Живеем във времена на драматични промени и ритейл секторът не прави изключение. Тук не става дума само за неизбежната технологична трансформация на този тип бизнес, но и за промените в потребитеските нагласи заради COVID-19. Много ритейл бизнеси не успяват да отговорят на предизвикателствата. От 2015 г. досега, общо 128 крупни ритейл марки са обявили фалит само в САЩ по данни на CB Insights. Сред тях са вериги магазини за храни и напитки, дрехи, обувки, мебели, спортни стоки, стоки за свободното време и т.н. Ето защо поставяме фокус върху наистина важните ритейл KPI показатели и разказваме как изкуственият интелект и автоматизацията на бизнес процесите помагат те да бъдат оцветени в зелено.
Парични потоци
Стартираме с основното за всеки един бизнес, а това са парите. С колко разполагаме? Имаме ли достатъчно за нови обекти, разширяване на съществуващи, модернизация, оборудване, софтуерни решения?
Паричният поток е един от най-лесните за изчисляване, разбиране и често използван показател за всеки ритейл бизнес. Паричният поток показва разликата между нетните постъпления от основна дейност (постъпления от основна дейност минус плащания за основна дейност) и плащанията за капиталови разходи (инвестиции).
Истината е, че с автоматизираните решения ние можем директно да влияем върху паричния поток. Няколко примера:
- с автоматизацията освобождаваме ресурс – без значение дали той е човешки или паричен;
- прогнозирането, което е една от основните сили на системите, базирани върху изкуствен интелект е ключово за управлението на паричните потоци и за постигането на желания баланс;
- автоматизираното бюджетиране ни помага да контролираме разходите си;
Когато избираме локация за нов обект/магазин/точка на продажба, можем да аргументираме този избор с реални данни.
За да илюстрираме тази публикация с данни, както и за да помогнем на българските ритейлъри да се ориентират за собственото си представяне, спрямо средното за индустрията, ние се обърнахме към публични източници на информация. Финансовите отчети от 2019 г. са такъв източник на информация и от тях успяхме да свалим данни за 5 ритейл KPIs. Ето най-интересното за паричния поток:
- най-високата средна стойност на паричният поток е в сегмент „Детски стоки“, където средното ниво на показателя е 15 298 667 лв. т.е. има значителен по размер наличност на пари за инвестиции.
- максималната стойност на паричния поток сред българските ритейлъри е на търговец в сектор „Хранителни стоки“, където максималното ниво на този показател е впечатляващите 86 096 000 лв. в рамките на 2019 г.
- най-ниската стойност на показателя „паричен поток“ е при търговец от сектор „За дома/Обзавеждане“ е внушителните минус -103 218 000. Т.е. тук имаме огромен финансов дефицит за разглеждания период.
Марж на брутната печалба
Този показател се формира от разликата между приходите от продажби и стойността, на която придобиваме продадените стоки. Изчислява се в проценти, като тук има някои тънкости като тази, че приходите далеч не винаги са равни на продажбите, тъй като дори и ритейл бизнесите имат приходи и от други направления. Освен това, при стойността на придобиване на стоките трябва да се имат предвид както преките, така и непреките разходи за тях (напр. транспорт). С модерните ERP и POS системи вече е лесно и бързо да видим стойностите на този KPI за даден период от време и да видим представянето му по отделните категории и дори продуктови групи.
В момента има много решения, базирани на AI (изкуствен интелект) и работа с данни, с които печалбата може да се управлява по-ефективно. Когато става дума за комплексен бизнес с десетки хиляди SKU-а, предлагани в десетки обекти, управлението на печалбата далеч не се изчерпва само с купи евтино и продай скъпо.
Ето няколко възможности за приложение на AI, така че да максимизираме печалбата на един ритейл търговец:
- Определяне на ключовите продукти и най-подходящата цена за тях;
- Изчисляваме ефекта на промоциите, както количествено, така и качествено;
- Най-напредналите ритейлъри вече използват AI-базирани системи за създаване на индивидуални промоции, както и за динамично ценообразуване за конкретен клиент, в конкретен момент.
Какво показват публичните данни (2019 г.) от български ритейлъри по отношение на коефицентът на брутната печалба:
- От общо 8 сегмента в ритейл сектора, средните стойности на този показател варират между 13,44% до 46,65%.
- Най-високата стойност на този коефицент е в сегмент „Мода“, където брутната печалба е 46,65 на сто.
- Най-ниската брутна печалба сред българските ритейлъри е на търговец от сегмент „Хранителни стоки“ и стойността му е 3,3%.
Продажби
Тази формула отразява динамиката в продажбите на годишна база. Положителната стойност означава, че продажбите се увеличават – отрицателната, че падат. Тя е обща снимка за представянето на основната дейност на един ритейлър. Тази снимка дава отговор на въпросите как се справяме, имаме ли ръст, запазили ли сме нивата или генерираме спад. Разбира се, най-важният въпрос е какви са причините за промяната? Ако пазарът се движи нагоре, а ние не – това означава, че изоставаме и губим пазарен дял.
Когато мениджмънта на един търговец на дребно трябва да вземе дадено решение, то трябва да бъде базирано на информация. Тази информация могат да бъдат исторически данни на самия бизнес, но могат и да са данни от външни източници. Ето няколко области, в които можете да приложите автоматизация на решенията и те да доведат до ръст в продажбите:
- Автоматизация на поръчките;
- Автоматизирано следене на наличностите на ниво складове и регали
Прегледът на отношението между приходите и себестойността на продадените стоки към приходите (коефицент на брутна печалба в %) за българските ритейлъри показва следните интересни моменти:
- Средните показатели за различните ритейл сегменти са между 2,12% до 45,43%;
- Най-високата стойност е при сегмент „За дома/Обзавеждане“;
- Най-големия ръст в продажбите отново е за търговец от сегмент „За дома/Обзавеждане“ и е на стойност 146,9%
- Най-голям спад в продажбите отбелязва търговец в сегмент „Мода“ с -37,7%.
Обращаемост на СМЗ // Inventory turnover
Обращаемостта на стоково-материалните запаси (в дни) показва отношението между средната наличност на стоки през определен период към приходите за същия период. Чрез този показател разбираме колко бързо успяваме да реализираме наличните стоки в складовете и в търговските обекти.
Това е изключително важен KPI, който е ключов за ефективността на бизнеса. Колкото по-малко дни една стока стои при търговеца, толкова по-добре се справя той със своята работа. Истината е, че чрез автоматизирано вземане на решения в ритейл сектора може да се влияе върху този показател като настроим алгоритмите така, че да не позволяват натрупването на излишни материални запаси. Оптимизацията на логистиката може да държи стоката точно там, където и когато е нужна. Ако обръщаемостта ни е висока или по-висока от тази на конкуренцията, това означава, че затваряме капитал в излишни наличности, а това е неефективно. Бавно продаваемите стоки резултират в по-висок разход за тяхната реализация в сравнение с по-търсените такива. Трябва да отбележим и т.нар. opportunity cost за бавно продаваемите артикули, тъй като за времето, през което те ще се продадат, друга стока ще реализира повече продажби.
Ако отправим поглед към българските ритейл търговци и публичните данни виждаме няколко интересни момента:
- 38 дни средно престояват стоките и продуктите при търговците от сегмент „Хранителни стоки/Бързооборотни стоки“.
- 502 дни е най-високата стойност на този показател сред наблюдаваните от нас търговци. Той е от сектор „Спортни стоки“.
GMROI // Възвръщаемост на инвестицията в стоково-материални запаси
Зад тази донякъде странна абревиатура стои показателят Gross Margin Return of Investment или марж върху възвръщаемост на инвестицията. Този показател е още един начин да оценим представянето на ритейл бизнеса и дали инвестицията му в складови наличности води до печалби, но има малко по-различен израз. Възвръщаемостта на инвестицията в СМЗ показва отношението на брутната печалба за определен период към средната наличност на стоки през същия период и е важно да бъде над 1.
Този KPI отговаря на въпроса дали генерираме достатъчно брутна печалба спрямо средните разходи за складови наличности, както и как този показател се променя във времето. Тук изкуственият интелект може да помогне зо подобряването на стойностите на GMROI чрез различни подходи, включително но не само автоматизиране на поръчките и машинно генерирано ценообразуване. Практически, този показател зависи пряко от доброто управление на складовите наличности, което пък е функция от автоматизираната стратегия за поръчки, за която вече споменахме. Оптимизацията на цените и определянето на ценовата еластичност, постижима чрез AI & ML също помага за подобряване стойностите на този показател.
Прегледът на данните на българските търговци показва следните интересни моменти:
- Средните показатели за различните сектори варират в широки граници – от 0,7 до 5,9;
- Ритейл сегментът в България, който се представя най-добре по този показател е „Хранителни стоки/Бързооборотни стоки“, където средната стойност е 5,9 или брутната печалба е близо 6 пъти по-голяма в сравнение със средната стокова наличност.
- Най-зле по този показател се представят два български търговеца от сегменти „Хранителни стоки/Бързооборотни стоки“ и „Спортни стоки“, където изчисляваме 0,2.
Обръщаемост на стоки // Sell-through rate (%)
Продажбите са важен индикатор, но sell-through rate е особено интересен, защото дава поглед към друг важен KPI – възвръщаемостта на инвестицията, известен още като ROI.
Практически, за всеки ритейл, една от крупните му инвестиции са наличностите в склада и регалите. Да сме наясно с продажбите и с наличностите е недостатъчно за добиване на добра картина, важно е да се знае и темповете на реализация на тези наличности. Обикновено, този показател се изчислява на месечна база и неговите стойности могат да индикират проблеми в продажбите на ниво продукт или категория, но не разкриват неговия генезис.
Един от доказаните начини за постигане на по-добри резултати по sell-through rate е с организирането на разпродажби и промоционални активности. Друг е чрез интелигентно управляване на наличностите. Ако очаквате 100 продажби в рамките на месеца, няма нужда да държите 200 бройки от този артикул на склад, просто защото презапасяването струва пари и то много. Излишъците водят не само до ръст на затворения капитал, но и до увеличение на бракуваната стока и това е проблем, който AI адресира с лекота.
Брой артикули при транзакция
В ритейл сектора има една максима, която гласи, че вторият продукт в количката прави печалбата на търговеца. Ако целта е да се максимизира печалбата, погледът към продуктите във всяка транзакция е ключов. Колкото по-голяма е средната бройка на продуктите за транзакция, толкова повече купуват клиентите и това има положително въздействие върху бизнеса (с уговорката, че няма съществена динамика в количеството клиенти). Броят артикули на транзакция може да бъде проследен по продажбен канал (физически, онлайн), а с една добра BI система и до ниво търговец/консултант. Този показател дава информация за качеството на обслужването, което ритейл бизнесът предлага, както и за спецификата на търсенето. Ако един ритейлър успее да увеличи стойностите на този показател, това означава, че той познава добре и разбира клиентите си и това има пряко отражение във финансовите резултати. Много ритейл професионалисти смятат, че това е ключов показател за малките до средни търговци на дребно и при тях може да направи разликата между провал и успех.
Възможностите на AI позволяват на ритейлърите да създават комбинирани предложения на база идентифицирана чрез машинно самообучение корелация в покупките на различни стоки. Тази корелация може да се превърне в основа за промоционална активност от типа на Плати 2, вземи 3 и мн. други. Най-важното в случая е, че изкуственият интелект е доказано успешен при идентификацията на такива корелации, невидими с просто око заради огромния обем на данните. Примерът с памперсите и бирата е христоматиен!
Клиентско удоволетворение
За разлика от финансовите, складовите и показателите за продажби, клиентското удоволетворение изглежда малко по-трудно за измерване. Липсата на усещането за конкретика в този показател не трябва да води по никакъв начин до отказ от неговото измерване. Един от най-популярните начини за изчисляване на задоволството сред клиентите е т.нар. оценка на склонността на клиентите да препоръчват търговеца на дребно на свои близки и приятели. Изчислява се след като потребителите бъдат помолени да отговорят на въпроса „До колко е вероятно да ни препоръчате на свой близък или приятел“, като отговорите са в скала от 0 до 9. Оценки от 8 и 9 се дават от т.нар. адвокати или хора, които биха направили препоръка (promotors). Оценки от 7 и 8 се смятат за неутрални, докато между 0 и 6 са тези, които не биха препоръчали този търговец на дребно (detractors) и биха направили негативни коментари.
Резултат над 1 означава, че търговецът на дребно има повече адвокати, отколкото негативни посланици. Колкото по-висока е тя, толкова по-голямо е клиентското удоволетворение.
Задаването на подобен въпрос е лесна задача в онлайн ритейла, но във физическите магазини за търговия на дребно е малко по-трудно. Разбира се, програмите за лоялност са един от подходите към тази задача. Друг популярен вариант е използването на т.нар. „щастливо копче“ върху тъч скрийн екран. Клиентите могат да оценят обслужването чрез докосването на усмихнато зелено човече или червена фигура, означаваща неудоволетворение. Така оценката лесно може да бъде изчислена.
С Data Analytics имаме възможност да търсим причините за негативната обратна връзка и след като те бъдат идентифицирани да се изгради стратегия, адресираща този проблем. Тук полезни могат да бъдат аналитични инструменти като Natural Language Processing (NLP). Оценката на клиентските настроения може да се прави и на базата на sentiment анализ с цел подобряване на бизнес процесите и всичко това, за да увеличим процента на клиентите, които препоръчват дадения търговец.
Потребителско изживяване
Тук не говорим за конкретен цифров измерител, но фактът, че все повече ритейл бизнеси имат своя Chief Experience Officer показва важността на потребителското изживяване за търговците на дребно. Начините за измерване на потребителското изживяване до голяма степен зависят от типа на бизнеса. Клиентското удоволетворение, за което говорихме преди малко е част от картината в потребителското изживяване. Други показатели, които могат да изградят по-цялостна картина е броя отказани или върнати поръчки, брой интеракции с център за обслужване, брой проблемни продукти върху общия брой на поръчките или клиентски ревюта – добри или лоши.
Наблюдаването и анализирането на това множество от показатели ни помагат да открием слабите места в т.нар. customer journey и да създадем стратегия за тяхното подобряване. Идентифицирането на т.нар. friction points е ключова задача, ако търсим подобрение на потребителското изживяване. Работата с качествени и достатъчно големи данни ни дава възможност дори да сегментираме потребителите и да установим дали различните сегменти не срещат трудности на различни места.
Например, за да подобрят скоростта на обслужване, някои ритейлъри използват т.нар. image processing чрез който везната за самообслужване сканира продукта и предлага бутона за таксуване на съответния продукт. Това е от особена полза за по-възрастни клиенти, които се объркват при многото менюта и възможности за избор.
% Конверсии
Проучвания в ритейл сектора ясно показват, че по-доброто потребителско изживяване е в пряка корелация с вероятността за покупка в бъдеще време. Това означава, че едно добро изживяване би могло да превърне потенциалния клиент в реален такъв. Начинът за измерване на конверсиите е като разделим броя посетители върху броя на действителните клиенти. В онлайн търговията това е изключително лесно, при физическите ритейл обекти е по-трудно, макар вече да съществуват платформи за измерване на т.нар. foot traffic или на броя хора в съответната локация.
При онлайн търговията, Data Analytics може да бъде успешен за увеличаването на процента конверсии с поне два подхода. Първият е анализ на потребителското изживяване и фокус върху точките (изходните страници) в които потребителската сесия най-често бива прекратена. Ако анализът на тази информация покаже аномалии и драстични отклонения от стандартни KPIs като shopping cart abandon rate напр., това означава, че трябва да се фокусираме върху подобряване на user experience в тези точки/страници, така че те да конвертират по-добре. Другото, което може да се направи е т.нар. RFM analysis – Recency, Frequency, Monetary, който показва кои са най-лоялните клиенти с най-висока степен на вероятност за осъществяване на нова покупка. Освен това с Machine Learning алгоритъм можем да приложим behavioral analytics и да моделираме поведението на различните сегменти от клиенти. След това се създават оптимизационни стратегии за всеки сегмент. В резултат получаваме оптималното предложение с оптималното послание за групата клиенти с най-висока вероятност да отговори положително на предложението. Разбира се, и тук резултатите зависят от типа ритейл бизнес.
Потърсете ни за демо на A4Retail, за да видите как заедно можем да управляваме няколко KPIs едновременно.
