
На объем продаж в e-com влияет множество метрик: качество оформления карточки, цена, позиция в поиске, видимость для пользователей, отзывы и рейтинг. Но ни одна из них не поможет нарастить выручку, если товара нет на складе. Покупатель выберет аналог, который есть в продаже; другими словами, бизнес просто потеряет деньги.
На примере кейса клиента из категории FMCG рассказываем, как системная работа с товарными остатками помогла повысить продажи на 44%.
Продукт
Клиент Easy Commerce занимается производством продуктов питания в
нескольких категориях — от кондитерских изделий до приправ и соусов. Кроме торговых сетей, товары
бренда продаются на маркетплейсах и через сервисы доставки, в том числе — в Яндекс Лавке (на ее
примере мы опишем принцип работы с товарными остатками).
Задача
Товары клиента еженедельно доставляются более чем на 300 складов
(дарксторов) в Москве. Перед Easy Commerce стояла задача выявлять склады, где заканчиваются товары,
и набор товаров, которые нужно поставить. Важно было работать на снижение метрики OOS (out of
stock), чтобы бизнес не терял деньги из-за того, что товары в дарксторах закончились.
Контекст
Данные по остаткам на складе в штуках отдают не все платформы: чаще они
ограничиваются статусами «много» или «мало». Это усложняет работу со стоками: без дополнительных
инструментов продавцу сложно определить количество отдельных наименований и рассчитать, когда товары
закончатся.
Мы подходим к этой проблеме с нескольких сторон:
- с помощью инструмента CAT собираем данные, которые помогают обнаружить системные проблемы с поставками и товары, заканчивающиеся чаще всего;
- на основе данных от клиента управляем стоками онлайн;
- создаем модели для прогноза, на каком складе закончится тот или иной товар и когда именно это произойдет.
Данные для работы со стоками собираются в разбивке по всем складам и
дарксторам, которые есть у маркетплейса в городе или группе городов. Такой подход помогает понять,
какой товар и в каком объеме есть на каждом складе.
Реализация
Клиент поставляет товары в распределительный центр Яндекс Лавки по средам
— оттуда платформа самостоятельно развозит их по дарксторам. Со стороны продавца поставки и остатки
на складе курирует КАМ-менеджер, который самостоятельно следит за стоками, — подробных данных об
остатках платформа не предоставляет.
Каждую среду клиент отдавал данные по объемам поставок с детальной
разбивкой на виды товаров и их остатки на 234 складах в штуках. Адреса складов мы получили тремя
способами: часть — через API маркетплейса, часть предоставил клиент, а остальные — путем перебора. В
последнем случае бот подставляет улицы города, пока количество SKU в наличии не меняется, и
определяет все зоны доставки и адреса складов.
Было выделено 11 фокусных товарных позиций, и раз в сутки по ним
собиралась статистика с помощью инструмента CAT. Итоговая выгрузка выглядела так:

Пример выгрузки по стокам
Данные помогли КАМ-менеджеру сформировать заказ на поставку с учетом
остатков и сформировать точечные поставки товаров на нужные склады. В таблицах ниже — остатки на
складах до и после поставки:

Результат
Несмотря на то, что в новой схеме расчета поставок участвовали не все
склады, метрика InStock с октября 2023-го по февраль 2024-го выросла с 42% до 69%.

На графике выше видно, что товары клиента почти не заканчивались на складе
Яндекс Лавки. Эти изменения непосредственно отразились на продажах:

Кроме общих продаж, мы рассчитывали ежедневные — на основании уходимости
стоков по формуле разницы между стоком SKU за вчерашний день и сегодняшний, умноженной на актуальную
цену в Яндекс Лавке. При расчете учитываются допоставки, чтобы в итоговом отчете не было
отрицательных продаж, а результаты сравниваются с клиентскими данными.
Итог
Основным бизнес-результатом стал рост продаж на 44%. В конце октября 2023
года продажи по 11 наблюдаемым SKU в неделю составляли 22 700 рублей, а в конце февраля 2024 года —
уже 52 000 рублей.