Возможности сотрудничества между поставщиками и розничной сетью для сокращения уровня упущенных продаж

Оцените материал
(3 голосов)

Опубликовано №6 (53) декабрь 2012 г.

АВТОРЫ: Ермолина М.В.

РУБРИКА Корпоративная логистика розничных компанийСовременные концепции и технологии в логистике и управлении цепями поставок

Аннотация 

В статье рассматривается вопрос измерения и оценки показателя отсутствия товара в продаже, и изучается распределение ответственности за наличие товара между поставщиком и магазином. Поскольку причины и последствия от отсутствия товара примерно поровну распределяются между торговым предприятием и его поставщиком, предлагается обзор основных направлений сотрудничества между ними ради достижения высокого уровня обслуживания покупателей.

Ключевые слова координация интеграция сотрудничество отсутствие товара в продаже OOS out of stock упущенные продажи уровень обслуживания уровень сервиса ECR Efficient Consumer Response Эффективный отклик на запросы потребителей наличие товара на полке on shelf availability OSA


Одной из важных проблем, стоящих перед предприятиями розничной торговли, является вопрос обеспечения потребителей необходимым количеством продукции, предлагаемой к продаже. Учитывая широкий ассортиментный ряд, задача обеспечения наличия товара на полке магазина становится далеко не тривиальной. Неудивительно, что периодически возникают ситуации отсутствия товара, которые приводят к снижению удовлетворённости покупателей и уровня продаж. Для измерения подобных ситуаций используется показатель отсутствия товара на полке или OOS (out of stock). Таким образом, возникает вопрос, можно ли определить, на чьей ответственности находится возникновение OOS и каким образом можно сократить его вероятность?

Измерение отсутствия товара

Под ситуацией отсутствия товара подразумевается событие, когда продукт, который должен быть представлен на полке магазина, какое-то время отсутствует там. При этом для измерения этой ситуации могут использоваться несколько индикаторов, в частности:

  1. Количество ситуаций отсутствия товара в течение определённого периода времени
  2. Количество товарных позиций, по которым наблюдалась ситуация OOS, по отношению к общему числу позиций, представленных в данном магазине. Именно этот индикатор OOS использует организация ECR (Эффективный отклик на запросы потребителя – Efficient Consumer Response) в своём проекте «Система глобальных показателей ECR»[1].
  3. Отношение времени, когда товар был недоступен для покупки, к общему времени осуществления продаж в торговой точке.  Обратным показателем к нему выступает индикатор наличие товара на полке – on shelf availability или OSA.

Следует отметить неоднозначность самого определения ситуации OOS. Что именно считать отсутствием товара в продаже? Так, например, ECR предлагает включать в эти ситуации следующие:

а)      Продукт отсутствует в торговом зале и не был куплен потребителем вообще

б)      Продукт не найден потребителем и был заменён на схожий (другого вкуса, формы и т.д.)

в)      Продукт не пригоден к покупке – например, имеет повреждения или истёкший срок годности

г)       Продукт присутствует в торговом зале, но не был куплен потребителем, так как находится в непривычном для него месте

То есть, под отсутствием товара понимается не только его физическое отсутствие, но и несоответствие даже имеющегося товара ожиданиям потребителя. Очевидно, что подобного рода ситуации довольно сложно однозначно определить и оценить их возможное влияние на удовлетворённость потребителя. Так, например, товар может иметься в достаточном количестве в торговом зале, и сотрудники магазина могут быть уверены в том, что они обеспечили 100% уровень наличия товара – однако из-за того, что товар размещён в новом месте, где далеко не все покупатели могут его найти, всё-таки возникает ситуация OOS.

Таким образом, встаёт вопрос о способе измерения OOS. При помощи каких методов можно рассчитать показатель отсутствия или наличия товара на полке? На данный момент времени существует два основных  подхода к измерению OOS: путём физического аудита и на основании анализа данных.

1.  Контроль и измерение вручную путём регулярного аудита торговых залов. 

Во время периодических проверок подсчитывается количество позиций, которые должны были бы находиться в данном месте магазина или магазинной полки (например, в соответствии с планограммой или в соответствии с расположенными на ней ценниками), однако отсутствуют там в момент проверки. Причём оценивается именно наличие товара в определённом для него месте – т.е. ситуации, когда товар оказывается задвинут за соседние товары, также засчитываются как OOS.

Именно этот метод использовался и используется чаще всего, и в этом состоит его преимущество, поскольку уже существует весомая база для сравнения полученных показателей с результатами других компаний. Среди остальных преимуществ можно назвать относительную простоту применения и в прямом смысле очевидность полученных данных, которые, к тому же, легко привязать к конкретной зоне торговой площадки.

Однако данный способ не даёт возможности оценить индикаторы OOS, связанные со временем, так как не отвечает на вопрос о том, как долго товар отсутствовал в продаже. Более того, даже если последовательные проверки показали наличие товара на полке, это ещё не означает, что ситуация OOS не возникала в период между проверками. То есть, в силу дискретности измерений данные могут оказаться неточными.  Неточность полученных данных проистекает также из влияния человеческого фактора: так как подсчёт производится вручную, велика вероятность ошибок как при обнаружении ситуаций OOS, так и при занесении их в отчёт. При этом применение данного метода довольно трудо- и времязатратно, что не позволяет применять его в течение долгого периода времени и во многих торговых точках одной сети.

2.  Контроль и измерение OOS на основании данных с терминалов и сканеров в магазинах.

В данном случае выводы о наличии ситуации OOS делаются на основании сравнения текущего паттерна продаж по товару с его традиционным поведением в этот день и время суток. Чрезмерное отклонение от среднего уровня продаж свидетельствует о полном или частичном отсутствии товара на полке.

Преимуществом такого подхода является непрерывность измерений, меньшая стоимость проведения по сравнению с ручным подсчётом, возможность анализировать OOS в большом количестве торговых точек и на постоянной основе. Поскольку данные непрерывны, появляется возможность  оценивать и анализировать не только количество ситуаций отсутствия товара, но их длительность, частоту возникновения и стоимость для компании.

Однако у него есть и свои ограничения. В частности, этот метод применим только к тем товарам, по которым уже накоплена статистика продаж, и представляет собой некую аналитическую оценку, а не прямое описание физического отсутствия товара на полке, что может вызывать недоверие к точности этой оценки. Кроме того, для его использования необходимо наличие терминалов и сканеров в точках продаж, или же значительные инвестиции в их приобретение и установку.

Стоимость отсутствия товара

Независимо от того, какой именно метод оценки отсутствия товара применяется, очевидно, что магазины интересует в первую очередь стоимость этого отсутствия. Из чего же складываются потери от возникновения OOS? Прежде всего это, конечно же, упущенные продажи: та выручка, которую мог бы получить магазин, будь товар представлен на полке. Как показывают исследования, снижение OOS на 1% приводит к росту продаж на 0,33-0,5%. Однако на самом деле последствия от отсутствия товара на полке не сводятся только и исключительно к упущенным продажам. В числе дополнительных потерь нужно назвать следующие:

–      потеря лояльности потребителей к бренду продукции или магазина, и будущих продаж вследствие этого

–      потеря рабочего времени сотрудников торгового зала на поиск отсутствующей продукции

–      искажение статистической информации о спросе, на основании которой строится прогноз на будущие периоды, и, как следствие, «недопрогнозирование» и потери продж по этой причине

 

Рис. 1. Измерение отсутствия товара в продаже на основании данных терминалов продаж
Источник: ECR Optimal Shelf Availability Project: от проекта к бизнес-процессу. 2006.

Как показывают исследования[2], потребители, столкнувшиеся с ситуацией OOS, принимают дальнейшие решения о покупке следующим образом:

  • Купят товар другого производителя – 26-37 %
  • Купят нужный товар в другом месте – 21-31%
  • Отложат покупку – 15-17%
  • Купят аналог того же производителя – 16-19%
  • Ничего не купят вообще – 9%

Если распределить влияние этих решений покупателей между поставщиком и магазином, как это сделано в таблице 1, можно увидеть, что негативный эффект от отсутствия товара на полке примерно одинаково влияет и на первого, и на второго.

Таблица 1. Распределение прямых потерь от решений покупателя при отсутствия товара между поставщиком и магазином

 

И хотя может показаться, что магазин несёт потери чуть в меньшем количестве случаев, не следует забывать, что помимо прямых потерь существуют ещё и потери косвенные.

Места возникновения OOS

Таким образом, очевидно, что в предотвращении ситуаций отсутствия товара заинтересованы как магазин, так и его поставщик.  При этом встаёт следующий вопрос: если потери от OOS несут оба, то в какой мере каждый их них несёт ответственность за возникновение OOS? В какой части цепи поставок происходит наибольшее число сбоев?

Для того, чтобы ответить на этот вопрос, необходимо представить полную последовательность действий по обеспечению наличия товара на полке магазина, и определить возможные места возникновения ошибок при управлении информационным и материальным потоком.

В общем виде процесс обеспечения полок магазина выглядит так, как представлено на рис. 2.

 

Рисунок 2. Процесс обеспечения магазина продукцией на полках

При этом проблемы, ведущие к возникновению ситуации OOS, могут возникнуть на любом этапе этого процесса. Рассмотрим их подробнее.

  1. Проблемы, связанные с ошибками при прогнозировании спроса.

Как известно, неотъемлемым свойством прогноза является то, что он никогда не бывает на 100% точным. Ошибка в прогнозировании будущего потребления товара может привести к тому, что товар какое-то время будет отсутствовать на полке магазина. Причём в стандартном процессе эта ошибка может возникнуть дважды. Во-первых, при прогнозировании спроса конечных покупателей, которым занимается торговое предприятие. В этом случае рассчитанный размер заказа на поставку от поставщика будет меньше, чем может по факту потребоваться рынку. Во-вторых, при прогнозировании спроса со стороны магазина, которым занимается поставщик.  В данном случае, хотя сам размер заказа от магазина может быть точным, у поставщика может не хватить товара в наличии для удовлетворения этого заказа.

В неинтегрированной системе отношений магазин-поставщик влияние этой ошибки может усиливаться во времени за счёт возникновения эффекта Форрестера, когда передаваемые по цепочке заказы поставщику будут существенно искажены относительно исходных колебаний спроса на рынке. В результате этого поставщик окажется перед сложной задачей прогнозирования спроса для товаров с очень, с его точки зрения, неравномерным паттерном потребления. Очевидно, что точность прогноза в таком случае будет ещё ниже, чем могла бы быть.

2. Проблемы, связанные с учётом запасов в магазине.

Для того, чтобы рассчитать размер заказа на пополнение магазина, необходимо знать не только прогноз спроса, но и текущее количество товара в наличии. Однако, как показывает практика, данные о запасах товаров в магазине очень часто оказываются неверны. Причинами расхождения между записями о запасах в системе, и реальным количеством товара на полках и складских помещениях магазина могут стать следующие факторы:

–      Ошибки при сканировании товара на кассе в момент продажи. В этом случае система учёта запасов отмечает как проданный не тот продукт, который физически был приобретён покупателем, а другой, что приводит к появлению двойной ошибки: заниженного значения запасов по «неправильному» продукту, и завышенному значению – по «правильному».

–      Незарегистрированные в системе потери, например, от краж или из-за порчи продукта на полке или в подсобном помещении.

–      Пересортица при отгрузке из ДЦ

–      Человеческий фактор – в случае, когда у сотрудников магазина есть возможность вручную вводить данные о запасах в систему

–      Некорректная работа с мастер-данными по продуктам, особенно когда речь идёт о товарах-заменителях. Ошибки в кодах или описаниях продуктов могут приводить к тому, что вся информация о спросе и текущем запасе, которая имеется в информационной системе, окажется привязана не к тому продукту, что также повлечёт за собой двойную ошибку.

Неточные данные о текущих запасах приводят к искажению расчётов необходимого количества для заказа у поставщика, и, в итоге, к отсутствию товара на полке магазина.

3. Проблемы, связанные с расчётом заказа.

Помимо того, что на точность расчёта заказа со стороны магазина поставщику влияют ошибки прогнозирования и учёта запасов, существует риск неточного расчёта требуемого количества. Этот риск имеет две причины возникновения. Во-первых, заказ может быть рассчитан неточно из-за самой методики расчёта, например, когда в неё закладываются некорректные параметры доставки или расчёт производится вручную и возникают ошибки из-за человеческого фактора. Во-вторых,  неточный расчёт размера заказа – а точнее, заказ большего количества, чем на самом деле планируется продать – может быть намеренным действием со стороны торгового предприятия. В частности, крупные торговые сети обладают, как правило, большим экономическим влиянием в своей цепи поставок, поэтому могут диктовать свои условия поставщикам. Одним из таких условий является обязательство поставщика принимать к возврату остатки нераспродано продукции независимо от её срока годности. При этом магазин получает возможность размещать заказы на большее количество, чем требуется, без риска создать у себя излишний запас. Казалось бы, такая практика, наоборот, должна способствовать сокращению показателей OOS, однако на более длительной перспективе подобное искажение информации о реальных потребностях магазина приводит к ухудшению качества прогнозирования и скорости реакции поставщика.

4. Проблемы, связанные с исполнением заказа со стороны поставщика.

Сюда относятся все ошибки, возникающие при планировании производства и распределения продукции, а также возможные риски и задержки во время комплектации и доставки заказов: например, ошибки комплектации, пересортица, неточная или несвоевременная доставка и т.д. Кроме ошибок исполнения процесса выполнения заказа, существуют также ошибки его планирования – в частности, неправильный выбор частоты или графика пополнения запасов магазина. Недостаточно частые поставки увеличивают риск возникновения OOS в период перед следующей ожидаемой поставкой, одновременно с этим лишая и поставщика, и магазин, оперативно среагировать на отсутствие товара. Помимо частоты поставок имеет значение их график, особенно если это касается скоропортящихся товаров. Если график поставок составлен так, что пополнение происходит после пика продаж, то вероятность получить OOS в сам пик становится гораздо выше.

4. Проблемы, связанные с размещением товара на полке магазина.

Это группа факторов, которая связана с теми ситуациями OOS, которые возникают, когда товар имеется в наличии на складе магазина, однако при этом отсутствует на полке. Сюда относятся:

–      несвоевременное перемещение товара в торговый зал

–      непропорциональное скорости продаж выделение места на полке для разных товаров. Это приводит к необходимости гораздо чаще пополнять полки с быстрооборачивающимися товарами, а следовательно, увеличивает риск того, что товар не будет вовремя пополнен

–      отсутствие системы контроля за OOS, а следовательно, отсутствие возможности вовремя среагировать и донести товар до полки

–      дефицит рабочего времени персонала, который должен заниматься перемещением товара на полку и т.д.

Все перечисленные проблемы можно разделить на группы с точки зрения того, на чьей стороне эта проблема возникает. Это разделение представлено в таблице 2.

Таблица 2. Распределение возможных причин появления OOS между поставщиком и магазином

Таким образом, можно выделить три группы причин OOS: причины, возникающие при исполнении процессов поставщика; причины, возникающие при исполнении процессов магазина; и причины, возникающие при планировании спроса – эта группа причин является общей для поставщика и для магазина.

Согласно исследованиям ECR, влияние этих причин на появление OOS распределяется по следующим весам:

  • отсутствие товара по вине поставщика – 25-28%
  • отсутствие товара на полке при его наличии в магазине – 25-32%
  • отсутствие товара из-за проблем прогнозирования – 43-47%

Получается, что, с одной стороны, и поставщик, и магазин одинаково заинтересованы в сокращении ситуаций OOS, и, с другой стороны, их влияние на OOS так же распределяется примерно одинаково. На основании этого можно предположить, что наибольший эффект по сокращению отсутствия товара на полке может дать комплекс совместных действий, а не отдельные инициативы предприятия торговли или производителя/дистрибьютора готовой продукции.

Сотрудничество для сокращения OOS

Первым шагом на пути к совместному управлению наличием товара на полке должна стать договорённость о совместном измерении и контроле OOS. Эта договорённость позволяет партнёрам иметь единое представление о том, какова ситуация с наличием товара в продаже и в какой части цепи поставок возникают проблемы. Как уже рассматривалось выше, наиболее эффективным методом измерения OOS является анализ данных, получаемых с POS терминалов. Сравнение показателей OOS с показателями уровня обслуживания со стороны поставщика позволит выявить и проанализировать основные точки приложения усилий партнёров.

Широкое использование POS терминалов и обмен данными между магазинами и поставщиком о размерах продаж позволит создать единую базу для принятий решений о будущем спросе. Статистика продаж, дополненная статистикой OOS, даст возможность оценить общий спрос, т.е. скорректировать данные о продажах в случае возникновения OOS, чтобы для прогнозирования были использованы не заниженные объёмы продаж, а более реалистично рассчитанные объёмы предъявленного спроса. Если дополнить эту более точную статистику процессом совместного прогнозирования спроса, точность прогноза может суммарно вырасти на 10-15%. Это происходит за счёт того, что магазины и поставщики имеют возможность сложить свои знания о ситуации на рынке как в разрезе точек продаж, так и в разрезе тенденций рынка, на котором присутствует поставщик. Такое совместное использование информации позволяет точнее оценить будущие тенденции развития спроса.

Кроме того, совместный процесс прогнозирования позволяет более точно спланировать спрос на период проведения промо-акций, и даёт возможность поставщику заранее подготовиться с ним, чтобы обеспечить наличие товара, что, в свою очередь, сокращает вероятность появления OOS.

Очевидно, что совместное принятие решений о будущем спросе имеет больший экономический эффект, чем попытки поставщика и магазина повысить точность своих прогнозов по отдельности. Это связано с тем, что совместное прогнозирование спроса на основании единого набора данных о потреблении товара, а также обмен данными о текущих продажах, позволяет нивелировать негативное воздействие эффекта Форрестера, что приводит к повышению уровня обслуживания при одновременном сокращении излишних запасов.

Следующим шагом на пути сокращения OOS может стать совместная работа поставщика и магазина над обеспечением точности данных о продукте, например, за счёт использования единой системы кодификации во всей цепи поставок на базе стандарта GTIN (Global Trade Identification Number), которая позволяет интегрировать в себя все варианты товарных кодов – и по стандарту UPC, и по европейскому EAN. Единая кодификация и описание продуктов влияет на наличие товара на полке по нескольким направлениям. Во-первых, таким образом обеспечивается более высокая точность данных о запасах, поскольку исчезают ошибки приписывания запасов не тем продуктам. Во-вторых, она позволяет избежать ошибок при расчёте и передаче заказов поставщику, поскольку исключает ошибки передачи заказа не по тому товару. В-третьих, она сокращает время как на обработку заказа поставщиком, так и на его последующую приёмку магазином, т.к. не требуется времени на уточнение товарных позиций. Так, например, WalMart и Johnson&Johnson смогли за счёт синхронизации данных о продукте сократить OOS на 2,5%, а Procter&Gamble при работе с несколькими торговыми сетями в Латинской Америке  - на 2,6%[3].

Ещё одной областью совместной работы может стать создание правил размещения заказов и графиков пополнения запасов в магазине. Так, например, получая данные от магазина о текущих и будущих продажах, поставщик может договориться с торговой точкой о частоте и времени поставок, которые наилучшим образом коррелируют с паттерном потребления его товаров. Более того, имея информацию о текущих продажах и остатках в магазине, поставщик может начать действия по производству и подвозу товаров в свой ДЦ заранее, не дожидаясь заказа от магазина. Кроме того, если будет существовать договорённость о том, какой уровень страхового запаса будет поддерживаться магазином, а какой поставщиком, это сможет ещё сократить влияние эффекта Форрестера, так как отпадёт необходимость в содержании дублирующих друг друга страховых запасов.

Более полным вариантом интеграции по этому вопросу может стать переход поставщика и магазина на управление запасами по принципу VMI – когда поставщик берёт на себя обязанность управлять запасами своего клиента, получая от последнего данные о текущих продажах и остатках. В рамках данной технологии поставщик разрабатывает политику пополнения запасов и график их пополнения исходя из установленной цели по обеспечению наличия товара на полке.

Несмотря на то, что ответственность за своевременное перемещение товара на полку в самом магазине лежит на нём же, как показывает практика, некоторые совместные решения могут помочь улучшить качество выполнения этой задачи. Так, например, одной из причин долгого отсутствия товара на полке даже когда уже известно о факте OOS, является нехватка рабочего времени персонала, который может быть в этот момент занят приёмкой товара или раскладкой другой продукции. Очевидно, что если сократить время, необходимое для приёмки и выкладки продукции, эту проблему можно будет решить. Одним из вариантов такого решения является договорённость между поставщиком и магазином об использовании упаковки, готовой к выкладке на полку – shelf ready packaging, SRP. В этом случае коробка, которая используется для транспортировки продукции, выступает одновременно и неким кейсом для перемещения товара на полку магазина, и средством коммуникации бренда с покупателями. При использовании SRP существенно сокращается время, необходимое для выкладки товара, т.к. выкладка осуществляется не поштучно, а сразу коробками. Единственным минусом при внедрении SRP является необходимость инвестиций со стороны поставщика, поскольку ему придётся разрабатывать и заказывать новую форму упаковки. Однако влияние SRP не ограничивается только снижением вероятности OOS, при использовании такой упаковки отмечается рост узнаваемости бренда, что также ведёт к росту продаж.

Помимо SRP, поставщик и магазин могут договориться о таком принципе загрузки машин, который соответствует размещению товаров на полках, по принципу, аналогичному методу снабжения «just in sequence», точно в последовательности. То есть магазин и поставщик создают совместную планограмму размещения товаров, и когда прибывает машина с заказом, работники магазина, разгружая её, могут сразу же последовательно заполнять полки, что также экономит время на выкладку продукции.

Заключение

Поскольку проблема отсутствия товара на полке является общей и для поставщика, и для магазина,  можно предположить, что наилучшим образом будут работать решения, основанные на построении совместных процессов.  И хотя они совсем не отменяют необходимости повышения качества работы для каждого из партнёров в отдельности, тем не менее можно предложить следующую схему совместной работы по сокращению OOS между магазином и поставщиком:

  1. Запустить измерение OOS и уровня сервиса со стороны поставщика.
  2. Проанализировать процесс прогнозирования, наладить обмен данными о текущих продажах и OOS.
  3. Выделить, на какую сторону приходится наибольшее количество проблем, не связанных с прогнозированием.
  4. Разработать совместный план действий по устранению выявленных проблем. При этом стоит помнить, что проблемы одной стороны гораздо эффективнее решаются путём изменений, затрагивающих всю цепь поставок в целом.
Литература:
  1. Nick T. Thomopoulos. Demands, Backorders, Service Level, Lost Sales and Effective Service Level // International Applied Business Research, Annual Conference Proceedings, Puerto Rico, March 2004
  2. Thomas W. Gruen, Daniel Corsten. A Comprehensive Guide To Retail Out-of-Stock Reduction In the Fast-Moving Consumer Goods Industry. Research study, 2007.
  3. Официальный сайт организации Efficient Consumer Response в России: http://ecr-all.org/russia/
  4. Gruen, Thomas W., Daniel Corsten and Sundar Bharadwaj (2002): “Retail Out-of-Stocks: A Worldwide examination of Extent Causes and Consumer Responses.” Grocery Manufacturers of America.
  5. ECR Optimal Shelf Availability Project: от проекта к бизнес-процессу. 2006
  6. ECR Global Scorecard: система глобальных показателей ECR. 2006
ССЫЛКИ:

[1] ECR Global Scorecard: система глобальных показателей ECR. 2006

[2] Данные из материалов исследований ECR Europe, цитируется по ECR Optimal Shelf Availability Project: от проекта к бизнес-процессу. 2006, и из Gruen, Thomas W., Daniel Corsten and Sundar Bharadwaj (2002): “Retail Out-of-Stocks: A Worldwide examination of Extent Causes and Consumer Responses.” Grocery Manufacturers of America.

[3] Thomas W. Gruen, Daniel Corsten. A Comprehensive Guide To Retail Out-of-Stock Reduction In the Fast-Moving Consumer Goods Industry. Research study, 2007.

 
Прочитано 5417 раз

Контакты

Работа с авторами 

Левина Тамара

моб. 8(962) 965-48-54

E-mail: levina-tamara@mail.ru

Распространение

Алямовская Наталия

моб. 8(916) 150-07-21

E-mail: nalyamovskaya@mail.ru

Адрес 

125319, Москва, ул. Черняховского, д.16

тел./факс (495) 771 32 58

ISSN 2587-6775

Издается с 2004 г.

Включен в перечень ВАК с 2008 г.

ИНДЕКСИРОВАНИЕ ЖУРНАЛА