или выберите автомобиль из списка:
Подберем запчасти
за 15 минут
+ Добавить запчасть
Отправить запрос эксперту

Ищем партнеров! Вы получаете: поток клиентов, автоматизацию процессов от стола заказов до розничной сети, платежи online и доставку заказов по РФ!

Бесплатный интернет магазин: автозапчастей с каталогами + конфигурация «стол заказов». Объем прайсов до 500.000 строк. Персональный ЛЕНДИНГ - привлекайте клиентов из поиска и социальных сетей. Длительность использования и количество клиентов – не ограничены!



Умный ассортимент магазина запчастей

Умный ассортимент магазина запчастей.

Руководство розничного магазина планирует создать склад запчастей и инвестировать в проект 5 млн. руб. Ассортимент формирует опытный менеджер отдела заказов. Сотрудник находит в открытых источниках данные автопарка, накладывает их на статистику продаж, компания производит закупку. Большинство товаров зависает без движения. Знакомая история?


Статья опубликована в журнале АвтоКомпоненты № 3-2017, стр. 120-122

Классический подход к построению ассортимента выглядит так: анализ автопарка => выбор поставщиков => выбор товарных категорий => выбор брендов => присвоение артикулам min -max остатков => анализ продаж, корректировка ассортимента

Ассортимент, построенный по такой схеме, имеет ряд недостатков:

·       Ассортимент жестко привязан к начальному выбору поставщиков и брендов. А этот выбор часто опирается на субъективные предпочтения менеджера.

·       Анализ автопарка производится только на первом шаге формирования ассортимента. Для корректировки min-max остатков используется только статистика продаж. Т.е., ассортимент не учитывает изменения рынка.

·       Высокие трудозатраты на обновление ассортиментной матрицы.

В статье «5 фатальных ошибок B2C» (журнал АК № 12) мы уже рассказывали о том, что активный ассортимент запчастей в сегменте иномарка составляет 260.000 наименований. Как из этого многообразия выбрать актуальные позиции?

ВИН-КОД.РФ формулирует следующие критерии «умного ассортимента»:

  • Ассортимент связан с автопарком клиентов магазина.
  • При каждой закупке происходит автоматический пересчет ассортимента.
  • Отсутствует монополия брендов и поставщиков.

Модель ассортиментной матрицы.

Представьте ассортиментную матрицу в виде склада запчастей. На этом воображаемом складе размещены все доступные предложения поставщиков. Для каждой модели автомобиля – выделен отдельный стеллаж. Каждый пролет стеллажа - одно наименование запчастей (один оригинальный номер). Запчасти разных брендов размещены на разных полках. На одной полке могут лежать одинаковые запчасти от разных поставщиков. Каждая коробка снабжена электронной табличкой с указанием цены и условий поставки (рис. 1).




Сервер склада получает информацию об автопарке клиентов из внешней базы данных. Сервер управляет системой освещения склада - полки с ликвидными товарами подсвечиваются.

Чтобы пополнить ассортимент, менеджер просто обходит подсвеченные полки, и выбирает позиции с наилучшими условиями поставки.

Умный ассортимент отличается от классического в следующих деталях:

·       Классический ассортимент фиксирует товар (артикул + бренд), которые и будет заказан у поставщика. Умный ассортимент фиксирует оригинальные номер. Товар вычисляется по кроссам в момент заказа с учетом актуальных предложений поставщиков.

·       Умный ассортимент следит за изменениями автопарка.

·       Классический ассортимент - это таблица. Таблицу составляет менеджер и загружает ее в учетную систему магазина. Умный ассортимент – это программный процесс внутри системы, который работает с данными в реальном времени.  

От теории к практике.

 

Для применения модели умного ассортимента в реальных закупках необходимо:

1.     Определить автопарк клиентов магазина.

2.     Определить ликвидные позиции.

3.     Сформулировать ограничения: бюджет, условия поставки, ценовой сегмент.

Менеджер из примера в начале статьи находит данные автопарка «в открытых источниках». Ценность подобных данных заключается в том, что они бесплатные. Однако, на их основе можно построить разве что ассортимент расходников, и то – в ручном режиме.

Для создания умного ассортимента необходимы параметризированные данные автомобилей. Их можно получить, например, из вашей CRM или базы данных интернет магазина.

Программный алгоритм ВИН-КОД.РФ опрашивает базу интернет магазина и последовательно получает VIN клиентов. Далее, алгоритм обращается к электронному каталогу и по списку товаров получает оригинальные номера запчастей. Через кроссы в прайсах поставщиков производится поиск доступных аналогов.

В результате, получаем трехмерную матрицу артикулов, которые разложены по ячейкам:



·       «X» - модель автомобиля: Ford Focus II, VW Passat, Nissan Primera, Chevrolet Aveo, Hyundai Accent IV

·       «Y» - наименование товара: фильтр масляный, тормозные колодки передние, комплект сцепления, бензонасос, амортизатор передний правый.

·        «Z» - бренд производителя автозапчастей: BOSCH, FILTRON, NIPPARTS, TRW, FEBEST, LEMFOERDER

Полученная матрица напрямую связана с автопарком клиентов и пересчитывается по мере его изменения.

Этапы закупок.

Предположим, что у магазина отсутствует данные по автопарку клиентов. Тогда, для первых закупок мы используем автопарк клиентов ВИН-КОД.РФ по городу партнера (рис. 2). По мере накопления статистики, алгоритм закупок начинает использовать уже реальный автопарк конкретного магазина.


Ликвидность позиций и брендов для выбранного автопарка рассчитывается аналогично. На первом этапе алгоритм закупок ВИН-КОД.РФ использует федеральную статистику продаж. Далее, статистику конкретного магазина.

Закупка товарных групп в наличие так же производится этапами. Сначала происходит закупка расходников. Накапливается статистика по фактическому автопарку магазина. После чего, производится закупка основного ассортимента.

Статистика группы «амортизаторы».

Распределение брендов по группе «амортизаторы» в продажах ВИН-КОД.РФ приведено на рис. 3


Как видим, статистика конкретного магазина отличается от средней по рынку. Именно поэтому при формировании ассортимента не стоит опираться на внешние данные. Надо копить и анализировать собственные.  

Однако, общие выводы из приведенных диаграмм сделать все же можно:

·       Значимую долю на вторичном рынке занимают 30 брендов амортизаторов. Чтобы не распылять объемы у поставщиков, небольшой магазин должен ограничить брендовую линейку. Крупный магазин напротив может существенно снизить стоимость закупок, отказавшись от монополии брендов.

·       Традиционные бренды KYB, SACHS, BILSTEIN, MONROE за последние три года отдали большую часть рынка новичкам. Набирают популярность бюджетные азиатские марки BORT, KORTEX, FEBEST. Все чаще в статистике начали появляться private label дистрибьюторов автозапчастей: STELLOX, PATRON, LYNXAUTO.



·       Если в автопарке магазина большую долю занимают корейцы, вам не обойтись без нишевых брендов MANDO и PARTS-MALL.

Чек – лист.

Чек лист ВИН-КОД.РФ для формирования умного ассортимента:

1.     Собираем статистику автопарка и ликвидности запчастей. Наилучший источник данных - база интернет-магазина и CRM

2.     На уровне программы связываем базу автомобилей, электронные каталоги и прайс листы поставщиков

3.     Определяем бюджет складского запаса

4.     Ограничиваем список авто и товаров, используя статистику ликвидности => получаем оригинальные номера

5.     Производим поиск аналогов в прайсах поставщиков => ищем минимальную цену аналога с учетом качества => формируем предварительный заказ.

6.     Сумма предварительного заказа соответствует бюджету?

a.      НЕТ =>  возвращаемся на ШАГ 3

b.     ДА => Размещаем ЗАКАЗ!

7.     Накапливаем данные, автоматизируем этапы процесса, строим умный ассортимент!

 


Автор: Сарумян_MIT
Размещена: 2017-03-03 21:31:25
Раздел: Обсуждение автобизнеса


К списку статей
Заявка на франчайзинг