таким образом, резкий подъем в рейтинге новоявленного ресурса становится невозможным. Информация о sandbox получена путем многократных экспериментов (выполненных не мною); Google нигде официально об этом не пишет, но в среде SEO это общеизвестно.
Конечно, Co-op Network имеет и серьезные недостатки. Например, не реализовано распределение по типам сайтов — развлекательный, деловой и пр. Однако модерирование работает, и откровенно неприличное объявление в обмене не появится. С другой стороны, это противоречит самой идеологии деления суммарного числа показов пропорционально на всех. Ведь если мы отделим одни сайты от других, а, к примеру, деловые или новостные ресурсы выделим в особую категорию, то в общем случае у них окажется более высокий PR, чем у какого-нибудь блога. А как вы помните, ссылки тем весомее, чем выше PR ссылающегося сайта. Поэтому сайты бизнес-тематики будут раскручивать себя сильнее, чем малоизвестные, но очень интересные ресурсы…
В целом это похоже на поисковый спам: помните курьезную историю про поиск выражения «miserable failure» (можно перевести как «жалкий неудачник») в Google? Некоторое время назад блоггеры сговорились и сообща поставили ссылки вида <a l:href=www.whitehouse.gov/president/gwbbio.html">miserable failure</a> на страницах своих онлайновых дневников, что привело к резкому повышению рейтинга биографии Дж. Буша-мл. на сайте Белого дома при указанном запросе. Co-op ad Network дает еще большие возможности для подобного рода фокусов, не означающие, однако, что этим стоит злоупотреблять. Самое интересное, что Google знает о существовании этой системы, но не считает ее поисковым спамом по многим причинам. Например, Co-op ad Network в первую очередь — это обмен рекламными объявлениями с достаточно большим CTR (www.digitalpoint.com/tools/ad-network/history.html), что не нарушает нетикета и других писаных и неписаных правил. Рост поискового рейтинга — это «побочный» эффект рекламной сети. Поэтому Google почти не предпринимает ответных шагов: sandbox можно считать просто-напросто дальнейшим развитием этой отличной поисковой машины.
Продвижение своего сайта — процесс творческий, требующий постоянных усилий, времени и/или денег. Надеюсь, статья поможет вам сэкономить часть этих драгоценных ресурсов. И, конечно же, не стоит зацикливаться только на поисковой оптимизации, хотя это и немаловажно. Возможно, ваш сайт сможет успешно продвинуться за счет офлайна; главное, чтобы вам было о чем поведать миру.
АНАЛИЗЫ: Предсказания оптом и в розницу. Как прогнозируют ваше поведение известные розничные сети
Автор: Родион Насакин
В декабре 2005 года произошло важное для отечественного ритейла событие. Третья [Рейтинг CNews Analytics по итогам 2004 года. Первое и второе места занимают «Пятерочка» и «Евросеть» соответственно] по уровню информатизации розничная сеть «Перекресток» запустила в опытную эксплуатацию систему прогнозирования спроса Goods4Cast от компании Forecsys. Внедрение подобного ПО в крупной сети (оборот «Перекрестка» в 2005 году превысил 1,2 млрд. долларов) говорит о том, что российская розница наконец-то почувствовала потребность в новых ИТ-инструментах и готова платить за них солидные суммы.
Специализированные ERP-системы для розничной торговли прочно занимают свою нишу на рынке корпоративной автоматизации. Даже в России они используются относительно давно — с 2000 года. Крупные розничные сети отдают предпочтение зарубежным продуктам: в частности, «Копейка» и «Эльдорадо» выбрали SAP for Retail, ГУМ — J. D. Edwards OneWorld, а упоминавшийся выше «Перекресток» внедрил один из модулей Axapta.
Розничные структуры с меньшими потребностями и относительно скромным бюджетом (годовой оборот от 10 до 100 млн. долларов) склоняются к отечественным разработкам — например, решениям от «1С». Бессмертный хит этой компании — «1С:Предприятие» — управляет работой сети фирменных магазинов Adidas, а также деятельностью таких сетей, как «Связной», «Патэрсон» или «Молодая гвардия». У российских систем помимо цены есть и другие достоинства. В первую очередь, «заточенность» на отечественную специфику (наверное, не стоит уточнять, что под этим подразумевается).
Одновременно в розничной торговле то и дело появляются новые тенденции — например, стремление к персонализации (или, если угодно, кастомизации) каждого клиента или стратегическое ценообразование, игнорирование которых чревато существенным снижением конкурентоспособности. В результате на пробу розничным торговцам постоянно выдаются все новые и новые программные продукты, призванные решить возникающие проблемы индустрии. Так, несколько лет назад наблюдался бум продаж CRM-систем для персонализации потребителя (этот подход, впрочем, подозрительно часто оборачивался убытками для тех, кто пытался реализовать его на практике).
А вот идея оптимизации ценообразования по-прежнему вызывает интерес у розничного бизнеса. Напрямую связаны с нею такие перспективные направления в автоматизации розницы, как анализ мёрчендайзинга, а также планирование спроса и заказов. Для реализации этих подходов необходимо решить главную проблему — анализа и прогнозирования потребительского поведения. Наличие знаний о том, какой товар и в каких объемах будет востребован на рынке через заданный период времени, позволяет существенно скорректировать формирование ассортимента, размещение продукции и стимулирование покупок. А оптимизация этих процессов позволит точнее разработать стратегию ценообразования и заодно повысить лояльность клиентов.
Если же подобные мёрчендайзинговые системы интегрировать с ПО, управляющим дистрибьюторским центром и складами, то в довесок розничная сеть получает прозрачность всей цепочки движения товара к потребителю и сокращение складских запасов. Но все эти прелести пока остаются для подавляющего большинства ритейлеров лишь предметом фантазий. Мировая же доля внедрения соответствующего софта в розничных сетях составляла от 1 до 5%. Воплотить мечту в жизнь в новом году, похоже, решили в «Перекрестке», и есть основания полагать, что подобные мероприятия в ближайшем будущем проведут и конкуренты этой сети.
Такой «цивилизованный» подход к розничным продажам в России находится на начальной стадии развития: до последнего времени отечественные предприятия ритейла, даже крупные, обходились без автоматизированного прогнозирования спроса. Менеджеры составляли планы продаж, заключали договоры на поставку товаров, заполняли склады и ждали, пока потребители все раскупят. Главной задачей продавцы считали не сокращение издержек для уже существующих точек сбыта, а рост сетей — например, за счет регионов.
Но постепенно служители Меркурия поняли, что прикидывать спрос «на глазок» чревато избыточными запасами, внеплановыми распродажами, дефицитом. Ассортимент супер/гипермаркетов исчисляется десятками тысяч наименований, и осуществлять «ручное» планирование по каждому из них физически невозможно. Да и непрерывно обостряющаяся конкуренция (которая обусловлена в том числе и выходом на российский рынок зарубежных сетей, уже использующих в работе ИТ-решения для анализа и прогнозирования спроса) и, как следствие, трудности с «воспитанием» лояльности покупателей к отдельному розничному брэнду заставляют внимательнее присматриваться к инновациям.
По сей день это ПО остается центральной частью ИТ-структуры практически любого предприятия. Главными задачами ERP-системы являются консолидация поступающей корпоративной информации в единой БД, обмен данными между подразделениями компании, сокращение времени выполнения рутинных операций, повышение прозрачности коммерческой деятельности и повышение качества контроля и управления предприятием.
Некоторые эксперты выделяют ряд современных ERP-продуктов в особый класс — ERP-II (Enterprise Resource and Relationship Processing), для которого характерно дополнение функциональности «стандартной» ERP-системы модулями по работе с потребителями (CRM, Customer Relationship Management) и управлению цепочками поставок (SCM).
Центральная часть Goods4Cast — модуль прогнозирования будущих продаж. Он поставляет львиную долю данных, используемых другими модулями системы (для расчета момента и объема закупки, объема обязательного запаса на складе), а потому точность прогноза является критическим фактором, определяющим эффективность системы в целом. Замечу, что алгоритмы прогнозирования центрального модуля минимизируют не ошибки прогноза, а суммарные потери, так как обычная «статистическая» погрешность в 3—5 процентов при миллиардном обороте выливается в весьма впечатляющие суммы.
Для каждого товара система автоматически выбирает подходящий алгоритм, вносит коррективы по взаимному влиянию товаров и рассчитывает доверительный интервал для оценки погрешности прогноза. По мере работы системы и накопления данных о продажах появляется возможность контролировать точность алгоритмов с возможной их перенастройкой.
В свою очередь, модуль планирования закупок позволит избежать таких малоприятных явлений, как замораживание средств, снижение оборачиваемости, затоваривание складских площадей, нехватка места для других товаров при чрезмерной закупке или отсутствие товара на полке (а это не только ведет к снижению продаж, но и негативно сказывается на отношении покупателей) при запоздалой или недостаточной закупке. От системы в этом случае требуется выбрать оптимальный момент и объем закупки.
Исходными данными для принятия этого решения служат такие показатели, как объем текущих товарных остатков, предполагаемый период, по истечении которого заказанный товар появится на прилавке, объем сделанных (но еще не доставленных) заказов, предполагаемый объем продаж и размер обязательного (страхового, неснижаемого) запаса. Данные о прогнозируемом объеме продаж импортируются из ядра системы. Страховой запас вычисляется с учетом возможных колебаний спроса и задержек доставки и тоже может быть определен отдельным модулем системы. Остальные показатели импортируются из системы учета розничной сети.
Оптимальный момент закупки определяется исходя из утверждения, что к поступлению новой товарной партии в магазин страховой запас оставался нетронутым.
Оптимальный объем партии определяется таким образом, чтобы суммарные издержки на единицу товара были минимальными. Издержки пропорциональны времени нахождения товара на складе и занимаемому партией объему. Кроме того, учитываются издержки, связанные со сроком годности товара. Они зависят от прогноза продаж, так как равны стоимости товара, который не удастся продать до истечения срока годности.
Исходными данными для следующего модуля, ответственного за определение оптимального размера страхового запаса, являются значения приемлемого уровня доступности, проставляемые заранее на этапе формирования товарных категорий. Заданы эти уровни могут быть по-разному. Например, можно указать количество дней, в течение которого товары конкретной группы могут отсутствовать на полках магазина. Оптимальный запас определяется для каждой группы исходя из утверждения, что установленный уровень доступности должен быть неизменным в случае внезапного возрастания спроса или задержки поставок. Модуль также учитывает точность предыдущих прогнозов продаж того или иного товара.
В основе модуля контроля доступности лежит алгоритм, выявляющий необычное снижение или остановку сбыта. Данный компонент может оказаться полезным в том случае, если товар отсутствует в магазине, однако этот факт не отражен в системе учета (показывается наличие остатка), а также если имеющийся товар потерял качество или находится в неположенном месте. Разумеется, подобные инциденты обнаруживаются при проведении ежегодной инвентаризации, но достоинство модуля состоит в том, что он позволяет реагировать на такие ситуации очень быстро — до нескольких раз в день. В том же модуле реализована работа с противоречивыми данными по выявлению продаж при отрицательных остатках, выявлению отсутствия сбыта при положительных остатках и т. п. с занесением сведений об отклонениях в специальный журнал.
Функциональность у модуля оценки эффекта от воздействия на спрос довольно проста. Компонент определяет разницу между уровнем продаж, достигнутым с помощью промоакции, и спрогнозированным уровнем, который был бы получен без проведения акции.
Модуль контроля качества прогнозирования анализирует случаи ошибочных прогнозов спроса. При обнаружении чрезмерной или недостаточной закупки система предлагает пользователю выбрать один из сценариев для данного товара: запрещение прогноза в дальнейшем, ручное проведение прогноза или корректировка модели. Интересной представляется возможность своеобразного бэкапа — воссоздания условий работы на какой-либо день в прошлом для более подробного анализа отклонений. Автоконтроль качества позволяет оперативно корректировать алгоритмы прогнозирования и выявлять «слабо предсказуемые» товары.
Дисконтные программы помогают исправить ошибки, допущенные при формировании оптимальной цены, отреагировать на изменение рыночной ситуации, а также извлечь больше прибыли при продаже товара в течение отдельного сезона.
По мере формирования рынка соответствующего ПО определились лидеры среди вендоров. К таковым можно отнести, в частности, компанию i2 Technologies, которая специализируется на SCM— и WMS-системах. Ее решениями пользуются двадцать из тридцати трех ведущих розничных сетей по рейтингу Fortune. За прогнозирование спроса отвечают мёрчендайзинговые модули i2 Demand Planner и i2 Merchandise Planner. Используя историю продаж, система подбирает подходящий алгоритм прогнозирования, а на выходе генерирует отчет о прогнозе продаж по различным параметрам (географическим точкам, товарному наименованию).
При этом i2 Demand Planner дает возможность управлять планами спроса при различных сочетаниях товаров, магазинов и сроков, а i2 Merchandise Planner используется для сведе’ния финансовых планов с планами по отдельным категориям и ассортиментными планами. То есть, по сути, модуль позволяет согласовать интересы отдельных составляющих торговой цепочки: мёрчендайзинга, магазинов, дистрибуции и инвесторов. Решения i2 Technologies также предусматривают взаимодействие с производителями товаров. В частности, в состав системы входит специальный планировщик, который на основе прогноза спроса создает план загрузки производственных мощностей и ресурсного обеспечения предприятия. В России продажами i2-систем занимается небезызвестная компания IBS.
Неизменной популярностью пользуются на мировом рынке и решения для розничной торговли от компании Infor. Среди ее клиентов — Nestle, Coca-Cola, Heineken, Siemens Automotive Systems и др. Анализ и прогнозирование спроса реализованы в виде отдельного приложения — Infor Demand Planning, в котором присутствуют все элементы «джентльменского набора»: статистическое прогнозирование, автоматический поиск оптимальной модели, прогнозы на всех уровнях, стимулирование спроса и координация промоакций.
Вдобавок в системе есть модуль для работы с интернет-технологиями. Запасы, планируемые поставки и недостачи могут отражаться через Сеть. Также Infor Demand Planer поддерживает работу с так называемыми аналитическими кубами OLAP. В Infor утверждают, что приложение позволяет сократить запасы на 30% и повысить уровень удовлетворения клиентов на 25% (правда, не совсем понятно, какие количественные характеристики использовались для расчета).
Если вышеупомянутые компании ориентируются на более или менее широкую розничную деятельность, то DemandTec сосредотачивает усилия исключительно на разработке приложений для прогнозирования спроса с уклоном в мёрчендайзинг. При этом узкая специализация вовсе не мешает ей занимать лидирующие позиции. Систему DemandTec 3 внедрили более тысячи предприятий розничной торговли.
В основе разработок лежат нелинейные модели спроса с учетом влияния замещающих и дополняющих товаров. Моделирование осуществляется с помощью байесовских методов, применяемых к сосканированным данным штрих-кодов покупок. В состав DemandTec 3 входят модули управления ценообразованием (DemandTec Price) и промоакциями (DemandTec Promotion), а также оптимизации ассортимента (DemandTec Product Assortment) и размещения товаров (DemandTec Placement).
DemandTec Price определяет оптимальные цены на товары, учитывая эластичность и перекрестные эластичности[Перекрестная эластичность спроса — форма эластичности, при которой изменение цены на один товар приводит к изменению спроса на другой (сходный по своим потребительским качествам). Положительное значение этого показателя свидетельствует о взаимозаменяемости товаров, а отрицательное — об их взаимодополняемости] отдельных товаров. При этом в процесс ценообразования можно вводить различные бизнес-правила: ценовые лимиты, целевые объемы продаж, целевую долю рынка, цены конкурентов и т. д. В результате становится возможным анализировать потребительский спрос, ценовую чувствительность, вычислять издержки продажи каждого товара в каждом магазине, прогнозировать влияние ценовых стратегий по различным сценариям, измеряя результаты изменений в стратегии.
Итак, если верить разработчикам специального ПО, достаточно вложить несколько десятков тысяч (сотен тысяч, миллионов — это уж как договоришься) долларов, и поведение посетителя филиала крупной розничной сети перестанет быть тайной. По сути, речь идет о продаже успеха за деньги, и потому участники рынка будут с особым интересом изучать финансовый отчет сети «Перекресток» за 2006 год. Тем же, кто пока не может позволить себе столь дорогие инструменты прогнозирования, можно посоветовать вспомнить три правила, гарантирующие успех любому цветочному магазину: он должен а) находиться рядом со станцией метро, б) находиться рядом со станцией метро и в) находиться рядом со станцией метро.
В декабре 2005 года произошло важное для отечественного ритейла событие. Третья [Рейтинг CNews Analytics по итогам 2004 года. Первое и второе места занимают «Пятерочка» и «Евросеть» соответственно] по уровню информатизации розничная сеть «Перекресток» запустила в опытную эксплуатацию систему прогнозирования спроса Goods4Cast от компании Forecsys. Внедрение подобного ПО в крупной сети (оборот «Перекрестка» в 2005 году превысил 1,2 млрд. долларов) говорит о том, что российская розница наконец-то почувствовала потребность в новых ИТ-инструментах и готова платить за них солидные суммы.
Технологии ритейла
Основную массу отраслевых информационных систем, применяемых розничными сетями, составляют программные продукты, реализующие управление цепочками поставок (Supply Chain Management, SCM) и прочие методики с упором на логистику и работу со складами (Warehouse Management System, WMS). На более высоком управленческом уровне бал правит ERP-классика.Специализированные ERP-системы для розничной торговли прочно занимают свою нишу на рынке корпоративной автоматизации. Даже в России они используются относительно давно — с 2000 года. Крупные розничные сети отдают предпочтение зарубежным продуктам: в частности, «Копейка» и «Эльдорадо» выбрали SAP for Retail, ГУМ — J. D. Edwards OneWorld, а упоминавшийся выше «Перекресток» внедрил один из модулей Axapta.
Розничные структуры с меньшими потребностями и относительно скромным бюджетом (годовой оборот от 10 до 100 млн. долларов) склоняются к отечественным разработкам — например, решениям от «1С». Бессмертный хит этой компании — «1С:Предприятие» — управляет работой сети фирменных магазинов Adidas, а также деятельностью таких сетей, как «Связной», «Патэрсон» или «Молодая гвардия». У российских систем помимо цены есть и другие достоинства. В первую очередь, «заточенность» на отечественную специфику (наверное, не стоит уточнять, что под этим подразумевается).
Одновременно в розничной торговле то и дело появляются новые тенденции — например, стремление к персонализации (или, если угодно, кастомизации) каждого клиента или стратегическое ценообразование, игнорирование которых чревато существенным снижением конкурентоспособности. В результате на пробу розничным торговцам постоянно выдаются все новые и новые программные продукты, призванные решить возникающие проблемы индустрии. Так, несколько лет назад наблюдался бум продаж CRM-систем для персонализации потребителя (этот подход, впрочем, подозрительно часто оборачивался убытками для тех, кто пытался реализовать его на практике).
А вот идея оптимизации ценообразования по-прежнему вызывает интерес у розничного бизнеса. Напрямую связаны с нею такие перспективные направления в автоматизации розницы, как анализ мёрчендайзинга, а также планирование спроса и заказов. Для реализации этих подходов необходимо решить главную проблему — анализа и прогнозирования потребительского поведения. Наличие знаний о том, какой товар и в каких объемах будет востребован на рынке через заданный период времени, позволяет существенно скорректировать формирование ассортимента, размещение продукции и стимулирование покупок. А оптимизация этих процессов позволит точнее разработать стратегию ценообразования и заодно повысить лояльность клиентов.
Такой «цивилизованный» подход к розничным продажам в России находится на начальной стадии развития: до последнего времени отечественные предприятия ритейла, даже крупные, обходились без автоматизированного прогнозирования спроса. Менеджеры составляли планы продаж, заключали договоры на поставку товаров, заполняли склады и ждали, пока потребители все раскупят. Главной задачей продавцы считали не сокращение издержек для уже существующих точек сбыта, а рост сетей — например, за счет регионов.
Но постепенно служители Меркурия поняли, что прикидывать спрос «на глазок» чревато избыточными запасами, внеплановыми распродажами, дефицитом. Ассортимент супер/гипермаркетов исчисляется десятками тысяч наименований, и осуществлять «ручное» планирование по каждому из них физически невозможно. Да и непрерывно обостряющаяся конкуренция (которая обусловлена в том числе и выходом на российский рынок зарубежных сетей, уже использующих в работе ИТ-решения для анализа и прогнозирования спроса) и, как следствие, трудности с «воспитанием» лояльности покупателей к отдельному розничному брэнду заставляют внимательнее присматриваться к инновациям.
ERP-классика
Первые попытки автоматизировать управленческие процессы в бизнесе и на производстве имели место еще сорок лет назад. Тогда наибольшую популярность получила методология MRP (Material Requirement Planning), нацеленная на планирование потребностей предприятия в сырье. К 80-м годам сформировался рынок компьютерных информационных систем (КИС), базирующихся на более широкой концепции MRP-II (Manufacture Resource Planning). Новый подход брал за основу планирование ресурсов производства. К 90-м годам эта концепция была дополнена функциями финансового и кадрового управления и получила название ERP (Enterprise Resource Planning). А созданные согласно данной концепции КИС стали называться ERP-системами.По сей день это ПО остается центральной частью ИТ-структуры практически любого предприятия. Главными задачами ERP-системы являются консолидация поступающей корпоративной информации в единой БД, обмен данными между подразделениями компании, сокращение времени выполнения рутинных операций, повышение прозрачности коммерческой деятельности и повышение качества контроля и управления предприятием.
Некоторые эксперты выделяют ряд современных ERP-продуктов в особый класс — ERP-II (Enterprise Resource and Relationship Processing), для которого характерно дополнение функциональности «стандартной» ERP-системы модулями по работе с потребителями (CRM, Customer Relationship Management) и управлению цепочками поставок (SCM).
Кто встал на «Перекрестке»?
Функциональность системы (а точнее, платформы) Goods4Cast, которую сейчас тестирует «Перекресток», реализуется за счет интегрированной работы семи программных модулей, отвечающих за прогнозирование объемов ежедневных продаж (это делает ядро системы), планирование и оптимизацию закупок, верификацию и обнаружение ошибок в данных, контроль доступности товаров на полках, анализ эффективности воздействий на спрос, оптимизацию объемов страховых запасов и контроль качества прогнозов. Непременной составляющей является первый модуль, а все остальные заказчикам предлагается покупать выборочно, в зависимости от конкретных потребностей.Центральная часть Goods4Cast — модуль прогнозирования будущих продаж. Он поставляет львиную долю данных, используемых другими модулями системы (для расчета момента и объема закупки, объема обязательного запаса на складе), а потому точность прогноза является критическим фактором, определяющим эффективность системы в целом. Замечу, что алгоритмы прогнозирования центрального модуля минимизируют не ошибки прогноза, а суммарные потери, так как обычная «статистическая» погрешность в 3—5 процентов при миллиардном обороте выливается в весьма впечатляющие суммы.
Для каждого товара система автоматически выбирает подходящий алгоритм, вносит коррективы по взаимному влиянию товаров и рассчитывает доверительный интервал для оценки погрешности прогноза. По мере работы системы и накопления данных о продажах появляется возможность контролировать точность алгоритмов с возможной их перенастройкой.
В свою очередь, модуль планирования закупок позволит избежать таких малоприятных явлений, как замораживание средств, снижение оборачиваемости, затоваривание складских площадей, нехватка места для других товаров при чрезмерной закупке или отсутствие товара на полке (а это не только ведет к снижению продаж, но и негативно сказывается на отношении покупателей) при запоздалой или недостаточной закупке. От системы в этом случае требуется выбрать оптимальный момент и объем закупки.
Оптимальный момент закупки определяется исходя из утверждения, что к поступлению новой товарной партии в магазин страховой запас оставался нетронутым.
Оптимальный объем партии определяется таким образом, чтобы суммарные издержки на единицу товара были минимальными. Издержки пропорциональны времени нахождения товара на складе и занимаемому партией объему. Кроме того, учитываются издержки, связанные со сроком годности товара. Они зависят от прогноза продаж, так как равны стоимости товара, который не удастся продать до истечения срока годности.
Исходными данными для следующего модуля, ответственного за определение оптимального размера страхового запаса, являются значения приемлемого уровня доступности, проставляемые заранее на этапе формирования товарных категорий. Заданы эти уровни могут быть по-разному. Например, можно указать количество дней, в течение которого товары конкретной группы могут отсутствовать на полках магазина. Оптимальный запас определяется для каждой группы исходя из утверждения, что установленный уровень доступности должен быть неизменным в случае внезапного возрастания спроса или задержки поставок. Модуль также учитывает точность предыдущих прогнозов продаж того или иного товара.
В основе модуля контроля доступности лежит алгоритм, выявляющий необычное снижение или остановку сбыта. Данный компонент может оказаться полезным в том случае, если товар отсутствует в магазине, однако этот факт не отражен в системе учета (показывается наличие остатка), а также если имеющийся товар потерял качество или находится в неположенном месте. Разумеется, подобные инциденты обнаруживаются при проведении ежегодной инвентаризации, но достоинство модуля состоит в том, что он позволяет реагировать на такие ситуации очень быстро — до нескольких раз в день. В том же модуле реализована работа с противоречивыми данными по выявлению продаж при отрицательных остатках, выявлению отсутствия сбыта при положительных остатках и т. п. с занесением сведений об отклонениях в специальный журнал.
Функциональность у модуля оценки эффекта от воздействия на спрос довольно проста. Компонент определяет разницу между уровнем продаж, достигнутым с помощью промоакции, и спрогнозированным уровнем, который был бы получен без проведения акции.
Модуль контроля качества прогнозирования анализирует случаи ошибочных прогнозов спроса. При обнаружении чрезмерной или недостаточной закупки система предлагает пользователю выбрать один из сценариев для данного товара: запрещение прогноза в дальнейшем, ручное проведение прогноза или корректировка модели. Интересной представляется возможность своеобразного бэкапа — воссоздания условий работы на какой-либо день в прошлом для более подробного анализа отклонений. Автоконтроль качества позволяет оперативно корректировать алгоритмы прогнозирования и выявлять «слабо предсказуемые» товары.
Стратегическое ценообразование
Несмотря на различные маркетинговые ухищрения, самым эффективным средством борьбы за потребителя была и остается цена товара. Большинство программных продуктов, предназначенных для прогнозирования спроса, а также решения мёрчендайзинговых и логистических задач, как правило, ориентированы на два основных инструмента управления ценообразованием: назначение оптимальной цены и управление дисконтными программами. В первом случае задачей продавца является изначальная установка цены, обеспечивающей максимальную прибыль без снижения объема продаж. При определении оптимальной цены учитываются отличие спроса в отдельных магазинах, цены конкурентов, планы по объему продаж и чистой прибыли, эластичность и т. д.Дисконтные программы помогают исправить ошибки, допущенные при формировании оптимальной цены, отреагировать на изменение рыночной ситуации, а также извлечь больше прибыли при продаже товара в течение отдельного сезона.
Мировой рынок прогнозирования
За рубежом системы прогнозирования спроса уже отвоевали себе место под солнцем и являются непременным атрибутом ИТ-структуры почти любого крупного торгового предприятия, в том числе Dell, BestBuy, Coca-Cola и Philip Morris. Срок окупаемости систем, ориентированных на управление спросом, на Западе составляет от девяти месяцев до двух лет.По мере формирования рынка соответствующего ПО определились лидеры среди вендоров. К таковым можно отнести, в частности, компанию i2 Technologies, которая специализируется на SCM— и WMS-системах. Ее решениями пользуются двадцать из тридцати трех ведущих розничных сетей по рейтингу Fortune. За прогнозирование спроса отвечают мёрчендайзинговые модули i2 Demand Planner и i2 Merchandise Planner. Используя историю продаж, система подбирает подходящий алгоритм прогнозирования, а на выходе генерирует отчет о прогнозе продаж по различным параметрам (географическим точкам, товарному наименованию).
При этом i2 Demand Planner дает возможность управлять планами спроса при различных сочетаниях товаров, магазинов и сроков, а i2 Merchandise Planner используется для сведе’ния финансовых планов с планами по отдельным категориям и ассортиментными планами. То есть, по сути, модуль позволяет согласовать интересы отдельных составляющих торговой цепочки: мёрчендайзинга, магазинов, дистрибуции и инвесторов. Решения i2 Technologies также предусматривают взаимодействие с производителями товаров. В частности, в состав системы входит специальный планировщик, который на основе прогноза спроса создает план загрузки производственных мощностей и ресурсного обеспечения предприятия. В России продажами i2-систем занимается небезызвестная компания IBS.
Неизменной популярностью пользуются на мировом рынке и решения для розничной торговли от компании Infor. Среди ее клиентов — Nestle, Coca-Cola, Heineken, Siemens Automotive Systems и др. Анализ и прогнозирование спроса реализованы в виде отдельного приложения — Infor Demand Planning, в котором присутствуют все элементы «джентльменского набора»: статистическое прогнозирование, автоматический поиск оптимальной модели, прогнозы на всех уровнях, стимулирование спроса и координация промоакций.
Вдобавок в системе есть модуль для работы с интернет-технологиями. Запасы, планируемые поставки и недостачи могут отражаться через Сеть. Также Infor Demand Planer поддерживает работу с так называемыми аналитическими кубами OLAP. В Infor утверждают, что приложение позволяет сократить запасы на 30% и повысить уровень удовлетворения клиентов на 25% (правда, не совсем понятно, какие количественные характеристики использовались для расчета).
Если вышеупомянутые компании ориентируются на более или менее широкую розничную деятельность, то DemandTec сосредотачивает усилия исключительно на разработке приложений для прогнозирования спроса с уклоном в мёрчендайзинг. При этом узкая специализация вовсе не мешает ей занимать лидирующие позиции. Систему DemandTec 3 внедрили более тысячи предприятий розничной торговли.
В основе разработок лежат нелинейные модели спроса с учетом влияния замещающих и дополняющих товаров. Моделирование осуществляется с помощью байесовских методов, применяемых к сосканированным данным штрих-кодов покупок. В состав DemandTec 3 входят модули управления ценообразованием (DemandTec Price) и промоакциями (DemandTec Promotion), а также оптимизации ассортимента (DemandTec Product Assortment) и размещения товаров (DemandTec Placement).
DemandTec Price определяет оптимальные цены на товары, учитывая эластичность и перекрестные эластичности[Перекрестная эластичность спроса — форма эластичности, при которой изменение цены на один товар приводит к изменению спроса на другой (сходный по своим потребительским качествам). Положительное значение этого показателя свидетельствует о взаимозаменяемости товаров, а отрицательное — об их взаимодополняемости] отдельных товаров. При этом в процесс ценообразования можно вводить различные бизнес-правила: ценовые лимиты, целевые объемы продаж, целевую долю рынка, цены конкурентов и т. д. В результате становится возможным анализировать потребительский спрос, ценовую чувствительность, вычислять издержки продажи каждого товара в каждом магазине, прогнозировать влияние ценовых стратегий по различным сценариям, измеряя результаты изменений в стратегии.
Итак, если верить разработчикам специального ПО, достаточно вложить несколько десятков тысяч (сотен тысяч, миллионов — это уж как договоришься) долларов, и поведение посетителя филиала крупной розничной сети перестанет быть тайной. По сути, речь идет о продаже успеха за деньги, и потому участники рынка будут с особым интересом изучать финансовый отчет сети «Перекресток» за 2006 год. Тем же, кто пока не может позволить себе столь дорогие инструменты прогнозирования, можно посоветовать вспомнить три правила, гарантирующие успех любому цветочному магазину: он должен а) находиться рядом со станцией метро, б) находиться рядом со станцией метро и в) находиться рядом со станцией метро.